Jak wybrać dobrego IMU dla robota kołowego?

W naszym laboratorium mamy kilka robotów typu „Kurt” (mniej więcej wielkości Pioneera, sześć kół, napęd różnicowy). Wbudowane żyroskopy są już naprawdę przestarzałe; głównym problemem jest to, że żyroskopy mają duży dryf, który wzrasta, gdy żyroskop się nagrzewa (błąd wynosi do 3 ° / s). Używamy głównie IMU (inercyjnej jednostki pomiarowej), aby uzyskać wstępne szacunki pozycji, które później są korygowane przez pewien algorytm lokalizacji, ale nawet robiąc to, duży błąd początkowej pozycji spowodowany przez IMU jest często denerwujący.

Tymczasowo użyliśmy telefonu z Androidem (Galaxy S2) jako zastępczego IMU, a wyniki są o wiele lepsze w porównaniu do starych IMU. Nie podoba mi się jednak połączenie Wi-Fi między IMU a komputerem sterującym (laptopem z systemem ROS / Ubuntu), dlatego szukamy nowego IMU.

Który IMU powinniśmy wybrać? Jakie kryteria należy wziąć pod uwagę w przypadku naszej aplikacji?

Użyłem IMU VN-100, aby wymienić stary (co może być dość niedokładne).

Moje doświadczenie z VN-100 jest całkiem dobre. Zawiera wewnętrzny filtr Kalmana do szacowania nachylenia, przechylenia i odchylenia (za pomocą czujników magnetycznych), a Ty możesz sam dostroić wzmocnienie filtra Kalmana. To, jak powinny zostać dostrojone, będzie zależeć od zastosowania (np. Wibracje, zwykłe prędkości obrotowe i przyspieszenie).

Z mojego doświadczenia wynika, że ​​łatwo mieści się w granicach dokładności 1 stopnia, a jeśli jest dobrze dostrojony, może wynosić prawie 0,1 stopnia. To powiedziawszy, wymaga użycia aktywnego parametru strojenia (w zależności od tego, jak daleko przyspieszenie różni się od grawitacji). Chociaż dokładnie przyjrzałem się danym położenia kątowego, nie zbadałem dokładnie dokładności danych przyspieszenia lub prędkości kątowej (chociaż mam pewne dane, ale użyłem koderów jako prawdziwej podstawy, a różnicowanie powoduje, że dane kodera są zbyt głośne, aby porównać).

Rzeczy, które warto rozważyć:

• Zdecydowanie jest to bonus, aby dostroić zyski filtra Kalmana. Jeśli przyrosty nie są dobrze dostrojone, nawet dobre nieprzetworzone dane mogą skutkować gorszymi filtrowanymi danymi.
• Poza tym czas próbkowania może być ważny (jeśli chcesz próbek o wysokiej częstotliwości - VN-100 ma maksymalną częstotliwość 200 Hz).
• Rozważ protokół komunikacyjny (VN-100 obsługuje RS-232 lub SPI z pakietem SMD). W przypadku RS-232 warto rozważyć maksymalną stawkę dostępną w systemie DAQ, np. Szybkość transmisji 460 kHz jest wymagana, aby uzyskać dane przy 200 Hz, w przeciwnym razie nie otrzymasz wszystkich danych na tak wysokiej częstotliwości
• Rozmiar ? Nasz stary IMU był dość duży (5 cm), ale VN-100 jest niewielki.
• Czujniki magnetyczne - jeśli potrzebujesz danych pozycji odchylenia, ale pamiętaj, że silniki znajdujące się w bezpośredniej bliskości (zależą od wielkości silników, ale być może w odległości 10 cm lub więcej) zatrzymają je.
• Filtr Kalmana - chyba że chcesz sam przetwarzać dane

Zakładam, że szukasz IMU zapewniającego orientację. Cały pakiet nazywa się zwykle Systemem Odniesienia i Kierowania (AHRS). To, co naprawdę najbardziej definiuje kryteria, to budżet. Osiągnięcie powyżej 3 stopni / s powinno być jednak w zasięgu ręki.

• Pracowaliśmy z XSens MTi i mieliśmy wystarczająco dobre wyniki do nawigacji w pojazdach naziemnych. Mają nową linię, która znacznie poprawiła dokładność.

• Dostępne są również opcje budżetowe, ta wygląda dość obiecująco, ponieważ jest to rozwiązanie z jednym chipem. W Sparkfun znajduje się również przewodnik dla kupujących IMU .

• Zwykle nachylenie i przechylenie są dobre dla większości IMU dla pojazdów naziemnych, ponieważ wektor grawitacji może być użyty do kompensacji znoszenia. Nie dotyczy to osi odchylenia, która często stanowi problem nawet po skompensowaniu za pomocą magnetometru. Z tego powodu często używamy pojedynczego żyroskopu światłowodowego, aby zminimalizować dryft kursu .