从Python上的IMU传感器获取三维位置坐标

Question

我计划从包含加速计和陀螺仪的IMU（惯性传感器）获取三维笛卡尔坐标系中的位置。我用它来跟踪物体在3D中的位置和轨迹

1-根据我有限的知识，我假设仅加速计就足够了，导致xyz轴上的加速度A（Ax，Ay，Az），需要积分两次以获得速度和位置，但积分会增加一个未知的常量值，这种称为漂移的误差随时间增加。如何删除此错误

2-此外，为什么首先需要陀螺仪，我们不能将x-y-z轴加速度转换为位移，如果加速度计告诉运动轴，那么为什么要检查陀螺仪的方向。抱歉，这是一个非常基本的问题，我检查了所有地方都使用了陀螺仪+加速度，但不知道为什么

3-即使静止不动，也会有地球引力作用在传感器上，其产生的值总是大于传感器运动产生的值。如何消除重力

一旦这样做了，我会对它们应用卡尔曼滤波器来融合它们并平滑这些值。在GPS不可用的环境中，此方法用于目标轨迹估计的精度如何。我从arduino获取加速度计和陀螺仪值，然后导入到Python，在那里它将被绘制在实时更新的3D图形上。任何帮助都将不胜感激，尤其是类似代码的链接

Answer 1

1-可以校准加速计以解释部分漂移，但最终没有一个传感器是完美的，不准确将不可避免地导致漂移。要解决这一问题，您需要一些滤波器，如卡尔曼滤波器，以使用加速计获取短高频数据，以及辅助传感器，如照相机，以定期获取绝对位置并更新内部位置。这是卡尔曼滤波器背后的基本思想

2-加速计对于高频旋转数据不是很好。仅仅使用加速计数据就意味着系统无法区分水平线加速度和旋转位置。陀螺仪用于高频数据，而加速度计用于低频数据，以调整和抵消旋转漂移。卡尔曼滤波器是解决这个问题的一种可能的方法，有很多在线资源可以解释这一点

3-必须使用陀螺/加速度传感器融合等方法获得传感器的三维方向，然后使用矢量数学从该方向减去1g

您最好查看一些在线资源以了解其要点，然后使用预先构建的传感器融合系统，无论是库还是加速计上的融合系统（目前包括mpu6050在内的大多数加速计上）。这些机载系统通常比简单的卡尔曼滤波器做得更好，可以结合其他传感器，如磁强计，以获得更高的精度