IMU标定数学建模及误差分析

惯性测量单元（IMU）标定路径设计和数据处理方法取决于IMU标定数学模型,安装误差是决定IMU标定模型的重要因素。针对工程中加速度计和陀螺相对载体安装方式的不同,提出一种通过坐标系转换矩阵建立IMU标定数学模型的方法,推导IMU标定模型误差与载体角速度和加速度之间的关系,分析IMU标定模型误差对捷联惯性导航系统导航参数的影响,并利用转台提供的位置信息设计IMU标定路径和数据处理方法。仿真和转台实验结果表明：IMU标定数学模型误差引起捷联惯性导航系统速度误差、位置误差和姿态误差;安装误差的表现形式决定了IMU标定模型误差对系统导航精度的影响。     

基于IMU阵列的标定方法

微电子机械系统(MEMS)技术的发展使惯性传感器行业发生了革命性的变化,这使得生产惯性传感器阵列成为可能。然而,低成本的惯性测量系统会受到比例因子和轴失准误差的影响,从而造成位置和姿态估计的精度降低。在单个IMU校正的基础上,设计了一套基于IMU阵列的标定方法,该标定方法为了解决传统六面法在标定IMU阵列过程中方向激励不足的问题,设计了正20面的校正装置,该标定方法不仅能够估计出IMU阵列中单个IMU的比例因子、轴失准误差和偏置,还能估计出阵列中不同IMU之间的坐标轴对齐误差。通过把标定结果和官方所给的校正参数进行对比,可以得到经过本文所提的IMU阵列标定方法得到的标定结果能够达到工厂标定结果的百分之五十到百分之九十。     

光纤陀螺组件标定测试系统设计

介绍了IMU700CB光纤陀螺组件的性能与应用。进行了光纤陀螺标定检测系统的硬件环境构建与软件功能开发,给出了IMU700CB光纤陀螺组件的标定结果,并通过测量当地地球自旋角速度验证了标定结果的可信性。     

运动平台双IMU与视觉组合姿态测量算法

快速、准确地获取被测物体的姿态信息,对于航空航天、工业生产等领域都具有重要意义。相较于单IMU测量物体相对于惯性坐标系的姿态,在未知平台的运动状态的情况下,采用双IMU实现物体相对于运动平台坐标系的姿态测量。将IMU测量速度快、短期精度高的特点与视觉测量误差不随时间发散的特点相结合,研究运动平台上双IMU与视觉组合姿态测量算法。提出了一种多速率自适应拓展卡尔曼滤波（MAEKF）算法来融合IMU与视觉的测量结果。采用正交双矢量标定法与q-method实现惯性测量中的坐标系标定。实验证明,该组合姿态测量算法能快速、准确地测量被测物体相对于运动平台的姿态。     

基于IMU的手语识别骨骼模型构建

手语识别属于手势识别的研究范畴。传统的基于数据手套的手语识别方法不能完整捕捉手语的所有要素,无法识别手部与肢体配合的手语动作。 惯性测量单元(IMU)由于体积小、成本低而被越来越多地应用到动作捕捉项目中。借鉴机器人运动学相关知识,提出了基于IMU的手语识别骨骼模型,该模型符合人体生物学特征。模型的构建步骤为首先进行骨骼的选取,然后进行尺寸标定。最后提出了标定模型尺寸的实验方法,使用IMU获得的动作集的数据可以进行求解。     

一种基于点云匹配的激光雷达/IMU联合标定方法

针对车载激光雷达和惯性测量单元(Inertial Measurement Unit,IMU)的坐标系标定问题,设计了一种使用角反射器作标志物的标定方法。首先通过区域分割、地面滤除和标志点提取的预处理方法来提取标志点;然后借鉴3D点云匹配的方法,将坐标系联合标定转化为点云匹配问题,使用迭代最近邻点(Iterative Closest Point,ICP)算法求得两坐标系的坐标转换矩阵。最后,将标定结果与基于最小二乘法的标定结果进行对比,结果表明使用3D点云匹配的标定方法是可行的。     

