P5 - IMU + Kalman = orientación
OBJETIVO: utilizar un filtro de kalman para procesar la información del IMU y estimar orientaciones P5 - IMU + Kalman = orientación
Embedded Files
Ahora vamos a utilizar un componente de la librería de simscape que implementa un Filtro de Kalman (o más en general, un algoritmo de Attitude and Heading Reference System, AHRS) para estimar la orientación en el espacio del IMU, a partir de las lecturas de sus 9 sensores dispuestos en tres triadas de accelerómetros, giroscopios y sensores de campo magnético.
La información aquí contenida se basa en la documentación de la librería de Matlab dedicada a este tipo de problemas: Sensor Fusion and Tracking Toolbox.
El IMU ya lo conectamos a la máquina en trabajos anteriores. Ahora se trata de conectarlo con un algoritmo de AHRS.
Tenemos a nuestra disposición varios algoritmos para estimar orientaciones: Choose Inertial Sensor Fusion Filters
En este trabajo vamos a utilizar un Filtro de Kalman, principalmente porque ya tenemos un componente de simulink que lo implementa, denominado AHRS muy bien documentado, y con un ejemplo de utilización que vamos a aprovechar. Arrancamos el ejemplo y copiamos el componente conectado al IMU:
Comprobamos que la simulación funciona y obtenemos unas señales del AHRA como las de la figura:
Tras este proceso de "ingeniería inversa", nos queda estudiar estos resultados y entender qué significan en el contexto del movimiento que realiza el robot y del algoritmo de estimación de orientaciones utilizado.
Page updated
Report abuse