LM优化算法的IMU阵列在线校准

针对IMU阵列的输出存在确定性误差的问题,提出一种基于列文伯格-马夸尔特(Levenberg-Marquardt, LM)优化算法的在线校准方式。该方法无需任何外部参考设备,通过手动转动和静置IMU阵列校准加速度计和陀螺仪的确定性误差。首先利用多个位置的静态数据校准加速度计,然后利用校准后的加速度计及位置间的转动数据校准陀螺仪。仿真实验显示,校准结果与理论接近。3组车载实验结果显示,校准后动态导航精度平均提升19.1%,表明该校准方法能有效校准误差参数并提高导航精度。

IMU阵列和相机数据融合的定位方法研究

在移动机器人领域,通常为机器人配备单个惯性传感器(IMU)和相机来构建视觉惯性SLAM系统,实现定位功能.目前,大多数基于单个IMU和相机所构建的视觉惯性SLAM系统已经能获得良好的定位精度,但在受外界因素影响出现IMU测量异常时,其定位精度会大幅下降甚至导致系统崩溃.对此,本文提出了一种基于IMU阵列和相机数据融合的定位方法.首先基于三次均匀B样条原理获取单个IMU测量值,其次根据IMU阵列信号模型获取IMU阵列测量值,然后利用卡尔曼滤波器对IMU阵列测量值进行融合,得到一个虚拟的IMU数据,提高对IMU故障的鲁棒性.最后为降低位姿估计误差,在OpenVINS框架下融合该虚拟IMU和相机数据进行定位.为验证本文算法的定位精度及鲁棒性,在EUROC数据集和TUM VI数据集上进行了多次实验,实验结果表明在IMU正常或异常情况下,与OpenVINS相比,本文方法能够提供精度更高和鲁棒性更强的位姿估计结果.

差分阵列式虚拟高精度陀螺仪研究与实现

针对单一MEMS惯性陀螺仪精度低、随机噪声大,无法满足高精度应用场景要求的问题,提出了一种基于差分MEMS惯性传感器阵列的虚拟陀螺仪。设计并实现了由2N个消费级传感器构成的虚拟陀螺仪系统,其中正面N个传感器三轴同向,且与反面N个传感器三轴反向。2N个传感器共同组成N个差分传感器对,形成一个差分传感器阵列。同时,基于单一MEMS惯性陀螺仪的输出模型,对差分阵列式虚拟陀螺仪输出进行建模分析,通过将正反面传感器输出进行差分均值融合,实现了一个高精度虚拟陀螺仪输出。最后,利用陀螺仪零偏、零偏稳定性和Allan方差分析虚拟陀螺仪的确定性误差和随机噪声等特性。结果表明,在静止状态下,差分阵列式虚拟陀螺仪能够有效降低陀螺仪的零偏和零偏稳定性。与单一MEMS陀螺仪相比,差分阵列式虚拟陀螺仪的x,y,z轴角度随机游走降低约73%,速度随机游走降低约77%,即差分阵列式虚拟陀螺仪能有效地抑制MEMS惯性陀螺仪的随机噪声,提高传感器输出精度。