选择惯性传感器融合的过滤器
该工具箱提供多个过滤器，通过使用车载惯性传感器（包括加速度计，陀螺仪，高度计和），磁力计，GPS，和视觉里程测量来估计的平台的姿态和速度。每一个过滤器可以处理某些类型的某些传感器的测量值。每个过滤器也使得假设和可能有限制，你应该申请前仔细考虑。例如，许多过滤器假设没有持续的直链或角加速度比重力加速度其他。因此，应避免强烈和不断的加速过程中使用它们，但这些过滤器可以在很短的线性加速度的突发执行得相当好。此外，一些过滤器允许分段恒定线性加速度和角速度，因为它们在预测步骤允许加速度和角速度的输入。
这些过滤器的内部算法也有很大差异电子罗盘对象使用的TRIAD方法来确定平台的方向具有非常低的计算成本。许多过滤器（如ahrsfilter和imufilter)采用误差状态卡尔曼滤波，估计状态与参考状态的偏差。同时，其他过滤器（如insfilterMARG和insfilterAsync）使用扩展卡尔曼滤波器的方法，其中，所述状态直接估计。
为了获得较高的估计精度，重要的是要适当地调整滤波器的属性和参数曲调用于调谐大多数惯性传感器滤波器的参数和传感器噪声（下表中标记为可调谐）。
表中列出的输入，输出，假设，并为所有惯性传感器融合滤波器算法。
| 目的 | 传感器和输入 | 状态和输出 | 假设或限制 | 算法中使用 | 可调 |
|---|---|---|---|---|---|
电子罗盘 |
|
方向 | 该过滤器假定没有持续的线性和比重力加速度其他角加速度。 | TRIAD方法 | 不 |
ahrsfilter |
|
取向和角速度 | 该过滤器假定没有持续的线性和比重力加速度其他角加速度。 | 错误状态卡尔曼滤波器 |
是的 |
ahrs10filter |
|
取向，高度，垂直速度，增量角度偏置，δ-速度偏差，地磁场矢量，磁力偏压 | 该过滤器假定在垂直方向上分段恒定线性加速度，并且没有持续线性和比在其它方向上的重力加速度其他角加速度。 | 离散扩展卡尔曼滤波器 | 是的 |
imufilter |
|
取向和角速度 | 该过滤器假定没有持续的线性和比重力加速度其他角加速度。 | 错误状态卡尔曼滤波器 | 是的 |
complementaryFilter |
|
取向和角速度 | 该过滤器假定没有持续的线性和比重力加速度其他角加速度。 | 非基于卡尔曼滤波器的方法：
|
不 |
insfilterMARG |
|
方位、位置、速度、δ角偏差、δ速度偏差、地磁场矢量、磁强计偏差 | 所述预测步骤在所述加速度计和陀螺仪的输入。因此，过滤器假设：
|
离散扩展卡尔曼滤波器 | 是的 |
insfilterAsync |
|
取向，角速度，位置，速度，加速度，加速度计偏差，陀螺仪偏差，地磁场矢量，磁力偏压 | 该过滤器假设：
该过滤器不要求传感器是同步的，并且每个传感器可具有样品滴。 |
连续离散扩展卡尔曼滤波 | 是的 |
内滤非完整 |
|
定向，位置，速度，陀螺仪偏差，加速度计偏差 | 所述预测步骤在所述加速度计和陀螺仪的输入。因此，过滤器假设：
此外，过滤器假设平台向前移动而不发生侧滑。 |
离散扩展卡尔曼滤波器 | 是的 |
insfilterErrorState |
|
定向，位置，速度，陀螺仪偏差，加速度计偏差，和视觉里程规模 | 所述预测步骤在所述加速度计和陀螺仪的输入。因此，过滤器假设：
|
错误状态卡尔曼滤波器 |
是的 |
也可以看看
您还可以从以下列表中选择网站：
