الانتقال إلى المحتوى
العودة إلى نتائج البحث

مرشح مادجويك

قدّمه
Sebastian Madgwick
السنة
2010
النوع
Filter algorithm
العائلة
Gradient Descent Filtering

هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية

حجم الخط

ماذا تفعل؟

مرشح مادجويك هو خوارزمية تقدير اتجاه خفيفة حسابيًا تدمج القياسات بالقصور الذاتي (مقياس التسارع، الجيروسكوب) مع القياسات المغناطيسية (مقياس المغناطيسية) لحساب اتجاه رباعي. قدمت هذه الخوارزمية بواسطة سيباستيان مادجويك في عام 2010، وتستخدم تحسين الانحدار التدريجي لتقليل الخطأ بين مخرجات المستشعر المقاسة والمتوقعة، مما ينتج تقديرات اتجاه دقيقة وخالية من الانجراف على الأنظمة المضمنة بتكلفة حسابية دنيا. أصبح مرشح مادجويك منتشرًا الآن في الإلكترونيات الاستهلاكية والروبوتات وأنظمة الطيران والفضاء.

الفكرة الحدسية وراء الطريقة

تتمثل الفكرة في إيجاد الرباعي (الاتجاه) الذي يفسر قياسات المستشعر المرصودة على أفضل وجه. مقياس التسارع والبوصلة يخبراننا بمكان الجاذبية والشمال المغناطيسي؛ والجيروسكوب يخبرنا بمدى سرعة دوراننا. تحسب الخوارزمية اتجاهًا (تدرجًا) لتعديل الاتجاه يقرب المتجهات المقدرة والمقاسة من بعضها البعض، ثم تتحرك قليلاً في هذا الاتجاه. بتكرار ذلك عدة مرات في الثانية، ينتج تقدير اتجاه سلس في الوقت الفعلي لا ينجرف.

التاريخ

طور سيباستيان مادجويك الخوارزمية حوالي عام 2010 أثناء بحثه في التقاط الحركة وتحليل حركة الإنسان. نُشرت الخوارزمية في مؤتمر IEEE الدولي حول روبوتات إعادة التأهيل في عام 2011 وتم إصدارها كتعليمات برمجية مفتوحة المصدر. اكتسبت اعتمادًا سريعًا في مجتمعات الروبوتات DIY وصناع المحتوى بسبب بساطتها وفعاليتها. اعتمدت شركات الإلكترونيات الاستهلاكية الكبرى (الهواتف الذكية، سماعات الواقع الافتراضي، أجهزة تتبع اللياقة البدنية) متغيرات منها. يظل مرشح مادجويك شائعًا في الأنظمة المضمنة والتعليم، وغالبًا ما يكون بمثابة مقدمة لدمج المستشعرات للطلاب.

متى تُستخدم

استخدم مرشح مادجويك عندما تحتاج إلى تقدير اتجاه خفيف حسابيًا وفي الوقت الفعلي على أجهزة محدودة الموارد (المتحكمات الدقيقة، الهواتف المحمولة، الأجهزة القابلة للارتداء). مثالي للتطبيقات التي يكون فيها تعقيد مرشح كالمان مفرطًا. فعال في الداخل والخارج، وفي المركبات والطائرات بدون طيار والأجهزة القابلة للارتداء. انشره عندما يكون لديك وحدة IMU ذات 9 درجات حرية وتريد تجنب ضبط معلمات متعددة لمرشح كالمان. استخدمه للإلكترونيات الاستهلاكية والروبوتات الهواة وأنظمة التحكم في الوقت الفعلي.

الحدود والاعتبارات

  • حدسي، وليس أمثل؛ لا يقلل من أي دالة تكلفة رسمية (على عكس مرشح كالمان).
  • يعتمد الأداء بشكل حاسم على بيتا (حجم الخطوة)؛ لا يوجد تكيف تلقائي إذا تغيرت جودة المستشعر أو الحركة.
  • اضطراب مقياس المغناطيسية يمكن أن يفسد الاتجاه؛ يتطلب معايرة يدوية؛ لا يكتشف أو يرفض القياسات السيئة تلقائيًا.
  • التسارعات الكبيرة (في متغير MARG) تسبب أخطاء مؤقتة حيث ينحرف مقياس التسارع عن الجاذبية؛ استعادة المرشح حدسية، وليست مبدئية.

لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.

