下载文档原格式
基于微惯性传感器的姿态算法研究一、本文概述随着科技的快速发展，微惯性传感器在诸多领域，如航空航天、无人驾驶、虚拟现实等，扮演着日益重要的角色。
其中，姿态解算作为微惯性传感器的核心技术，对设备的定位、导航与控制等具有决定性影响。
本文旨在深入研究基于微惯性传感器的姿态算法，旨在提高姿态解算的精度与稳定性，为相关领域的技术进步提供理论支持与实践指导。
本文将首先介绍微惯性传感器的基本原理及其在姿态解算中的应用，为后续研究奠定理论基础。
随后，将详细分析现有姿态算法的优势与不足，并在此基础上提出一种新型的姿态解算算法。
该算法将结合微惯性传感器的特点，通过优化数据处理流程、提高传感器数据融合精度等方式，实现更准确的姿态解算。
本文还将对所提出的新算法进行仿真验证与实验测试，以评估其在实际应用中的性能表现。
通过对比分析实验数据，本文将揭示新算法相较于传统算法的优越性，并探讨其在实际应用中可能遇到的问题及解决方案。
本文将全面而深入地研究基于微惯性传感器的姿态算法，以期在提高姿态解算精度与稳定性方面取得重要突破，为相关领域的技术进步做出贡献。
二、微惯性传感器技术概述微惯性传感器，作为一种集成了微型机械和微电子技术的先进传感器，已在现代导航、姿态测量和控制系统等领域得到了广泛应用。
其核心部件包括微型加速度计和微型陀螺仪，它们分别用于测量物体的加速度和角速度，进而推算出物体的姿态和位置信息。
微型加速度计主要利用压电效应、压阻效应或电容变化等原理，通过感知物体在加速度作用下的形变或电荷变化来测量加速度。
微型陀螺仪则通过测量物体在旋转运动中的角速度来推算姿态变化，其工作原理通常基于振动陀螺的科里奥利效应。
与传统的惯性传感器相比，微惯性传感器具有体积小、质量轻、功耗低、价格低廉等优点，因此在许多对体积和成本有严格要求的场合，如无人机、智能穿戴设备、机器人等领域，微惯性传感器成为了首选的姿态测量工具。
然而，微惯性传感器也存在一些固有的技术挑战，如测量误差、噪声干扰、温度影响等。
基于惯性传感器的老年人姿态监测系统设计当今社会正饱受人口老龄化问题的困扰,老年群体由于身体机能的衰退,易受跌倒、久坐不起等异常状态的伤害,此类报导早已屡见不鲜。
随着计算机技术及网络通讯技术的发展,个性化的医疗服务得到了长足的进步,居家养老及社区养老成为了更多人的选择。
为此,设计和开发一种具有远程姿态监测、异常状态及时报警和定位等功能的姿态监测系统,具有重要的社会意义和应用价值。
根据应用的特征参数不同,姿态监测系统可分为基于视频图像的姿态监测系统和基于穿戴式传感器的姿态监测系统。
基于视频图像的姿态监测系统通过摄像头采集原始图像,采用机器学习、深度学习等方法完成人体关节点定位,进而实现人体姿态识别,此类方法识别率高且相对成熟,缺陷在于容易暴露用户隐私、成本高且计算量大、应用场景多局限于室内。
基于穿戴式传感器的姿态监测系统将微型传感器嵌入穿戴式设备中,通过采集人体运动过程中产生的加速度、角速度等信息完成姿态解算并结合预设阈值判别人体姿态,此类方法不会暴露个人隐私、成本低且计算量较小、应用场景也不受限制。
惯性传感器是检测和测量加速度、倾斜、冲击、振动、旋转和多自由度运动的传感器,被广泛应用于导航定位、人机交互、姿态测量等领域。
其中,基于加速度计、陀螺仪、磁力计构成的航姿参考系统不仅可以为飞行器提供准确可靠的姿态与航向信息,还被广泛应用到穿戴式智能设备中,对体感交互、姿态监测等领域的发展和进步有重要作用。
基于上述背景,本研究设计并实现了基于惯性传感器的老年人姿态监测系统。
该系统主要由姿态监测终端、服务器、监护终端三部分构成,不仅可以检测人体跌倒状态并及时报警,还能对人体姿态及位置信息进行远程连续监测并完成步数统计。
另外,本研究实现了双向语音交互功能,姿态监测终端可从服务器端下载语音留言到本地并播放,也可录音并上传录音到服务器,为老年人与看护者的交流提供了便捷的途径。
本文的主要工作如下:(1)在传统的C/S结构模型基础上,提出“姿态监测终端-服务器-监护终端”三层结构模型。
基于MEMS惯性传感器的机器人水平姿态检测系统设计何伟;陈伟
【期刊名称】《机器人技术与应用》
【年(卷),期】2009(000)005
【摘要】本文以Robocon2009亚太机器人大赛国内选拔赛为背景,研究了基于MEMS惯性传感器的机器人水平姿态检测与处理系统设计.在本文中,机器人指双轮差速小车,姿态信息包括俯仰角和横滚角.我们采用多处理器和模块化的设计思想.整个系统以数字信号处理器TMS320F2812为核心处理器,分别以双轴加速度计ADXL202E和石英角速率微机械陀螺HZ1-100-100C作为机器人内部传感器,实现机器人静态和动态环境下的姿态测量,并开发了基于MATLAB GUI的串口数据接收与处理软件.
