选择惯性传感器融合滤波器
工具箱提供了多个滤波器，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和视觉里程表测量来估计平台的姿态和速度。每个滤波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，并可能存在一些限制，您在应用它之前应该仔细考虑。例如，许多滤波器除了重力加速度外，没有假定持续的线性或角加速度。因此，您应该避免在强大和恒定的加速过程中使用它们，但这些过滤器在短的线性加速爆发期间可以表现得相当好。此外，一些滤波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。
这些滤波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(例如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。与此同时，其他过滤器(例如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(传感器融合与跟踪工具箱)功能，以调整参数和传感器噪声imufilter，ahrsfilter,insfilterAsync直接。
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 |
|---|---|---|---|---|
ecompass |
|
取向 | 除重力加速度外，该滤波器没有持续的线性和角加速度。 | 三元组法 |
ahrsfilter |
|
方向和角速度 | 除重力加速度外，该滤波器没有持续的线性和角加速度。 | 误差状态卡尔曼滤波器 |
ahrs10filter |
|
方位，高度，垂直速度，三角角偏差，三角速度偏差，地磁场矢量，磁力计偏差 | 该滤波器假设在垂直方向上分段恒定的线性加速度，在其他方向上没有持续的线性和角加速度，只有重力加速度。 | 离散扩展卡尔曼滤波器 |
imufilter |
|
方向和角速度 | 除重力加速度外，该滤波器没有持续的线性和角加速度。 | 误差状态卡尔曼滤波器 |
complementaryFilter |
|
方向和角速度 | 除重力加速度外，该滤波器没有持续的线性和角加速度。 | 基于非卡尔曼滤波的方法:
|
insfilterMARG |
|
方位，位置，速度，三角角偏差，三角速度偏差，地磁场矢量，磁力计偏差 | 预测步骤采用加速度计和陀螺仪输入。因此，过滤器假设:
|
离散扩展卡尔曼滤波器 |
insfilterAsync |
|
方位、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、磁力计偏差 | 过滤器所假设的:
该滤波器不要求传感器同步，每个传感器可以有样品下降。 |
连续离散扩展卡尔曼滤波器 |
insfilterNonholonomic |
|
方位，位置，速度，陀螺仪偏差，加速度计偏差 | 预测步骤采用加速度计和陀螺仪输入。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 |
insfilterErrorState |
|
定向，位置，速度，陀螺仪偏差，加速度计偏差，和视觉里程表 | 预测步骤采用加速度计和陀螺仪输入。因此，过滤器假设:
|
误差状态卡尔曼滤波器 |
另请参阅
你也可以从以下列表中选择一个网站: