从系列:感知
罗伯特·瓦伦蒂,MathWorks
康奈尔大学D’索萨,MathWorks
传感器是自主系统的关键组成部分,帮助它理解周围环境并与之互动。在这个视频中,Roberto Valenti与Connell D’souza一起演示了使用传感器融合和跟踪工具箱™对惯性传感器数据进行传感器融合以进行方位估计。这对于参加海上和空中飞行器比赛的队伍来说是一个常见和重要的应用。
首先,康奈尔和罗伯托介绍了常见的惯性传感器,如惯性测量单元(IMU)和磁、角速率和重力(MARG),然后解释了传感器融合对理解传感器数据的重要性。
Roberto随后将使用MATLAB Mobile™将加速度计、陀螺仪和磁力计传感器数据从他的手机传输到MATLAB®并对该数据进行传感器融合,仅用几行代码即可估计方向。本视频中使用的imufilter和ahrsfilter函数使用基于卡尔曼滤波的融合算法。将融合结果与来自手机的方位值进行比较,以检验估计的准确性。
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。