天天看點

allan方差 imu_IMU的内參标定

  1. IMU介紹
    1. IMU的種類
      1. 機械結構的(Mechanical),價格$100,000~1M
      2. 光學的(optical),價格$20,000 ~ 100k
      3. MEMS(價格從幾美金到上千美金不等,較貴的imu通常會有一個處理器做kalman濾波)
    2. 由于MEMS IMU價格便宜,功耗較低且體積較小,故在移動機器人領域廣泛使用
    3. MEMS的加速度計通常由一個類似彈簧的結構組成,可以根據電容的變化來确定加速度的大小(見下圖)
    4. MEMS的陀螺儀是通過測量Coriolis force對可形變結構(tuning forks, vibrating wheels, or resonant solids)的作用來确定角速度大小的
    5. 由于機械加工及溫度等因素的影像,MEMS的加速度計和陀螺儀通常會有一個不為零的bias
allan方差 imu_IMU的内參标定

加速度計工作原理示意圖

  1. IMU的誤差模型
    1. 加速度計和陀螺儀的誤差可分為确定性誤差和随機誤差
      1. 确定性誤差可以事先标定,包括bias,scale,misalignment等
      2. 随機誤差通常假定噪聲服從高斯分布,包括Gaussian white noise,random walker等
    2. Scale可以看成是實際數值和輸入值之間的比值
allan方差 imu_IMU的内參标定
  • 多軸傳感器制作的時候,由于制作工藝的問題,會使得xyz可能不垂直(misalignment)
allan方差 imu_IMU的内參标定
六面法标定加速度

六面法是指将加速度計的 3 個軸分别朝上或者朝下水準放置一段時間,采集 6 個面的資料完成标定。考慮軸間誤差的時候,實際加速度和測量值之間的關系為:

allan方差 imu_IMU的内參标定

水準靜止放置 6 面的時候,加速度的理論值為:

allan方差 imu_IMU的内參标定

利用最小二乘法可以計算出上式中的12個變量

六面法标定陀螺儀

和加速度計六面法不同的是,陀螺儀的真實值由高精度轉台提供,這裡的 6 面是指各個軸順時針和逆時針旋轉,不過标定的原理相似。

六面法原理簡單,隻需要将IMU水準放置即可,但通常需要測量大量的資料來減少不确定誤差的影響。根據kalibr_allen的說明,給定的示例資料是采集了4個小時的資料集,計算量較大(matlab計算了一個小時左右)

imu-tk是意大利uniroma1大學提供的開源工具,該工具定義一個loss函數,并用LM算法求最優解

IMU的随機誤差

IMU 資料連續時間上受到一個均值為 0,方差為 σ,各時刻之間互相獨立的高斯過程 n(t):

  • allan方差 imu_IMU的内參标定
  • allan方差 imu_IMU的内參标定
IMU 随機誤差的标定

Allan 方差法是 20 世紀 60 年代由美國國家标準局的 David Allan 提出

的,它是一種基于時域的分析方法。

具體的流程如下:

1. 保持傳感器絕對靜止擷取資料。

2. 對資料進行分段,設定時間段的時長,如下圖所示。

allan方差 imu_IMU的内參标定

3. 将傳感器資料按照時間段進行平均。

4. 計算方差,繪制艾倫曲線

得到的艾倫曲線如下圖所示:

allan方差 imu_IMU的内參标定
參考文獻:
  1. Allan Variance. “Noise Analysis for Gyroscopes”[pdf]
  2. D. Tedaldi, A. Pretto and E. Menegatti, "A Robust and Easy to Implement Method for IMU Calibration without External Equipments". In: Proceedings of the IEEE International Conference on Robotics and Automation (ICRA 2014), May 31 - June 7, 2014 Hong Kong, China, Page(s): 3042 - 3049(PDF)
  3. A. Pretto and G. Grisetti, "Calibration and performance evaluation of low-cost IMUs". In Proceedings of the 20th IMEKO TC4 International Symposium, Sep. 15 - 17, 2014 Benevento, Italy, pages: 429 - 434(PDF)
  4. Janosch Nikolic,etc. Maximum Likelihood Identification of Inertial Sensor Noise Model Parameters.IEEE SENSORS JOURNAL, VOL. 16, NO. 1, JANUARY 1, 2016(PDF)