Pelajaran dan game belajarnya

Fusi sensor dan filter Kalman

Pelajari matematika di balik penggabungan sensor, dari variansi hingga filter Kalman dua keadaan, dan buat tampilan attitude yang mempelajari bias gyronya sendiri.

Apa yang diajarkan kursus ini

Fusi sensor dan filter Kalman terdiri dari tujuh pelajaran di Uno, dalam empat bab. Kursus ini melanjutkan Akselerometer, giroskop dan IMU dan membangun di atas filter komplementernya, bukan mengulanginya.

  • Derau, terukur: rata-rata, simpangan baku dan varians, aturan 68-95, hukum akar kuadrat dari perataan, serta derau dan jeda dari moving average dan EMA, diukur dengan uji step.
  • From fusion to Kalman: the complementary filter derived (alpha from tau, the crossover frequency, the steady error bias x tau, the noise it passes), then the 1D Kalman filter worked step by step to its steady state, with an innovation test and a wrong R.
  • Kalman untuk sungguhan: sudut kemiringan dengan filter Kalman dari galeri (sudut dan bias giroskop dalam satu filter), dan GPS yang difusikan dengan kompas, termasuk pengaruh kompas yang meleset 10 derajat.
  • Boss build: horizon artifisial di OLED SSD1306, digerakkan oleh dua filter Kalman dua-keadaan yang ditulis langsung di sketch, dengan derau pengukuran adaptif.

Setiap bab diakhiri kuis singkat. Buka dari /learn.

Rangkaian-rangkaian

Satu pelajaran membuka sudut kemiringan dengan filter Kalman dan MPU6050 dari galeri. Sisanya menjalankan sketch yang ditulis untuk kursus ini:

sketch komponen fungsinya
kalnoise MPU6050 jendela 200 pembacaan: rata-rata, sd, varians, 68-95, dan avg N
kalema MPU6050 moving average dan EMA berdampingan, step, alpha dan spike
kalcomp MPU6050 filter komplementer yang dinilai terhadap rumus-rumusnya, tau dan bias
kal1d MPU6050 filter Kalman skalar langkah demi langkah, keadaan tunak, q
kalgps NEO-6M, MPU-9250 dead reckoning plus perbaikan GPS, dinilai terhadap kebenaran, dan ins
kalboss MPU6050, SSD1306 filter dua-keadaan yang mempelajari bias giroskop, dan goyangan

Kenapa sketch-sketch ini menambahkan noise

Sensor simulasi itu sempurna. Setiap sketch di kursus ini menambahkan noise Gaussian berseed dan bias yang diketahui di atas pembacaan bersih, dengan angkanya sebagai konstanta di bagian atas, dan menyimpan pembacaan bersih sebagai kebenaran untuk dinilai. Itulah yang membuat setiap pelajaran bisa memprediksi angka dari rumus lalu mencocokkannya. Generator berseed berarti satu kali jalankan mencetak angka yang sama setiap saat.

Keterbatasan yang jujur

The filters here are linear and assume Gaussian noise. 3D attitude is not linear, which is why drones run extended Kalman filters or Madgwick and Mahony filters on quaternions; a full inertial navigation system also integrates the accelerometers twice and needs GPS to stop the drift. A Kalman filter is only as good as the Q and R it is given.

Penyelesaian masalah

  • Ada angka yang sedikit berbeda dari pelajaran. Statistik dari beberapa ratus sampel bernoise akan bergeser beberapa persen; pelajaran menyebutkan seberapa besar.
  • OLED diperbarui dengan lambat. Satu frame 1 KB lewat I2C Uno butuh kira-kira sepertiga detik, jadi sketch menggambar ulang sekali per detik.
  • Tidak ada fix GPS. Cek TX modul tersambung ke pin 4, dan fix-nya aktif (klik modul untuk mengubahnya).