选择惯性传感器融合滤波器
工具箱提供多个滤波器，通过使用机载惯性传感器(包括加速度计、陀螺仪和高度计)、磁力计、GPS和视觉里程测量来估计平台的姿态和速度。每个过滤器可以处理来自特定传感器的特定类型的测量。每个过滤器还会做出假设，并且可能有一些限制，在应用它之前应该仔细考虑。例如，除了重力加速度外，许多滤波器不假定有持续的线性或角加速度。因此，您应该避免在强而恒定的加速期间使用它们，但这些过滤器在短线性加速爆发期间可以相当好地执行。此外，一些过滤器允许分段恒定的线性加速度和角速度，因为它们允许在预测步骤中输入加速度和角速度。
这些过滤器的内部算法也有很大的不同。例如,ecompass对象使用TRIAD方法确定平台的方向，计算成本非常低。许多过滤器(如ahrsfilter和imufilter)采用误差状态卡尔曼滤波器，估计状态与参考状态的偏差。同时，其他过滤器(如insfilterMARG和insfilterAsync)采用扩展卡尔曼滤波方法，直接估计状态。
为了获得较高的估计精度，适当地调整滤波器的特性和参数是很重要的。工具箱提供了内置的调优用于调整大多数惯性传感器滤波器的参数和传感器噪声(在下表中标记为可调谐)。
表格列出了所有惯性传感器融合滤波器的输入、输出、假设和算法。
| 对象 | 传感器和输入 | 状态和输出 | 假设或限制 | 算法 | 可调 |
|---|---|---|---|---|---|
ecompass |
|
取向 | 除重力加速度外，该滤波器不假定有持续的线性和角加速度。 | 三元组法 | 没有 |
ahrsfilter |
|
方向和角速度 | 除重力加速度外，该滤波器不假定有持续的线性和角加速度。 | 误差状态卡尔曼滤波器 |
是的 |
ahrs10filter |
|
方向，高度，垂直速度，角偏差，角偏差，地磁场矢量，磁力计偏差 | 该滤波器假设垂直方向上的线性加速度是分段恒定的，除了其他方向上的重力加速度外，没有持续的线性和角加速度。 | 离散扩展卡尔曼滤波器 | 是的 |
imufilter |
|
方向和角速度 | 除重力加速度外，该滤波器不假定有持续的线性和角加速度。 | 误差状态卡尔曼滤波器 | 是的 |
complementaryFilter |
|
方向和角速度 | 除重力加速度外，该滤波器不假定有持续的线性和角加速度。 | 基于非卡尔曼滤波的方法:
|
没有 |
insfilterMARG |
|
方向，位置，速度，角偏差，角偏差，地磁场矢量，磁力计偏差 | 预测步骤需要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 |
|
方向、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、磁强计偏差 | 过滤器所假设的:
该滤波器不要求传感器是同步的，每个传感器可以有样品下降。 |
连续离散扩展卡尔曼滤波器 | 是的 |
insfilterNonholonomic |
|
方向，位置，速度，陀螺仪偏差，加速度计偏差 | 预测步骤需要加速度计和陀螺仪的输入。因此，过滤器假设:
此外，过滤器假定平台向前移动没有侧滑。 |
离散扩展卡尔曼滤波器 | 是的 |
insfilterErrorState |
|
方向，位置，速度，陀螺仪偏差，加速度计偏差，和视觉里程标度 | 预测步骤需要加速度计和陀螺仪的输入。因此，过滤器假设:
|
误差状态卡尔曼滤波器 |
是的 |
另请参阅
你也可以从以下列表中选择一个网站:
