8

휴대 장치의 센서 (가속도계, 나침반, 자이로)를 사용하여 실내 로컬라이제이션 시스템을 구현하고 싶습니다. 이 문제는 이미 - herehere다른 모바일 장치의 가속도계 및 자이로 정확도

과 같은 여러 곳에서 이미 논의되었습니다. 첫 번째 단계는 이러한 시스템을 구현하는 데 가장 적합한 플랫폼을 결정하는 것입니다. 주요 가능성은 삼성의 갤럭시/갤럭시 탭 또는 iphone/ipad입니다. 가장 중요한 기준은 센서 데이터의 정확도입니다. 그러나이 비교는 매우 복잡합니다. 이는 정확성이 장치 자체뿐만 아니라 그 위의 소프트웨어 계층에도 의존하기 때문입니다.

주제에 대한 연구가 있습니까? 스마트 폰 센서와 태블릿 센서의 차이점은 무엇입니까? 웹 사이트 또는 기사

모든 링크는 사전에 가장 도움이

감사하겠습니다!

아리엘

+0

이 프로젝트에서 Galaxy Tab을 사용 했습니까? –

답변

1

나는 안드로이드 태블릿 바로 그 일을 경제력했습니다. 센서의 정확성에 관해서는 서로간에 큰 차이가 있습니다. 최근 출시 된 태블릿에는 더 나은 장비가있는 경향이 있습니다.

정확성은 향상되었지만 주어진 장치에 대해 동일한 생성자에서 센서를 제공하려는 노력이 있었기 때문에.

설명해 드리겠습니다. 저는 Galaxy Tabs 7.0 및 10.1에서 작업했습니다. GT7의 센서는 폴링 주파수와 관련된 불일치로 끝나는 다양한 생성자에 의해 제공됩니다. X의 가속도계와 Y의 자이로 스코프가 둘 다 가장 높은 주파수에서 사용되는 경우 (더 나은 정밀도를 원할 경우) 해당 주파수는 일치하지 않습니다. 하나는 10ms 정도이고, 다른 하나는 15 초 정도 될 수 있습니다. 계산하기가 꽤 짜증납니다. GT10의 경우 모든 센서는 내가 사용한 타블렛의 InvenSense에 의해 제작되었습니다. InvenSense는 관성 항법을위한 센서 및 소프트웨어 솔루션을 생성합니다 (나는 그들의 웹 사이트 및 일부 논문을 확인하는 것이 좋습니다). 정확성이 뛰어날뿐만 아니라 모든 센서가 함께 작동합니다. 특히 주파수와 관련하여 특히 그렇습니다.

TL - DR - 센서 간의 정확성과 적합성을 위해 최신 장비 (아마도 가장 비싼 제품)를 사용하는 것이 좋습니다.

그런 나쁜 센서로 INS를 개발하는 것은 어려운 일이지만, 제대로 작동하도록 만들 수 있습니다.

+0

안녕하세요 greg, 답변 주셔서 감사합니다. 내가 알고 있듯이 GT10에는 InvenSence (MPU 3050)의 3 축 자이로가 있지만 3 축 가속도계는 Kionix (KXTF9-1026) [링크] (http://www.cdiweb.com/PortalProductDetail.aspx?ProdId= 418562) Invensense는이 조합을 승인했지만 (http://cdiwebblog.wordpress.com/2010/09/08/invensense-3-axis-gyro%E2%80%99s-and-kionix-accelerometer/) – Ariel

+0

당신이 맞을지도 모르겠다. 나는 그 사실을 연구 할 때 그다지 멀지 않았다. 센서에 대한 정보를 폴링하면 "공급 업체 : Invensense"는 물론 "이름 : MPL 가속도계"가 명확하게 반환되므로 조금 이상하게 들립니다. 몰라, 내가 할 수있는 말은 완벽하게 함께 일한다는거야! – PeterGriffin

0

다음은 고려해야 할 몇 가지 일반적인 참고 사항입니다. 센서 측정 시간 동기화 문제는 칼만 필터를 통해 잘 관리됩니다. KF는 매우 강력하지만 배우고 구현하는 데 약간의 시간이 걸릴 것입니다. 그것은 아주 큰 도약입니다.

KF를 사용하면 다양한 데이터 속도에서 다양한 유형의 센서 (속도 자이로, 가속도계, 모든 유형의 각도 또는 위치 측정)의 데이터 융합을 수행 할 수 있습니다.

전체적인 방법을 데이터 퓨전이라고합니다. 추적중인 항목이 움직이는 경우 프로세스를 '궤적 추정'이라고합니다. KF 알고리즘은 모든 측정 값과 객체 이동 능력 (동적 모델)에 대한 특정 가정을 기반으로 시간 경과에 따라 객체의 위치, 속도 및 가속도를 추정합니다.

예를 들어, 물체가 젖소 인 경우 속도, 가속도 및 위치 (지구 표면에 있음)에 대해 특정 가정을 할 수 있습니다. 만약 물체가 로켓이라면, 가능한 움직임에 대한 가정은 다를 것이다. 물체의 '동적 모델'을 알고 있으면 궤도 추정의 정확도가 높아집니다.

KF 알고리즘에 대한 또 다른 좋은 점은 '노이즈 모델'과 센서 정확도 모델을 기반으로 센서 노이즈를 필터링하는 데 도움이된다는 것입니다. 센서 바이어스, 드리프트 등을 모델링 할 수도 있습니다.