作業備忘録‎ > ‎

センサ・フュージョン

異なる特性のセンサの出力を組み合わせて,知りたい量を推定する仕組み(アルゴリズム)のこと.

アルゴリズムとしては,相補フィルタ,カルマンフィルタ,パーティクルフィルタ等がある.

相補フィルタは,センサの周波数特性に着目し,低周波特性がよいセンサと高周波特性がよいセンサを組合わせて,
ンサ単体よりも周波数領域特性を向上する.

一次の総補フィルタは実装が簡単で,ジャイロと加速度センサを用いた一次の相補フィルタでは次の一行.
 angle = (0.98)*(angle + gyro * dt) + (0.02)*(x_acc);

カルマンフィルタは,センサノイズを考慮に入れたセンサダイナミクス(時間領域で表した線形モデル)に基づき,
状態量を推定する.実装としては一般化しないでやればArduinoでも5ms以内に収まる.
ジャイロセンサと加速度センサを用いたカルマンフィルタの実装としては次のサイトがある.

パーティクルフィルタは,カルマンフィルタを一般化したもので,次状態の確率密度推定にモンテカルロ法を用いる.
一般にカルマンフィルタは,センサダイナミクスに線形モデル,白色ノイズを前提としているが,
パーティクルフィルタは,非線形,非ガウス型でも推定できる.


カルマンフィルタと一次の相補フィルタを実装してみた例.





Citation数が多いウェアラブル慣性センサで歩行計測して報告した論文.

国内で下肢の姿勢計測に慣性センサを調査した論文.

一般的な認知として,カルマンフィルタを基準にして次の通り.

計算量     少ない<-----------------------基準-------------------------->多い
        相補フィルタ      カルマンフィルタ    パーティクルフィルタ
対ノイズ     弱い<------------------------基準-------------------------->強い

マイコンで動くロボットの姿勢推定には,相補フィルタ・カルマンフィルタの適用が多い.
パワフルなCPUを載せるロボットやロボットの自己位置推定に,パーティクルフィルタを使っているようである.

参考文献:


Comments