FALL 탐지 용 칼만 필터 센서 융합 : 가속도계 + 자이로 스코프

Question

나는 센서 융합의 과정을 이해하려고 노력하고 있으며 칼만 필터링도 함께하고있다.

내 목표는 가속도계와 자이로 스코프를 사용하여 기기의 낙하를 감지하는 것입니다. 같은 this one로 논문의 대부분에서

은, 그것은 때문에 자이로 스코프에 드리프트와 가속도계에 의한 소음을 극복하는 방법을 언급하고있다. 결국 센서 융합은 롤, 피치 및 요우의 더 나은 측정을 제공하고 더 나은 가속을 제공하지 못합니다.

센서 융합으로 '가속 결과'를 더 잘 얻고 '낙하 감지'를 위해 사용할 수 있습니까? 롤, 요, 피치만으로는 타락을 감지하기에 충분하지 않습니다.

그러나이 source은 개별적으로 칼만 필터를 사용하고 k-NN 알고리즘 또는 클러스터링과 같은 분류 알고리즘을 사용하여 가속 학습 (Ax, Ay, Az) 및 자이로 스코프 (Gx, Gy, Gz)를 부드럽게하여 감독 학습 .

분류 부분은 내 문제가 아닙니다. 센서를 융합하거나 (3D 가속도계 및 3D 자이로 스코프) 센서를 부드럽게 분리해야하거나, 낙하를 감지하는 목표와 별도로 센서를 부드럽게해야합니다.

Answer 1

여러 해명

1. 칼만 필터는 통상적으로 (컴퓨터 비전, GPS) 일부 노 표류 절대 측정을 IMU (가속 및 자이로) 결합 위치 및 방향 추정 센서 퓨전을 수행하기 전형적

2. 무료 필터. 일반적으로 accel (시끄럽지 만 비 표류) 및 자이로 (정확하지만 표류)를 조합하여 양호한 방향 추정을하는 데 사용됩니다. 가속도를 사용하고 자이로와 결합하면 상당히 좋은 방향 추정이 가능합니다. 자이로를 사용하여 기본으로 볼 수 있지만 가속을 사용하여 보정 한 방향 추정.

IMU를 사용한 낙하 감지의 적용을 위해 가속화가 매우 중요하다고 생각합니다. 속진 독서를 "고치는"방법은 알려진 바 없으며,이 방법을 생각하는 것은 잘못된 접근 방법입니다. 나의 제안은 가속을 시스템에 대한 입력 중 하나로 사용하고, 낙상 상황을 시뮬레이션하는 데이터를 수집하는 것입니다. 거기에는 많은 실행 가능한 신호가 있다는 것에 놀랄 것입니다.

Answer 2

나는 낙하 감지를 감지하기 위해 KF를 사용할 필요가 없다고 생각합니다. 간단한 가속도계를 사용하면 장치의 전도를 감지 할 수 있습니다. 매끄러운 가속도계에 저역 통과 필터를 적용하고 총 가속도가 0에 가까운 지 확인하십시오 (자유 낙하 장치가 -g (9.8m/s2) acc)를 일정 기간 이상 지속하면 낙하로 감지 할 수 있습니다. 위 접근법의 문제는 장치가 빠르게 회전하고 가속도가 0에 가까워지지 않는 경우입니다. 견고한 솔루션을 위해,이 애플리케이션에서 KF가 아닌 간단한 보완 (Mahony 검색) 필터를 구현할 수 있습니다.