Aulas e o jogo de aprendizado

Fusão de sensores e o filtro de Kalman

Aprenda a matemática por trás da fusão de sensores, da variância a um filtro de Kalman de dois estados, e construa um display de atitude que aprende seus próprios vieses de giroscópio.

O que o curso ensina

Fusão de sensores e o filtro de Kalman são sete aulas no Uno, em quatro capítulos. Vem depois de Acelerômetros, giroscópios e IMUs e se baseia no filtro complementar daquele curso, sem repeti-lo.

  • Ruído, medido: média, desvio padrão e variância, a regra 68-95, a lei da raiz quadrada da média e o ruído e atraso de uma média móvel e de uma EMA, medidos com um teste de degrau.
  • 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 de verdade: o ângulo de inclinação com filtro de Kalman da galeria (ângulo e viés do giroscópio num único filtro), e um GPS fundido com uma bússola, incluindo o que uma bússola desviada 10 graus faz com ele.
  • Projeto chefe: um horizonte artificial num OLED SSD1306, controlado por dois filtros de Kalman de dois estados escritos no sketch, com ruído de medição adaptativo.

Cada capítulo termina em um quiz curto. Abra-o em /learn.

Os circuitos

Uma aula abre o ângulo de inclinação com filtro de Kalman e um MPU6050 da galeria. As outras rodam sketches escritos para o curso:

sketch componentes o que faz
kalnoise MPU6050 janelas de 200 leituras: média, dp, variância, 68-95 e avg N
kalema MPU6050 uma média móvel e uma EMA lado a lado, step, alpha e spike
kalcomp MPU6050 um filtro complementar avaliado contra as fórmulas, tau e bias
kal1d MPU6050 um filtro de Kalman escalar passo a passo, estado estacionário, q
kalgps NEO-6M, MPU-9250 navegação por estimativa mais correções de GPS, avaliada contra a verdade, e ins
kalboss MPU6050, SSD1306 filtros de dois estados que aprendem os viéses do giroscópio, e chacoalhar

Por que os sketches adicionam ruído

Os sensores simulados são perfeitos. Todo sketch deste curso adiciona ruído gaussiano com semente e viéses conhecidos por cima da leitura limpa, com os números como constantes no topo, e mantém a leitura limpa como a verdade contra a qual pontuar. É isso que permite a cada aula prever um número a partir de uma fórmula e depois conferi-lo. Um gerador com semente faz uma execução imprimir os mesmos números todas as vezes.

Limites honestos

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.

Solução de problemas

  • Um número fica um pouco diferente do da aula. Uma estatística de algumas centenas de amostras ruidosas oscila vários por cento; a aula diz quanto.
  • O OLED atualiza devagar. Um quadro de 1 KB pelo I2C do Uno leva cerca de um terço de segundo, então o sketch redesenha uma vez por segundo.
  • Sem correções de GPS. Confira se o TX do módulo vai no pino 4 e se o fix dele está ligado (clique no módulo para alternar).