最优轴合成扩展：多陀螺仪与加速度计数据融合以降低系统误差
机器人学
2022-09-20 v1
摘要
与单个惯性测量单元（IMU）相比，多个刚性附着的 IMU 传感器提供了更丰富的数据流。最先进的方法基于 IMU 测量的概率模型，该模型建立在贝叶斯框架下随机误差组合的基础上。然而，廉价低等级 IMU 还受到由于其缺陷引起的系统误差的影响，而这些缺陷未被其相应的概率模型所涵盖。在本文中，我们提出了一种方法，即组合多个 IMU（MIMU）传感器数据的最优轴合成（BAC），用于精确的 3D 位姿估计，该方法通过从所有可用轴集合中动态选择最佳 IMU 轴来考虑随机和系统误差。我们在我们的 MIMU 视觉-惯性传感器上评估了我们的方法，并将该方法与最先进的纯概率 MIMU 数据融合方法进行了性能比较。我们表明，BAC 优于后者，并在开环中实现了方向和位置估计高达 20% 的精度提升，但需要适当处理以保持所获得的增益。
引用
@article{arxiv.2209.08895,
title = {Best Axes Composition Extended: Multiple Gyroscopes and Accelerometers Data Fusion to Reduce Systematic Error},
author = {Marsel Faizullin and Gonzalo Ferrer},
journal= {arXiv preprint arXiv:2209.08895},
year = {2022}
}
备注
Accepted to Robotics and Autonomous Systems journal. arXiv admin note: substantial text overlap with arXiv:2107.02632