VIO(2)—— IMU传感器测量模型、误差模型、运动模型(预积分模型)

摘要:
加速度计当然也会受到科氏力影响,但是因为加速度计的质量块并不含有主动驱动的旋转运动。因此,一般情况下ω-˃0,在精度要求不高的情况下,科氏力对加速度的影响可以忽略不记。

@

目录
一、旋转运动学

1.1 线速度与角速度

在这里插入图片描述

1.2 旋转坐标系下的运动学

在这里插入图片描述
在这里插入图片描述补充:右扰动模型:

(R[w]_{X}=[R w]_{X} cdot R)
在这里插入图片描述在这里插入图片描述在旋转坐标系下观察,运动的物体(运动方向和旋转轴不为同一个轴时)会受到科氏力的作用。

二、IMU 测量模型及运动模型

2.1 MEMS(Micro-electromechanical Systems微电子机械系统) 加速度计工作原理

在这里插入图片描述在这里插入图片描述
加速度变化,引起质量块位置的变化,引起电阻电容的变化。
在这里插入图片描述

2.2 MEMS(Micro-electromechanical Systems微电子机械系统) 陀螺仪测量原理

• 陀螺仪主要用来测量物体的旋转角速度,按测量原理分有振动陀螺,光纤陀螺等。
• 低端 MEMS 陀螺上一般采用振动陀螺原理,通过测量 Coriolis force(科氏力) 来间接得到角速度。
在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述加速度计当然也会受到科氏力影响,但是因为加速度计的质量块并不含有主动驱动的旋转运动。因此,一般情况下ω->0, 在精度要求不高的情况下,科氏力对加速度的影响可以忽略不记。

三、IMU 误差模型

3.1 误差分类

• 加速度计和陀螺仪的误差可以分为:确定性误差随机误差
确定性误差可以事先标定确定,包括: bias, scale ...
随机误差通常假设噪声服从高斯分布,确定其方差大小,包括:高斯白噪声, bias随机游走...

3.2 确定性误差

在这里插入图片描述在这里插入图片描述
在这里插入图片描述在这里插入图片描述

3.2.1 六面法标定加速度 bias 和 scale factor

在这里插入图片描述在这里插入图片描述最小二乘原理可以参考我的另一篇博文:
https://www.cnblogs.com/long5683/p/12073813.html

3.2.2 六面法标定陀螺仪 bias 和 scale factor

和加速度计六面法类似,只是陀螺仪的真实值由高精度转台提供,这
里的 6 面是指各个轴顺时针和逆时针旋转。

3.2.3 温度相关的参数标定

在这里插入图片描述

3.3 随机误差

在这里插入图片描述

3.3.1 随机误差的离散化

实际上, IMU 传感器获取的数据为离散采样,因此需要进行离散化
1. 高斯白噪声的离散化
在这里插入图片描述在这里插入图片描述在这里插入图片描述
2. bias 随机游走的离散化
在这里插入图片描述在这里插入图片描述更详细的连续到离散的推导参见:
John L Crassidis. “Sigma-point Kalman fltering for integrated GPS and inertial navigation”. In: IEEE Transactions on Aerospace and Electronic Systems 42.2 (2006), pp. 750–756.

3.3.2 IMU 随机误差的标定

在这里插入图片描述在这里插入图片描述详细可参考:

Allan Variance. “Noise Analysis for Gyroscopes”. In: Freescale Semiconductor Document Number: AN5087 Application Note Rev. 0 2 (2015)

3.4 加速度计的误差模型总结

在这里插入图片描述

3.5 陀螺仪的误差模型总结

在这里插入图片描述详细内容参考:MA Shelley. “Monocular visual inertial odometry on a mobile device”. In: Master’s thesis, Institut für Informatik, TUMünchen, Germany (2014)

四、运动模型离散时间处理

4.1 IMU 模型

在这里插入图片描述

4.2 连续时间下 IMU 运动模型

在这里插入图片描述

4.3 运动模型的离散积分——欧拉法

在这里插入图片描述({mathbf{q}}_{w b_{t+1}}={mathbf{q}}_{w b_{t}}+dot{mathbf{q}}_{w b_{t}} imesDelta t=mathbf{q}_{w b_{t}} otimesleft[egin{array}{c}1 \ 0end{array} ight]+mathbf{q}_{w b_{t}} otimesleft[egin{array}{c}0 \ frac{1}{2} omega^{b_{t}}end{array} ight]=mathbf{q}_{w b_{k}} otimesleft[egin{array}{c} 1 \ frac{1}{2} omega delta t end{array} ight])

4.3 运动模型的离散积分——中值法

在这里插入图片描述

打赏

如果对您有帮助,就打赏一下吧O(∩_∩)O
VIO(2)—— IMU传感器测量模型、误差模型、运动模型(预积分模型)第34张
VIO(2)—— IMU传感器测量模型、误差模型、运动模型(预积分模型)第35张

免责声明:文章转载自《VIO(2)—— IMU传感器测量模型、误差模型、运动模型(预积分模型)》仅用于学习参考。如对内容有疑问,请及时联系本站处理。

上篇通过风扇FG脚检测风扇转速关于Docker目录挂载的总结(一)下篇

宿迁高防,2C2G15M,22元/月;香港BGP,2C5G5M,25元/月 雨云优惠码:MjYwNzM=

相关文章

四元数运动学笔记(5)IMU驱动的运动误差方程

1.扩展卡尔曼滤波EKF1.1线性化卡尔曼滤波1.2偏差微分方程的推导1.3线性化卡尔曼滤波的流程1.4 离散EKF2.误差状态的运动方程2.1连续时间的IMU系统动态方程2.1.1相关变量2.1.2真实状态运动方程(true-state kinematics equations )2.1.3标称状态运动方程(normal-state kin...

VIO系统的IMU与相机时间偏差标定

  视觉里程计(VIO)作为一种空间定位方法,广泛应用于VR/AR、无人驾驶和移动机器人,比如近年火热的苹果 AR-Kit和谷歌AR-Core都使用了VIO技术进行空间定位。通常,VIO系统忽略IMU与相机时间偏差,认为IMU和相机时间是同步和对齐的,然而由于硬件系统的触发延时、传输延时和没有准确同步时钟等问题,IMU和相机之间通常存在时间偏差,估计并纠正...