APM2分析GPS、气压计惯导融合

观测传感器滞后的主要思想是，由于惯导的主体为加速度计，采样频率与更新实时性要求比较高，而观测传感器（气压计、GPS、超声波、视觉里程计等）更新相对比较慢（或者数据噪声比较大，通常需要低通造成滞后）。在无人机动态条件下，本次采样的得到的带滞后观测量（高度、水平位置）已经不能反映最新状态量（惯导位置），我们认定传感器在通带内的延时时间具有一致性（或者取有效带宽内的平均时延值），即当前观测量只能反映系统N*dt时刻前的状态，所以状态误差（在这里指的是气压计与惯导高度、GPS水平位置与惯导水平位置）采用当前观测量与

本文主要介绍了卡尔曼滤波器的使用原理，给出了matlab代码，并在STM32F407平台对卡尔曼滤波器进行了验证，传感器为MPU6050与DPS310，测试结果令人满意，速度与高度无累积误差。 系统状态方程 在开始讲卡尔曼滤波器之前需要先提一下状态方程。因为卡尔曼的计算公式是建立在状态方程上的，所以我们需要先写出系统的状态方程。离散状态方程为： 其中X(k)为当前状态，X(k+1)为下一...

/*********************************************** *************************************************/ #include "stm32f10x.h" #include "filter.h" #include <stdio.h> /*****************************...

定

不得不说，spl06气压计很强，原始数据也比较干净，短时间可以保持在30cm内浮动，滤波后在10cm内浮动。就是这么夸张。 使用APM的三阶互补滤波融合出 高度，速度，效果也很不错。 可以看到，融合出来的速度也逼近于0，融合出来的高度的短时间漂移可以在5cm内，长时间会飘的很夸张（几米，几十米，几百米），这个就是气压计的通病了。 具体还没有用到小飞机上试，后续试一下效果，现在...

自主悬停&高度融合 作者：nieyong 自主悬停是Crazepony玩家问得最多的问题，也是技术难度最高的问题。 首先我们明确什么是自主悬停？下面是一位资深航模玩家对于自主悬停的解释。 飞行器能够悬停在某个位置，在发生了偏离之后能够自动校正并且回到原来悬停的位置，并且能够在该位置保持足够长的时间，至少2分钟以上，那么我们认为该飞行器是能够自主悬停的。 飞行器

笔者最近正在做四旋翼惯性导航的部分，利用加速度计进行速度估计、位置估计，从而实现四旋翼的垂直方向上的定高、水平方向上的定点控制。 首先在这里引用学长之前参考APM飞控里面互补滤波惯导融合方案：原文见

姿态角度解算（角速度积分同加速度直接解算融合） 世界坐标系下机体加速度解算（根具旋转矩阵计算得到） 世界坐标下机体速度解算（加速度积分同气压高度差分融合） 世界坐标下机体位移解算（速度积分同气压数据融合）

飞控的高度信息主要由气压计来提供，也可包含GPS、超声波等。跟姿态解算类似，单一的传感器所提供的信息并不能满足实际应用要求，所以同样需要多传感器数据融合。气压计高度问题主要有以下几点，如图所示：1、噪声相对较大，数据不够平滑，不过这个问题不大，可以使用一阶低通滤波来处理；2、数据从上电开始会有漂移，尤其受温度影响，这里图中反应不明显；3、最大的问题在于，受外界气流影响太大，图中50-90s左右，设...

这个项目主要是利用加速度计和气压计作为输入，经过卡尔曼滤波融合后输出高度、速度、加速度，这三个输出量对于产品的某执行机构来说需要满足符合无人机飞行特征，而这个项目也是基于原算法在Simulink上面的复现以及优化