捷联惯性传感器多余度配置的误差标定技术研究

对捷联惯性传感器多余度配置系统的标定技术进行了研究。详细分析了多余度惯性传感器各参数的测量原理及计算公式,针对典型的非正交配置(六传感器正十二面体)的多余度惯性测量单元(IMU),提出了一种简易的且具有较高精度的误差模型参数静态标定方法,给出了计算误差模型参数的数学推导过程和解析表达式。仿真结果表明:该计算方法精度较高,可以有效估计出多余度IMU的误差模型参数,提高了惯导精度。     

基于EKF的摄像机-IMU相对姿态标定方法

摄像机与惯性传感器之间的相对姿态标定是视觉-惯性混合跟踪器的关键技术之一,是混合跟踪器进行数据融合获得鲁棒姿态输出的前提。提出一种新颖的基于扩展卡尔曼滤波器EKF(Extended Kalman Filter)的摄像机-惯性测量单元IMU(Internal Measurement Unit)相对姿态标定方法。该方法通过构建基于刚体运动学的过程模型和基于摄像机外参数的测量模型,估计摄像机与惯性传感器的相对位置和方向。初步实验结果显示,所提出的标定方法不仅能够标定6 DOF相对姿态,标定操作更简易快速,而且在系统初始误差较大和非线性噪声较大的条件下,该方法仍然能够精确地获得摄像机与IMU之间的相对姿态。     

一种小型惯性测量单元的精确标定技术

研究了一种基于MEMS陀螺和加速度计的惯性测量单元(IMU)的系统标定技术,建立了陀螺和加速度计的温度漂移和非线性误差模型,采用逐步线性回归法对以上模型进行了简化,并设计了补偿算法;实时补偿效果表明,在-40℃~60℃的温度变化范围内,惯性测量单元的零位偏值、偏值稳定性和非线性度都达到较高精度,这种误差标定方法可有效解决MEMS-IMU惯性器件误差的标定与补偿问题。     

列车组合导航系统研究与仿真

提出了一种列车组合导航系统.首先,采用低精度的惯性传感器构成简易惯性测量装置(IMU),设计了该简易IMU的安装结构,并给出了其导航定位解算方法.然后,将简易IMU与GPS构成组合导航系统,分析了IMU和GPS各自的误差源,并建立了组合系统误差模型,从而利用卡尔曼滤波技术设计了IMU/GPS列车组合导航算法.仿真结果表明,该IMU/GPS列车组合导航系统具有精度高、可靠性好、成本低等显著优点,非常适用于列车导航定位.     

一种基于MFC的转台自动测试系统

三轴转台在惯性测量组件和惯性导航系统的性能测试中起到了重要作用,而原先的转台标定实验需要测试人员通过上位机操纵转台运动到指定位置和速率状态,并手动操纵远程计算机采集惯性导航组件的实验数据.采用VC++中的MFC形成远程控制计算机界面,通过远程控制计算机直接控制三轴位置速率转台,并自动采集惯性导航组件的测试数据.经过远程控制计算机与转台形成闭环实验,测试系统可以完成预期目标.     

直接法UKF在组合导航中的应用

提出直接法卡尔曼滤波(UKF)应用于GPS/捷联惯导(SINS)组合导航,避免对非线性系统的线性化。选择SINS惯导系统输出位置和速度作为系统状态,GPS输出的导航参数作为观测量,使用IMU提供的姿态,用UKF方法结合反馈法对组合导航参数直接进行估计,不仅可以避免了每次导航复杂的初始对准过程,同时保持参数误差不会无限增大。根据是否出现GPS中断两种情况进行,实验结果表明,可以直接使用IMU提供的姿态对智能清洁船的定位导航。     

基于双轴旋转框架捷联惯性组件快速标定方法研究

现场条件下惯组的标定精度及标定速度直接影响惯性导航系统的使用.基于双轴旋转框架的捷联惯组快速标定法,将带有旋转框架的惯组安装在载体上,只需一次通电后控制双轴框架合理转位,实现惯组误差参数的快速辨识.结果表明6位置快速标定法,可以满足捷联惯组现场标定精度要求且在30 min内即可完成惯组标定,尤其是降低了现场标定时对高精度三轴转台的依赖,极大地提高了器件测试的灵活性.     

