Wyznaczanie orientacji IMU w przestrzeni 3D z wykorzystaniem macierzy tensora rotacji oraz niestacjonarnego filtru Kalmana

• Autorzy: Bieda R.

Warianty tytułu

EN

Determining the IMU orientation in 3D space using tensor matrix rotation and non-stationary Kalman filter

• Języki publikacji: PL

Abstrakty

PL

Artykuł prezentuje opis metody umożlwiającej wyznaczenie parametrów orientacji obiektu w przestrzeni 3D. Kąty rotacji wyznaczane są w oparciu o fuzję sygnałów uzyskanych z układu pomiarowego IMU zrealizowanego w technologii MEMS. Układ IMU dostarcza informacje z trójosiowych czujników przyspieszenia liniowego (akcelerometrów), czujników pola magnetycznego Ziemi (magnetometrów) oraz układu czujników prędkości kątowej (żyroskopów). Informacja o orientacji obiektu prezentowana jest w postaci ortogonalnego tensora rotacji, którego elementy stanowią obserwowany wektor stanu w niestacjonarnym modelu filtru Kalmana. Elementy wektora stanu umożliwiają również wyznaczenie kątów rotacji (roll, pitch, yaw) układu związanego z obiektem. Uzyskane przebiegi czasowe, poszczególnych kątów rotacji, nie wykazują negatywnych cech związanych z budową i działaniem układu pomiarowego czujników IMU. Definicja opisanego rozwiązania umożliwia również prostą i skuteczną implementację proponowanej metody w układach pomiarowych IMU.

EN

This paper presents a description of the method orientation determining of an object in 3D space. The rotation angles are calculated based on the fusion of the signals obtained from the IMU measurement system. IMU system provides information of triaxial accelerometers, magnetometers and gyroscopes systems. Information about the orientation of the object is presented in the form of orthogonal rotation tensor, whose elements are observed in the state vector of the non-stationary Kalman filter. The vector components also allow to determined of the rotation angles (roll, pitch, yaw) of the associated with object. Obtained waveforms, of different rotation angles, have no negative attributes associated with the construction of the measuring IMU sensors. The definition of the proposed solution also enables simple and efficient implementation of the presented method in IMU measuring systems.

Słowa kluczowe

PL

orientacja IMU; przestrzeń 3D; macierz tensora; całkowanie bezkardanowe

EN

IMU; 3D space; tensor; strapdown; Kalman filter

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2013
• Tom: R. 89, nr 12
• Strony: 68--78
• Opis fizyczny: Bibliogr. 24 poz., rys., wykr.

Twórcy

autor

Bieda R.

• Politechnika Śląska, Instytut Automatyki

Bibliografia

• [1] Titterton D.H., Weston J.L., Strapdown Inertial Navigation Technology - 2nd Ed., The Institution of Electrical Engineers, (2004)
• [2] Grewal M.S., Weill L.R., Andrews A.P, Global Positioning Systems, Inertial Navigation, and Integration, John Wiley & Sons, (2001)
• [3] Gucma M., Montewka J., Podstawy morskiej nawigacji inercyjnej, Akademia Morska w Szczecinie, Szczecin (2006)
• [4] LaValle S.M, Planning algorithms, Cambridge University Press, (2006)
• [5] Euston M., Coote P., Mahony R., Kim J., Hamel T., A Complementary Filter for Attitude Estimation of a Fixed-Wing UAV, Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), , (2008). 340-345
• [6] Kim J., Autonomous Navigation for Airborne Applications, Australian Centre for Field Robotics, The University of Sydney, (2004)
• [7] Murray R.M., Li Z., Sastry S.S., A Mathematical Introduction to Robotic Manipulation, CRC Press, (1994)
• [8] Roetenberg D, Inertial and Magnetic Sensing of Human Motion, PhD Thesis, University of Twente, (2006)
• [9] Bachmann E.R., Inertial and magnetic tracking of limb segment orientation for inserting humans into synthetic environments, PhD Thesis, Naval Postgraduate School Monterey, California, (2000)
• [10] Roetenberg D., Henk J. Luinge H.J., Chris T. M. Baten Ch.T.M, Veltink P.H, Compensation of Magnetic Disturbances Improves Inertial and Magnetic Sensing of Human Body Segment Orientation, IEEE Transactions On Neural Systems And Rehabilitation Engineering, 13, (2005), 3, 305-405
• [11] Pusa J., Strapdown inertial navigation system aiding with nonholonomic constraints using indirect Kalman filtering, MSc Thesis, Tampere University of Technology, (2009)
• [12] Rönnbäck S. Developement of a INS/GPS navigation loop, MSc Thesis, Luleå University of Technology, (2000)
• [13] Sadłowski P., Parametryzacje rotacji i algorytmy rozwiązywania równań dynamiki z rotacyjnymi stopniami swobody, Praca doktorska, Polskia Akademia Nauk, (2007)
• [14] Hamel T., Mahony R., Attitude estimation on SO(3) based on direct inertial measurements, Proceedings of the IEEE International Conference on Robotics and Automation (ICRA), (2006), 2170-2175
• [15] Fux S., Development of a planar low cost Inertial Measurement Unit for UAVs and MAVs, MSc Thesis, Eidgenössische Technische Hochschule Zürich, (2008)
• [16] Pedley M., Tilt Sensing Using a Three-Axis Accelerometer, Freescale Semiconductor Application Note, (2013), n.AN3461, rev.5
• [17] Kim K., Park C.G., A New Initial Alignment Algorithm for Strapdown Inertial Navigation System Using Sensor Output, Proceedings of the 17th World Congress The International Federation of Automatic Control (IFAC), (2008), 13034-13039
• [18] Talat Ozyagcilar T, Implementing a Tilt-Compensated eCompass using Accelerometer and Magnetometer Sensors, Freescale Semiconductor Application Note, (2012), n.AN4248, rev.3
• [19] Woodman O.J., An introduction to inertial navigation, Technical Report 696, University of Cambridge, (2007)
• [20] Ayub S., Bahraminisaab A., Honary B., A Sensor Fusion Method for Smart phone Orientation Estimation, 13th Annual Post Graduate Symposium on the Convergence of Telecommunications, Networking and Broadcasting, (2012)
• [21] Mahony R., Hamel T., Pflimlin J.-M., Non-linear complementary filters on the special orthogonal group, IEEE Transactions on Automatic Control, 53, (2008), 5, 1203-1217
• [22] Foxlin, E., Inertial Head-Tracker Sensor Fusion by a Complementary Separate-Bias Kalman Filter, Proceedings of IEEE Virtual Reality Annual International Symposium, (1996), 185-194
• [23] Kong X., INS algorithm using quaternion model for low cost IMU, Robotics and Autonomous Systems, 46 (2004), 221–246
• [24] http://www.ngdc.noaa.gov/geomag/ - NOAA National Geophysical Data Center, (2013)