前幾天做了6050原始數據的串口輸出和上位機波形的查看。這篇博客我們來看一下對原始數據的處理。 任務：利用STC89C52RC對MPU6050原始數據進行濾波與姿態融合。 首先我摘抄了一段別人在昨晚這個實驗的寫的最后總結。1.盡量不要用MPU6050內置的LPF濾波。雖然相比於原始加速度計輸出 ...

只能用C語言。 首先單片機通過TTL串口接到MPU6050上拿到通信數據，水平旋轉角度需要另外加地磁儀 ...

1 卡爾曼濾波的融合框架和流程 以無人駕駛的汽車檢測路上的運動的自行車為例 傳感器是激光雷達和多普勒雷達 卡爾曼濾波器算法執行步驟： 首次測量 濾波器在 T 時刻接收來自雷達或激光雷達的自行車在汽車坐標中的位姿和速度作為初始測量。 初始化 狀態和協方差矩陣 濾波器將基於第一次 ...

看到有人說互補濾波跟卡爾曼濾波效果差不多，我是不相信的。不過單我自己說不行，要有結果，后來我就用下面的代碼進行測試，結果如下圖<ignore_js_op> 結果：果然兩濾波結果幾乎相同。黑色曲線是互補濾波結果，黃色曲線是卡爾曼濾波結果。兩者非常相似，所以需要 ...

卡爾曼濾波法 卡爾曼濾波算法是一種利用線性系統狀態方程，通過系統輸入輸出觀測數據，對系統狀態進行最優估計的算法，是一種最優化自回歸數據處理算法。 通俗地講，對系統 \(k-1\) 時刻的狀態，我們有兩種途徑來獲得系統 \(k\) 時刻的狀態。一種是根據常識或者系統以往的狀態表現來預測 \(k ...

慣性導航誤差微分方程 在IMU慣性導航誤差分析建模中 一共有三個微分方程 分別對應姿態誤差微分方程 速度誤差微分方程和位置誤差微分方程 姿態誤差微分方程 n為東北天坐標系 b為機體坐標系 這里求出二者之間的轉換關系就可以求出IMU的姿態 這里旋轉關系用旋轉矩陣C表示 對這個旋轉矩陣求導 ...

最近稍閑，稍微整理了一下以前的部分代碼，雖然寫得不夠好,但是對於新手也許也有一定的分享價值。具體算法細節我就暫時不講了，網上太多了。 所以分享這個我用JAVA寫的一個模擬器。模擬定位和慣導（或者pdr）利用粒子濾波和卡爾曼濾波的可視化小demo，代碼放在GitHub上了,如果覺得有用請點星星 ...

參考：https://blog.csdn.net/young_gy/article/details/78468153 Extended Kalman Filter（擴展卡爾曼濾波）是卡爾曼濾波的非線性版本。在狀態轉移方程確定的情況下，EKF已經成為了非線性系統狀態估計的事實標准。本文將簡要介紹 ...