Case study: Inertial measurement unit calibration platform

The Department of Mechanical Engineering and the Avionics Engineering Center at Ohio University are developing an electromechanical system for the calibration of an inertial measurement unit (IMU) using global positioning system (GPS) antennas. The GPS antennas and IMU are mounted to a common platform to be oriented in the angular roll, pitch, and yaw motions. Vertical motion is also included to test the systems in a vibrational manner. A 4‐DOF system based on the parallel carpal wrist is under development for this task. High‐accuracy positioning is not required from the platform since the GPS technology provides absolute positioning for the IMU calibration process. © 2000 John Wiley & Sons, Inc.     

A Kalman Filter-Based Algorithm for IMU-Camera Calibration: Observability Analysis and Performance Evaluation

Vision-aided inertial navigation systems (V-INSs) canprovide precise state estimates for the 3-D motion of a vehicle when no external references (e.g., GPS) are available. This is achieved bycombining inertial measurements from an inertial measurement unit (IMU) with visual observations from a camera under the assumption that the rigid transformation between the two sensors is known. Errors in the IMU-camera extrinsic calibration process cause biases that reduce the estimation accuracy and can even lead to divergence of any estimator processing the measurements from both sensors. In this paper, we present an extended Kalman filter for precisely determining the unknown transformation between a camera and an IMU. Contrary to previous approaches, we explicitly account for the time correlation of the IMU measurements and provide a figure of merit (covariance) for the estimated transformation. The proposed method does not require any special hardware (such as spin table or 3-D laser scanner) except a calibration target. Furthermore, we employ the observability rank criterion based on Lie derivatives and prove that the nonlinear system describing the IMU-camera calibration process is observable. Simulation and experimental results are presented that validate the proposed method and quantify its accuracy.      

采用卡方检验的模糊自适应无迹卡尔曼滤波组合导航算法

针对低成本惯性测量单元精度受载体机动影响大、先验知识难以准确获知的问题,提出一种采用卡方检验的模糊自适应无迹卡尔曼滤波组合导航算法.首先,根据惯性测量单元的基本情况构造系统噪声的粗略模型;然后,引入卡方检验对系统状态模型进行评估,得到相应的卡方检验值;最后,通过预设的模糊逻辑函数和卡方检验值求取系统噪声估计值,得到具有系统噪声统计特性调整的自适应无迹卡尔曼滤波算法.所提出的算法可以克服低成本惯性测量单元难以准确获知先验知识的缺陷.通过SINS/GPS组合导航系统的仿真实例,验证了所提出算法的有效性.     

激光陀螺捷联惯导系统的误差参数标定方法

为降低激光陀螺捷联惯导系统误差参数标定对高精度转台的要求,在不精确对北和调平的情况下,综合分析北向基准误差、水平基准误差、转台轴正交度误差、角位置误差以及标定时间等诸多因素,考虑对称位置和整周期旋转等编排原则,改进了速率标定方案,标定出陀螺仪的标度因数和安装误差,同时提出了一种十二位置连续转动标定方法,标定出陀螺仪的零偏以及加速度计的误差参数项.实验结果表明,与传统方法相比,标定精度相当,降低了对标定转台的要求,减少了标定时间,有较高的工程应用价值.     

基于UKF的水下航行器IMU故障检测与诊断方法研究

惯性测量单元（IMU）作为水下航行器导航系统关键传感器,其可靠性直接影响航行器的导航性能。为了提高IMU的容错能力,本文提出一种基于无迹卡尔曼滤波（UKF）算法的IMU故障诊断技术。首先根据水下航行器的动力学方程和导航系统特点,建立描述IMU故障与导航状态量关系的解析模型;接着基于UKF非线性滤波的特点,进行导航滤波解算,基于此,提出了解耦矩阵法以实现IMU的故障检测;并且根据无迹卡尔曼滤波器新息正交原理,提出了实时估计IMU故障的方法,从而完成水下航行器IMU故障的在线检测与诊断。最后,通过实际航行数据验证了所提出算法的有效性。     

结合小波消噪的捷联惯导系统传递对准性能改进

针对机载捷联惯导系统的传递对准问题,给出了一种速度+姿态匹配算法,旨在强调姿态失准角和惯导器件误差参数估计性能的改善.并基于惯导测量单元 (inertial measurement unit,IMU)原始测量信号的频谱特征,引入了小波串级消噪算法,拟通过对IMU测量进行消噪,进一步提高传递对准的性能.仿真结果验证了所提算法的可行性.