【总页数】5页(P51-55)
【作者】何伟;陈伟
【作者单位】国防科学技术大学机电工程与自动化学院,湖南长沙,410073;国防科学技术大学机电工程与自动化学院,湖南长沙,410073
【正文语种】中文
【相关文献】
1.基于微机电惯性传感器的四足机器人姿态检测 [J], 杨屹巍;俞志伟;龚达平;许明理;戴振东
2.基于MEMS惯性传感器的微型姿态测量系统 [J], 翟昱涛;魏强;王晓浩;周兆英
3.基于MEMS惯性传感器的机器人姿态检测系统的研究 [J], 秦勇;臧希喆;王晓宇;
赵杰;蔡鹤皋
4.基于最小二乘法MEMS惯性传感器姿态解算算法 [J], 熊新炎;黄涛;温子豪;张童
5.MEMS惯性传感器融合的水平姿态解算方法 [J], 黎永键;赵祚喜;高俊文
因版权原因，仅展示原文概要，查看原文内容请购买。
基于惯性传感器的动作捕捉系统设计夏为浩;张少帅【摘要】针对传统的如光学式、机械式等动作捕捉系统在成本、使用环境及精度等方面各有优劣的特点,设计了一套基于惯性传感器的动作捕捉系统,通过在人体各部位佩戴惯性传感器节点,实时采集各部位的运动惯性数据,通过WIFI通信发送至数据处理终端,对数据进行存储和显示;经实验验证所设计动作捕捉系统能够正确采集人体惯性运动数据,系统的使用不受时间和地点的限制,具有成本低廉、穿戴方便和操作简单等特点,可以深入应用于医学、体育和军事等多个领域.【期刊名称】《计算机测量与控制》【年(卷),期】2019(027)009【总页数】5页(P283-287)【关键词】惯性式动作捕捉系统;数据传输节点;无线通信【作者】夏为浩;张少帅【作者单位】国营长虹机械厂,广西桂林541003;北京航天测控技术有限公司,北京100041【正文语种】中文【中图分类】TP3930 引言动作捕捉技术是通过数字测量技术实时获取人体的三维运动信息，然后对信息进行分析和使用。
弗莱舍在1915年发明的动态遮罩技术被认为是动作捕捉技术的始祖。
20世纪70年代，纽约计算机图形实验室设计了一种光学动作捕捉装置，能够实时地在屏幕上显示演员的动作，成为了现代动作捕捉技术的起始[1]。
现代动作捕捉系统基于捕捉原理的不同，包括声学式、电磁式、光学式、机械式、视频捕捉式和惯性式[2]。
声学式和电磁式的捕捉系统精度比较差，且受环境噪声和磁场的影响比较大[3]；光学式的捕捉系统精度高，但安装复杂，成本高和对环境要求高；机械式的动作系统穿戴困难，且会影响人体的自由活动；视频捕捉式的捕捉系统虽然不需要在人体身上佩戴传感节点，但算法复杂，实现难度大。
基于惯性传感器的动作捕捉系统，其具有便携穿戴、操作简单和成本低廉的特点，能够不受时间和地点的限制，持续不断地采集人体各个部位的实时运动信息，在跌倒监测、体育训练、军事训练、体感游戏、虚拟现实和增强现实方面都得到了广泛应用[4]。
基于惯性测量单元的人体姿态识别方法研究引言人体姿态识别是计算机视觉和模式识别领域的一个重要研究方向。
在许多应用中，如健康监测、运动分析和虚拟现实等，准确地识别人体姿态对于实现智能化和个性化的交互是至关重要的。
传统的人体姿态识别方法主要基于视觉信息，需要使用摄像头等设备进行图像采集和分析。
然而，由于多种原因，如光照条件、遮挡等，传统的基于视觉的人体姿态识别方法在实际应用中存在一定的局限性。
为了解决这个问题，研究人员提出了基于惯性测量单元的人体姿态识别方法。
基于惯性测量单元的人体姿态识别方法概述基于惯性测量单元的人体姿态识别方法的主要思想是利用惯性传感器，如加速度计和陀螺仪，测量人体的加速度和角速度信息，从而推断出人体的姿态。
