前几天做了6050原始数据的串口输出和上位机波形的查看。这篇博客我们来看一下对原始数据的处理。 任务：利用STC89C52RC对MPU6050原始数据进行滤波与姿态融合。 首先我摘抄了一段别人在昨晚这个实验的写的最后总结。1.尽量不要用MPU6050内置的LPF滤波。虽然相比于原始加速度计输出 ...

只能用C语言。 首先单片机通过TTL串口接到MPU6050上拿到通信数据，水平旋转角度需要另外加地磁仪 ...

1 卡尔曼滤波的融合框架和流程 以无人驾驶的汽车检测路上的运动的自行车为例 传感器是激光雷达和多普勒雷达 卡尔曼滤波器算法执行步骤： 首次测量 滤波器在 T 时刻接收来自雷达或激光雷达的自行车在汽车坐标中的位姿和速度作为初始测量。 初始化 状态和协方差矩阵 滤波器将基于第一次 ...

看到有人说互补滤波跟卡尔曼滤波效果差不多，我是不相信的。不过单我自己说不行，要有结果，后来我就用下面的代码进行测试，结果如下图<ignore_js_op> 结果：果然两滤波结果几乎相同。黑色曲线是互补滤波结果，黄色曲线是卡尔曼滤波结果。两者非常相似，所以需要 ...

卡尔曼滤波法 卡尔曼滤波算法是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法，是一种最优化自回归数据处理算法。 通俗地讲，对系统 \(k-1\) 时刻的状态，我们有两种途径来获得系统 \(k\) 时刻的状态。一种是根据常识或者系统以往的状态表现来预测 \(k ...

惯性导航误差微分方程 在IMU惯性导航误差分析建模中 一共有三个微分方程 分别对应姿态误差微分方程 速度误差微分方程和位置误差微分方程 姿态误差微分方程 n为东北天坐标系 b为机体坐标系 这里求出二者之间的转换关系就可以求出IMU的姿态 这里旋转关系用旋转矩阵C表示 对这个旋转矩阵求导 ...

最近稍闲，稍微整理了一下以前的部分代码，虽然写得不够好,但是对于新手也许也有一定的分享价值。具体算法细节我就暂时不讲了，网上太多了。 所以分享这个我用JAVA写的一个模拟器。模拟定位和惯导（或者pdr）利用粒子滤波和卡尔曼滤波的可视化小demo，代码放在GitHub上了,如果觉得有用请点星星 ...

参考：https://blog.csdn.net/young_gy/article/details/78468153 Extended Kalman Filter（扩展卡尔曼滤波）是卡尔曼滤波的非线性版本。在状态转移方程确定的情况下，EKF已经成为了非线性系统状态估计的事实标准。本文将简要介绍 ...