从Python上的IMU传感器获取三维位置坐标

Question

我计划从包含加速度计和陀螺仪的惯性传感器( IMU )中获取三维笛卡尔坐标的位置。我用这个来跟踪物体的位置和轨迹。

1--据我有限的知识，我假设加速度计本身就足够了，从而导致了xyz轴A(Ax，Ay，Az)的加速度，需要进行两次积分才能得到速度和位置，但是积分会增加一个未知的常量，这个叫做漂移的误差会随着时间的推移而增加。如何删除此错误？

此外，为什么需要陀螺仪，我们不能把x-y-z轴加速度转化为位移，如果加速度计告诉运动轴，那么为什么要检查陀螺仪的方位。对不起，这是一个非常基本的问题，无论我在哪里检查都使用了Gyro+Accel，但不知道为什么。

3-，即使静止而不是在任何运动中，都有地球引力作用在传感器上，它总是给出比传感器的运动更多的数值。你怎么去除地心引力？

一旦这样做不好，应用卡尔曼滤波器对它们进行融合，并使数值平滑。在GPS不是一种选择的环境中，这种方法对物体的轨迹估计有多精确。我从arduino获得加速度计和陀螺仪值，然后导入到Python，在那里实时绘制3D图形更新。任何帮助都将是非常感谢的，特别是链接到类似的代码。

Answer 1

1-加速度计可以校准，以解释其中的一些漂移，但最终没有传感器是完美的，不准确将不可避免地造成漂移。要解决这个问题，您需要一些滤波器，如卡尔曼滤波器，以使用加速度计的短高频数据，和一个次级传感器，如相机，以周期性地获得绝对位置和更新内部位置。这是卡尔曼滤波背后的基本思想。

2-加速度计不是很好的高频旋转数据。仅仅使用加速度计数据就意味着系统无法区分水平直线加速度和旋转位置。陀螺用于高频数据，加速度计用于低频数据，以调整和抵消旋转漂移。卡尔曼滤波器是解决这个问题的一种可能的方法，有很多很好的在线资源可以解释这个问题。

3-你必须使用的方法，包括陀螺仪/雅塞尔传感器融合，以获得传感器的三维方向，然后使用矢量数学从该方向减去1g。

你最好看看一些在线资源来获得它的要点，然后使用一个预先构建好的传感器融合系统，无论它是加速度计上的库还是融合系统(目前大多数加速度计上都包括mpu6050)。这些机载系统通常比简单的卡尔曼滤波器做得更好，并且可以结合其他传感器，如磁强计，以获得更高的精度。