相比于传统的基于视觉的人体姿态识别方法，基于惯性测量单元的方法具有以下优势：1.不受光照条件和遮挡影响。
传统的基于视觉的人体姿态识别方法需要在良好的光照条件下才能工作，并且容易受到遮挡的影响。
基于惯性测量单元的方法可以在任何环境下工作，并且不受遮挡的影响。
2.实时性好。
基于惯性测量单元的方法可以实时地测量人体的加速度和角速度信息，并快速地推断出人体的姿态。
这对于一些需要实时响应的应用非常重要。
3.便携性强。
基于惯性测量单元的方法通常使用小型的传感器模块，可以方便地集成到各种设备中，如智能手机、手环等。
基于惯性测量单元的人体姿态识别方法主要包括以下几个步骤：1.数据采集。
通过惯性传感器采集人体的加速度和角速度信息。
通常来说，需要将惯性传感器放置在几个关键部位，如手臂、腿部等。
2.数据预处理。
对采集到的原始数据进行滤波和去噪处理，以去除由于传感器噪声和运动伪影引起的异常数据点。
3.特征提取。
从预处理后的数据中提取能够描述人体姿态的特征。
常用的特征包括加速度和角速度的统计特征、频域特征等。
4.姿态推断。
利用机器学习方法，根据提取到的特征，推断出人体的姿态。
常用的机器学习方法包括支持向量机、神经网络等。
第5期2019年3月No.5 March，2019近年来，机器人技术发展非常迅速，各种用途的机器人在各个领域获得广泛应用。
传统的固定式机械手转变为可移动的机器人，进而满足空间上的需求。
本设计采用模块化机械装置，以单片机无线控制为核心，以STM32F103C8T6为主控制器。
通过BMI160惯性传感器模块来检测人体发出的信息，再利用无线通信模块完成数据通信，同时利用液晶显示模块进行实时状态显示。
用体感识别技术代替了传统的按键控制，有效地减少了硬件设备的输入并简化了系统。
体感技术的优势在于人们可以通过使用肢体直接与外围设备或环境交互，而无需使用任何复杂的控制设备，它们可以使人们沉浸于内容交互。
根据体感的不同方式和原理，体感技术可分为四大类：惯性传感、光学传感、惯性传感和光学组合传感[1]。
在本设计中，采用惯性传感原理对手的位置进行检测。
此外，本设计增加的智能终端控制可以让控制人员使用手机等移动终端设备远距离遥控机器人。
1 系统方案及整体构架本设计以基于ARM Cortex-M内核STM32系列的32位的微控制器STM32F103C8T6为主控制器，BMI160惯性传感器用于手势检测，nRF24L01无线模块用于指令发送和数据接收，OLED液晶模块用于显示当前控制指令、机器人状态。
采用LED和蜂鸣器实现提示和警报，增加了电量监测模块，可以实时观测电量使用情况。
主控制系统软件中使用了状态机流程代码结构，列举了系统的所有可能状态，对所有状态进行闭环控制，增加了系统的稳定性，提升了控制器的代码处理效率[2]。
系统的整体架构如图1所示。
2 硬件电路设计2.1 主控制模块本设计采用ST公司的ARM控制器STM32F103C8T6作为主控制器。
其拥有32位内核，工作频率高达72 MHz，内置的64 K×8字节程序存储器，20 K×8字节SRAM，输入输出I/O口37个，还包括时钟，复位和电源管理等功能。
基于智能硬件的人体姿态跟踪系统设计与实现随着科技的进步，智能硬件在我们的生活中扮演着越来越重要的角色。
人体姿态跟踪系统是智能硬件中的重要应用之一，它能够监测人体的动作和姿态，从而提供各种信息和服务。
在本文中，将介绍一个基于智能硬件的人体姿态跟踪系统的设计和实现。
一、硬件部分硬件部分需要包括传感器和处理器。
