Dobra, więc jaki wniosek ? Wniosek taki, że samym akcelerometrem ani samym żyroskopem nie określimy dokładnie położenia kątowego i tutaj przychodzą z pomocą właśnie filtry takie jak filtr Kalmana i podobne. One połączą niejako odczyty z obu sensorów i wyjdzie coś co jest dokładne(a na pewno dokładniejsze). Ja do fuzji danych nie używałem filtru Kalmana. Na swoje potrzeby uzyskałem zadowalający efekt za pomocą tzw filtru komplementarnego.
Jeżeli nie chcesz wiedzieć co to filtr komplementarny nie czytaj dalej
Kluczem jest słowo komplementarny ( KOMPLEMENTARNOŚĆ ). Żyroskop jest obarczony błędem wolnozmiennym ( tzw dryf ) a akcelerometr szybkozmiennym. No więc niejako filtr komplementarny przeprowadza filtracje odpowiednio górno i dolno przepustową. Czyli te odczyty się niejako uzupełniają. Łączą. No dobra ale teraz najlepsze. Implementacja w kodzie :
alfa = A*(alfa + omega*dt) + (1-A)*gamma
no ale co jest co ?
alfa - położenie kątowe robota
A - współczynnik który przyjmuje wartość od 0 do 1 ( stała wartość )
omega - prędkość kątowa - z żyroskopu
dt - krok czasowy
gamma - położenie kątowe określone na podstawie akcelerometru
Jak tak popatrzysz na ten wzór to aż dziwne, że tak prosta rzecz może działać no nie?
To teraz na koniec dwa wykresy z efektu działania tego ustrojstwa:
widzisz o co chodzi ?
Statystyki: Napisane przez banita 17 — 27 maja 2017, o 11:03
]]>
