如何过滤 2 个 IMU 传感器数据
我的项目有 4 个传感器，BNO055、MPU9250、MS5611 和 BME280。我只需要检查这些传感器的 IMU 数据和高度。我的目标是在同一过滤器中使用 MPU9250 过滤到 BNO055，并使用 BME280 过滤到 MS5611，以获得最佳结果。 我在互联网上研究了有关过滤的内容，我发现了卡尔曼、中值和互补过滤。另外，我正在使用树莓派 4。 那么，我怎样才能进行这样的过滤呢？
感谢您从现在开始的帮助。
my project has 4 sensors, BNO055, MPU9250, MS5611, and BME280. I just need to check IMU data and Altitude from those sensors. My goal is filtering to BNO055 with MPU9250 and MS5611 with BME280 at the same filter for the best result.
I do research on the internet about filtering, I found Kalman, median and complementary filtering. Also, I am using Raspberry Pi 4.
So, how I can do filtering like that?
Thanks for helping from now.
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
使用卡尔曼滤波器 (KF) 算法和这个巧妙的技巧来融合多个传感器读数。由此产生的估计将比使用单个传感器获得的更准确。
X_k1 = A * X_k + B * U_k
Y1 = C * X
Y1 数组将包含来自单个 IMU 的不同读数（陀螺仪、磁力...）以及单个压力传感器高度。类似地，Y2 将对应于第二组读数。
只需垂直附加不同传感器的输出数组，
Y12 = [Y1; Y2]
类似地附加 C 矩阵
C12 = [C; C]
新的观测方程将为，
Y12 = C12 * X
使用这个新的观测方程代替旧的观测方程，卡尔曼滤波器算法将融合数据。
Use a Kalman Filter (KF) algorithm with this neat trick to fuse multiple sensors readings. The resulting estimate will be more accurate than what you would get with single sensor.
X_k1 = A * X_k + B * U_k
Y1 = C * X
Y1 array will contain the different readings (gyro, mag...) from a single IMU along with a single pressure sensor altitude. Similarly Y2 will correspond to the second set of readings.
Just append the output array from different sensors vertically,
Y12 = [Y1; Y2]
Similarly append the C matrix
C12 = [C; C]
New observation equation will be,
Y12 = C12 * X
Use this new observation equation instead of the old one and the Kalman Filter algorithm will fuse the data.