传感器用于获取人体的姿态和动作信息，处理器用于处理这些信息并提供各种输出。
1. 传感器在人体姿态跟踪系统中，最常用的传感器是惯性测量单元（IMU）。
IMU 结合了加速度计、陀螺仪和磁力计等多种传感器，可以测量人体在三个方向上的加速度、角速度和磁场强度等信息，从而得到人体的姿态和动作信息。
2. 处理器在当前技术条件下，处理器的选择范围相当广泛。
我们可以使用各种微处理器或单片机来完成这个任务，例如 STM32、Arduino、Raspberry Pi 等。
这些处理器都具有不同的优缺点，需要根据具体应用场景选择。
二、软件部分软件部分需要包括数据采集、信号处理和输出等模块。
其中，数据采集模块用于从传感器中采集数据，信号处理模块用于对数据进行处理和滤波，输出模块用于将信息传递给其他设备或显示在屏幕上。
1. 数据采集模块数据采集模块需要获取来自 IMU 的三轴加速度、角速度和磁场信息，以及一些标定信息。
IMU 通常使用 I2C 或 SPI 协议进行通信，因此需要相应的驱动程序来读取数据。
2. 信号处理模块信号处理模块主要用于解算人体的姿态和动作。
常用的算法包括卡尔曼滤波、互补滤波、扩展卡尔曼滤波等。
这些算法需要根据传感器的特性和应用场景进行调整和优化。
3. 输出模块使用输出模块可以将处理后的姿态和动作信息显示在屏幕上或者传递给其他设备。
显示模块可以使用 OLED 或者 LCD 屏幕，也可以使用 LED 灯等。
传递模块可以使用无线通信技术（例如 WiFi 或蓝牙）将信息传递给手机或者其他设备。
三、应用案例人体姿态跟踪系统的应用场景十分广泛。
基于惯性传感器的机器人姿态监测系统设计一、设计背景空间飞行器的惯性测量系统、机器人的平衡姿态检测、机械臂伸展确定等许多方面都需要测量物体的倾斜和方向等姿态参数。
机器人的运动过程中要不断的检测机器人的运动状态，以实现对机器人的精确控制。
.本文研究的基于MEMS 惯性传感器姿态检测系统用于检测自平衡机器人运动时姿态，以控制机器人的平衡。
随着微机电系统（MEMS）技术的发展，采用传感器应用到姿态检测系统上的条件变得成熟。
基于MEMS 技术的加速度传感器和陀螺仪具有抗冲击能力强、可靠性高、寿命长、成本低等优点，是适用于构建姿态检测系统的惯性传感器。
利用MEMS 陀螺仪和加速度传感器等惯性传感器组成的姿态检测系统，能够通过对重力矢量夹角和系统转动角速度进行测量，从而实时、准确地检测系统的偏转角度。
由于惯性传感器随着时间、温度的外界变化，会产生不同程度的漂移。
通过对陀螺仪和加速度计的采集数据进行数据融合，测量的角度与实际的角度相吻合，取得了良好的控制效果。
同时该系统具有独立，易用的特点，其应用前景广泛。
二、基本原理在地球上任何位置的物体都受到重力的作用而产生一个加速度，加速度传感器可以用来测定变化或恒定的加速度。
把三轴加速度传感器固定在物体上，在相对静止状态下，当物体姿态改变时，加速度传感器的敏感轴相对于重力场发生变化，加速度传感器的三个敏感轴分别输出重力在其相应方向产生的分量信号。
当系统处于变速运动状态时，由于加速度传感器同时受到重力加速度和系统自身加速度的影响，其返回值是重力加速度同系统自身加速度的矢量和。
对加速度传感器温度漂移及系统振动和机械噪声等方面的考虑，加速度传感器不能独立运用测量系统的姿态。
陀螺仪能够提供瞬间的动态角度变化，由于其本身的固有特性、温度及积分过程的影响，它会随着工作时间的延长产生漂移误差。
因此对于姿态检测系统而言,单独使用陀螺仪或加速度计，都不能提供系统姿态的可靠估计。
