论文总字数：19432字

摘 要

惯性测量单元(inertial measurement unit)在室内定位、动态追踪等应用领域中的需求日益迫切，使得具有高精度、低成本和实时性的MEMS。IMU模块设计成为研究热点，其应用范围已由原来的航空航天和军事领域，扩展到机器人、海洋探测乃至汽车、消费类电子产品等多个方面。本文简要概括目前IMU在国内外的研究和发展现状，重点介绍了两种滤波算法，并进行了仿真。

本文主要内容包括：

1. 介绍了几种姿态表达方式，以及几种方法之间相互的转换，并选取合适的姿态表达方式。

2. 进行数据融合算法的设计，重点介绍了互补滤波和卡尔曼滤波这两种数据融合算法。

3. 利用matlab对上述两种滤波算法进行仿真，并对实验结果进行了分析和比较。

关键词：惯性测量单元 数据融合 卡尔曼滤波 互补滤波

Research on attitude estimation method based on IMU module

Abstract

The demand of inertial measurement unit is becoming more and more urgent in the field of indoor location and dynamic tracking, which makes MEMS with high precision, low cost and real time. IMU module design has become a research hotspot, and its application has expanded from the original aerospace and military fields to robotics, ocean exploration, and even automotive, consumer electronics products and many other aspects. This paper briefly summarizes the current research and development of IMU at home and abroad, and focuses on two filtering algorithms, and carries out simulation.

The main contents are arranged as follows:

First, This thesis introduces several attitude representation methods ,the methods of conversion among several methods and select the appropriate gesture expression.

Second, we design data fusion algorithm, and introduce the two data fusion algorithms, complementary filtering and kalman filtering, are emphatically introduced.

Finally, The simulation of these two filtering algorithms is carried out by using MATLAB, and the experimental results are analyzed and compared.

Key Words: inertial measurement unit; data fusion; Kalman filter; complementary filter

目 录

摘 要 I

Abstract II

第一章 绪论 1

1.1研究背景及意义 1

1.2国内外发展现状 1

1.3论文结构安排 2

第二章 姿态检测原理 4

2.1 姿态表达方式 4

2.1.1 旋转矩阵 4

2.1.2 欧拉角 5

2.1.3 四元数 6

2.2 数据融合算法的介绍 8

2.2.1 基于互补滤波的数据融合方法简介 8

2.2.2基于卡尔曼滤波的数据融合方式简介 9

2.3 本章小结 11

第三章 数据融合算法 12

3.1 互补滤波 12

3.1.1互补滤波 12

3.1.2 改进的互补滤波 13

3.2 卡尔曼滤波 14

3.2.1 卡尔曼滤波的预测部分 14

首先建立如下的预测方程 14

3.2.2 卡尔曼滤波的观测部分 16

3.2.3 卡尔曼滤波的更新部分 18

3.3 本章小结 19

第四章 数据获取和仿真 20

4.1 数据获取 20

4.2 仿真结果 20

4.3 本章小结 24

第五章 总结与展望 25

参考文献 26

致谢 28

绪论

1.1研究背景及意义

利用IMU模块进行姿态估计的方法广泛应用于惯性导航，例如，无人机，航天器，水下作业导航，无人驾驶技术，智能机器人等^[1]。姿态估计作为惯性导航技术的核心技术之一，尤其在水下这类复杂多变极端恶劣的环境，使用姿态检测的导航技术能发挥其精度高，误差小的优势。探测器的姿态信息是工作人员需要获取的关键信息之一。它的精度决定了作业的准确性，是测量结果是否有效的重要因素^[2]。从原理上看，加速度计和陀螺仪获取数据，并传送给探测器系统，由此得到姿态、位置的估计。但加速度计不能提供水平方向的角度变化信息，不能精确修复陀螺仪漂移引起的水平方向的误差。所以，可在原有的陀螺仪和加速度计的基础上，再加入磁传感器修正水平偏航角，从而获得了的水平偏航角的精确性。但磁传感器较易受周围磁场大小的影响，所以研究的关键就在于通过合适的滤波算法，从而达到更精准，误差最小的要求。相较于姿态识别，姿态估计并不是获得类别，而是一个向量^[3]。可见，这类方法针针对观测向量到姿态向量的映射。结合当前机器学习的研究现状看，这个问题的难度较高。IMU（惯性测量单元）能够实现惯性测量，与运载体配合实现工作，不受外界环境的影响，较为独立，在很短的时间内就能完成测量，获取位置速度等信息，从而实现作业效率的提升。基于IMU的姿态估计技术在惯性导航，机器人视觉，海洋探测，机器人，医疗辅助器具，智能手机，以及VR（虚拟现实）等很多领域都有应用，具有较高的应用价值。

1.2国内外发展现状

姿态估计方法始于牛顿对高速旋体的力学研宄，牛顿的经典力学为惯性测量技术姿态估计的发展奠定了理论基础^[4]。1850年，莱昂傅科（J.Foucault）针对高速转动开展研究，提出在考虑惯性的情况下，转子的旋转轴维持不变，只想一个特定的方向，于是用希腊字 gyro和skopein两字合为gyroscope命名这种仪器，这就是我们所熟知的陀螺仪。早期的陀螺仪精度不高，多应用于航海导航。19世纪70年代，美国Honeywell和rockwell研制出静电陀螺仪，它的精确度很高，在要求更高的惯性导航中可以应用^[5]。20世纪50年代时，美国研究液浮技术，以此为基础制造了液浮陀螺仪，这极大地提升了精度，推动了性能的上升，同时能够满足军事级别的标准。1954年，惯性导航系统普遍采用陀螺仪，对于空中飞行来说，自动导航也成为可能并得到应用，充分保障了飞行的安全性。80年代时，在此之前的机械陀螺已经不能满足时代的需求，激光陀螺逐渐成为热点，经过研究在飞机、车辆导航、水下作业等领域发挥作用。基于IMU的传感器由于其在尺寸，重量，功耗以及耐用性上的优势，而得到广泛应用^[7]。现在激光陀螺仪仍在快速发展中，并有很大的市场潜力。我国的惯性导航研究始于上世纪五十年代末，虽然起步较晚，但发展很快，并紧跟世界发展主流，成功应用于航空航天、水下作业和军事等领域。1970年,我国将第一颗人造地球卫星送入太空,其中惯性导航技术就如人类的眼睛，发挥了不可或缺的作用。20世纪90年代，我国的惯性导航关键技术取得重大突破，攻破了陀螺仪控制、误差补偿等技术难题。同时随着改革开放的大力推进和工业的不断发展，惯性器件的制造工艺和核心技术都取得突飞猛进的进步。我国自主研发的高精度激光陀螺、静电陀螺都已投入使用，并成功应用在制导武器、航空航天、水下作业等领域。由我国开发的组合式当行系统也推出使用，这提升了我国在该领域的技术水平，跻身世界前列。

现在，惯性导航技术发展的主要趋势是提高惯性器件性能，市场上流行的主要有激光陀螺、液浮陀螺、光纤陀螺这几种。激光陀螺能精度高，能极大的降低成本^[6]。欧美发达国家的激光陀螺的工艺已经比较成熟。相较于光线陀螺，其随机游走误差性能较差。液浮陀螺利用阿基米德原理让浮力与重力相抵消，达到了悬浮使其支承轴承，广泛应用于潜艇与水下作业探测。上世纪80初开始出现了以MEMS（微机系统）为依托平台的惯性测量器件，其体积很小，可将惯性测量单元集成于一个微机中，这是现代惯性导航技术发展的一个大的方向。

请支付后下载全文，论文总字数：19432字