基于数据驱动的MEMS加速度计自检测自校正技术研究

MEMS加速度计是一种用于测量载体加速度的微型集成系统,已被广泛应用于生产生活中;然而MEMS器件在使用过程中易由内外因素影响出现故障,若不能及时检测故障并校正故障数据,将会使得系统无法准确感知外界环境进而导致控制出现偏差,因此及时检测MEMS加速度计的故障并校正其故障数据对于提高系统的鲁棒性、测量准确性以及控制稳定性等方面具有重要意义;现有检测校正方法大多依靠建立加速度计的物理模型或构建传感器冗余网络来实现加速度计的自检测与自校正,但这些方法存在建模复杂且引入额外误差或硬件资源需求高等问题;为了避免建模不准确引入的误差并减少算法对硬件资源的需求,基于近传感器计算的思想,设计了一种轻量化的、基于数据驱动的MEMS加速度计自检测自校正算法;测试结果表明,算法对冲击、偏差、信号丢失、恒定输出4种故障的检测率均达到90%,校正后数据与正常数据的平均绝对误差小于0.15 g,并且具有在2.54 ms内处理加速度计数据的能力。

应用于纳型无人机视觉场景数据集构建的图像采集系统

纳型无人机具有体积小、功耗低的优势,在物联网、智能感知等领域中有重要的应用前景;对于纳型无人机的机载目标检测和目标跟踪等任务,视觉场景数据集对于机载算法的训练具有重要作用;由于受到体积和功耗等因素的限制,使用无人机机载的视觉系统进行场景数据的采集存在传输帧率慢、传输中需要进行数据压缩等问题,进而导致构建的数据集与机载算法处理的实际图像不匹配;因此,为了构建一个高质量的数据集,该图像采集系统以匹配纳型无人机视觉场景数据为目的进行设计,系统通过低功耗图像传感器HM01B0制作的模组获取图像数据,通过ZYNQ的PL单元完成图像数据的处理和图像传感器的控制,PS单元完成图像数据存储和各任务间的调度;实验结果表明,该图像采集系统最高可以达到320*320分辨率下45帧/s的采集速率,与纳型无人机机载视觉系统图像获取速率相匹配,同时采集的图像质量清晰,能够满足纳型无人机视觉场景数据集构建的需求。