为了克服这些问题，数据融合算法需使用加速度传感器的测量值并使用陀螺仪测得的角速度数据对加速度传感器数据进行融合和矫正。
图1加速度传感器系统依据上一时刻的重力矢量方向的估计值，结合陀螺仪测得的角度值计算出当前时刻的重力矢量方向，再与当前时刻加速度传感器返回的矢量方向进行加权平均，得到当前矢量方向的最优估计值。
三、系统框架姿态平衡检测系统中，控制单元采用单片机来完成控制,数据采集与处理，数据通讯等功能。
根据对资料的分析,同时对性能价格比的衡量，惯性测量单元采用Analog Device公司的ADXRS150 (陀螺仪)和ADXL202(加速度计)。
其基本性能指标如下。
ADXRS150其输出电压与偏航角速度成正比，电压的极性则代表转动方向(顺时针转动或逆时针转动)。
其测量偏航角速度(以下简称为角速度)的围是±150 rad/s，灵敏度为12.5 mV/rad/s，零位输出电压为2.50 V，非线性误差为±0.1%F.S.,稳定度为±0.03 rad /s，-3 dB带宽为40 Hz，固有频率为14 kHz，角速度噪声密度为。
ADXL202是一款双轴的加速度传感器，可测量正负加速度，其最大测量围为±2g n。
灵敏度12.5 %/g n，-3 dB带宽为6 kHz。
从技术指标可以知道能满足在测量角度，但是单纯的使用，由于积分计算及噪声影响会使得角度测量误差超出允许的测量围，所以从硬件和滤波算法上进行校正和数据融合，以完成机器人偏转角度的精确测量。
系统框架图如图2所示.图2 姿态检测系统框架图四、电路设计对于这个姿态检测系统，其检测电路分为两个部分：陀螺仪信号采集和加速度计信号采集。
陀螺仪输出模拟信号，加速度计输出的是脉冲信号。
1 陀螺仪的电路设计1.1 滤波电路ADXRS150型微机械陀螺属于芯片级微机械陀螺，陀螺仪本身容易受到高频信号及其他外在因素的影响，导致其信号输出的不稳定。
为了有效滤除陀螺仪的高频信号，在陀螺仪的输出上增加But-terworth低通滤波电路。
经过滤波电路再连接到单片机的A/D端，从而减少了数据处理的干扰，提高了检测精度，滤波电路如图3所示。
图3 陀螺仪的滤波电路1.2 陀螺仪的基本电路陀螺仪的基本电路主要由ADXRS150组成，为提高可移植性，将它与必要的外围电阻，电容集成在同一模块，可以直接应用于其他的系统中，如图4所示，实际完成后的陀螺仪模块。
图4陀螺仪模块2 加速度计的电路设计2.1 加速度的基本电路ADXL202是一个双轴的加速度计，可以测量运动和静态的加速度。
静态加速度的一个特殊例子是重力加速度。
当加速度传感器静止时(也就是侧面和垂直方向没有加速度作用)，那么作用在它上面的只有重力加速度。
重力(垂直)和加速度传感器灵敏轴之间的夹角就是倾斜角。
就是说可将加速度计用作倾角计。
因为角度由灵敏轴和重力矢量组成的垂直平面决定，倾斜可以从各种初始的加速度传感器位置测得。
在大多数设计中，加速度传感器的位置由水平或者垂直的PCB(印刷电路板)决定。
这里选择了垂直的放置方法，如图5所示。
图5 加速度计的垂直放置及加速度的计算方法基于垂直位置的倾斜角，可以测量大于的倾斜角时。
通过加速度传感器的x和y轴的结合起来得到在围都有比较好分辨率。
同时执行了这个转换过程后就不用对加速度传感器进行温度补偿了，因为两个轴的输出都是相同的变化幅度，所以灵敏度随温度的变化对比值的计算没有影响。
加速度计电路主要由ADXL202构成，并辅助以一些滤波及调节电路；通过系统控制电路处理ADXL202产生的占空比调制信号；采样电路中滤波电容选择Cx，Cy为0.1µF，滤波带宽为50 Hz，选择的周期T2的电阻为_ _〖〗^D_Dd__________ᶇԷϨϨ________________图6 ADXL202的测量原理图输出信号Xout，Yout连接到单片机，对与加速度成正比的占空比的方波进行处理，通过下面的公式得到偏转的角度。
2.2 参数标定由于器件参数的差异，芯片的基本参数()也不完全相同。
因此，当要求测量精度较高时仍使用参数典型值就会引起误差。
要提高测量的精度，就需要在测量前对相关参数认真标定。
采用“1gn标定方法”来对加速度计的参数进行标定，标定后的参数如下：Ax= (T1/T2-0.46327)/12.5%Ay= (T1/T2-0.52941)/12.5%以上就是机器人的姿态平衡控制系统，其相应的控制板如图7所示.控制系统由Mi-crochip公司的PIC18F458进行数据处理，完成数据处理后通过串口通信发送到电机控制系统板，以驱动电机来完成机器人的姿态平衡动作。
图7 姿态检测系统电路板五、基于卡尔曼滤波的数据融合对于姿态检测系统而言，单独使用陀螺仪或者加速度计，都不能提供有效的而且可靠的信息来保持机器人的平衡。
陀螺仪能够提供瞬间的动态角度变化，但是由于其本身的固有特性、温度及积分过程的影响，它会随着工作时间的延长产生漂移误差，加速度计能够准确地提供静态的角度，但是它容易受到噪声的干扰，使得数据变化较大，为了克服这些问题，利用卡尔曼滤波来对信号进行数据融合。
经过卡尔曼滤波的处理，用加速度计的实现测量的倾斜角度来消除陀螺仪的漂移,在这个过程中，有害的噪声也被最小化了，从而得到精确的角度估计，通过卡尔曼滤波方法去跟踪机器人的倾斜角度与陀螺仪的偏差，来完成机器人的姿态检测工作。
六、软件设计对于姿态检测系统的软件设计包括以下几个部分：系统的初始化与自校准，系统的中断处理程序，系统数据处理程序和数据通讯模块的设计。
程序设计采用模块化思想，以便以后的功能扩展。
对于姿态检测每次系统开启的时候都有一个校准的过程，这样是为了能够提高控制的精度。
而在数据处理程序模块中，包括了数据的分类，滤波处理和自校准。
计算得到的角度值通过数据通讯模块发送到相关的系统中。
同时也可以接受命令来对姿态检测系统进行控制。
七、实验结果通过卡尔曼滤波的方法，对采集的数据进行数据融合，使采集的数据更接近真实的值。
图8所示是对采集到的数据，应用卡尔曼滤波前后得到的仿真曲线。
图8 滤波效果及实时数据从图8可以看到,在没有使用卡尔曼滤波的情况下，角度的所受到的干扰噪声较大，误差在左右；使用了卡尔曼滤波后，角度的误差控制在以。
通过卡尔曼滤波之后的惯性传感器设计姿态检测系统，误差围在允许的围，完全能够满足检测机器人的倾斜角度的控制要求。
机器人的静态阶段中输出的由加速度信号处理所得的静态欧拉姿态角仅在1°围波动，有效提供了机器人在静态时的姿态数据，在动态阶段中，由角速度信号得出的动态欧拉姿态角大体在15°以波动，横滚角因机器人行进中的横向摆动较大导致其输出较大，在20°以波动，实验表明该传感器模块较为准确地获得了机器人自身的运动姿态。
八、结论.资料. 本文研究了基于惯性传感器的机器人姿态检测系统。
应用MEMS的惯性传感器建立的姿态数据检测单元，完成了对机器人的姿态的检测，使机器人能够保持自平衡。
通过仿真试验表明，运用卡尔曼滤波方法进行数据融合所得到的数据是有效的。
在实际的工作中，机器人姿态检测系统也能保持较高的灵敏度，来完成两轮机器人的运动中的姿态检测，以达到精确控制的要求.姿态检测系统也可应用到其它的机器人控制中，具有较好的应用前景。