نقاط القوة

  • تكلفة حسابية دنيا؛ تم تنفيذه في أقل من 100 سطر من التعليمات البرمجية؛ يعمل على المتحكمات الدقيقة ومعالجات الهواتف المحمولة.
  • لا يتطلب مصفوفات أو جبر خطي معقد؛ فقط جبر الرباعيات والضرب النقطي.
  • يوفر متغيرات تعتمد على IMU فقط (6 درجات حرية) ومتغيرات MARG (9 درجات حرية)؛ قابل للتكيف مع المستشعرات المتاحة.
  • معلمة ضبط واحدة (بيتا) تجعل من السهل تخصيصه؛ لا توجد مصفوفات تغاير أو عمليات عكس للمصفوفات.

التطبيقات

  • تتبع الحركة للهواتف الذكية والأجهزة القابلة للارتداء: يتيح التعرف على إيماءات الحركة والواقع المعزز دون الحاجة إلى حسابات ثقيلة.
  • تثبيت الطائرات الرباعية والطائرات بدون طيار: يوفر تقديرات للدوران والميل والانحراف للتحكم في الطيران على وحدات التحكم في الطيران محدودة الموارد.
  • تتبع حركة سماعات الواقع الافتراضي (VR): اتجاه الرأس في الوقت الفعلي للشاشات الغامرة.
  • التقاط الحركة والرسوم المتحركة البشرية: يتتبع اتجاه أجزاء الجسم لتحليل المشي والرسوم المتحركة.
  • الروبوتات والطائرات بدون طيار للهواة: بديل خفيف الوزن لمرشحات كالمان لتقدير الاتجاه على Arduino و Raspberry Pi.

كيف يعمل

كيف يعمل

1

جمع القياسات من وحدة قياس بالقصور الذاتي (IMU) ذات 9 درجات حرية (DOF): مقياس تسارع ثلاثي المحاور، وجيروسكوب ثلاثي المحاور، ومقياس مغناطيسية ثلاثي المحاور بتردد 50 هرتز أو أعلى.

2

تطبيع متجهات مقياس التسارع ومقياس المغناطيسية إلى طول الوحدة؛ تخزين متجه معدل الجيروسكوب الخام؛ تطبيق أي معايرة معروفة للمستشعر (الانحياز، عامل القياس).

3

حساب تدرج خطأ القياس بالنسبة للرباعي؛ تحريك الرباعي في الاتجاه الذي يقلل الخطأ (الانحدار التدريجي)؛ دمج معدل الجيروسكوب للتنبؤ بتطور الرباعي.

الصيغة
\nabla f = \frac{\partial f}{\partial \vec{q}}
4

مزج تصحيح الانحدار التدريجي مع تكامل الجيروسكوب عبر معلمة واحدة (بيتا) تتحكم في قوة التصحيح؛ إخراج الرباعي عند كل تحديث.

5

تحويل الرباعي إلى زوايا أويلر (الدوران، الميل، الانحراف) أو استخدام الرباعي مباشرة؛ الإبلاغ عن الاتجاه؛ تقييم الثقة بناءً على موثوقية المستشعر وحالة الحركة.

الأخطاء الشائعة

  • اختيار بيتا مرتفع جدًا يسبب تذبذبًا سريعًا وانجرافًا؛ منخفض جدًا يسبب استجابة بطيئة؛ النطاق النموذجي هو 0.01–0.1، يتم ضبطه تجريبيًا.
  • تجاهل معايرة مقياس المغناطيسية؛ يمكن أن يسبب تشوه الحديد الناعم والحديد الصلب أخطاء في الاتجاه؛ المعايرة حاسمة للانحراف الدقيق.
  • افتراض أن مقياس التسارع صالح دائمًا؛ أثناء التسارع الشديد، لا يمكن استخدام مقياس التسارع لتقدير الدوران والميل؛ بعض الخوارزميات تكتشف وتتجاهل مقياس التسارع أثناء المناورات.
  • النشر بدون تهيئة؛ تتقارب الخوارزمية في غضون ثوانٍ، ولكن من الأفضل تهيئتها عندما تكون المركبة ثابتة (تهيئة ثابتة).

الأسئلة الشائعة

كيف أختار معلمة بيتا؟

تتحكم بيتا في معدل تصحيح الانحدار التدريجي. ابدأ بـ بيتا = 0.041 (القيمة التي استخدمها مادجويك). إذا كان المرشح بطيئًا (يستجيب ببطء للحركة)، فزد بيتا (حتى 0.1–0.5). إذا كان المرشح يتذبذب أو ينجرف، فقلل بيتا (حتى 0.01). قم بالضبط تجريبيًا من خلال مراقبة استجابة الاتجاه للحركات المعروفة.

ما الفرق بين متغيرات IMU (6 درجات حرية) و MARG (9 درجات حرية)؟

يستخدم متغير IMU مقياس التسارع والجيروسكوب فقط؛ يوفر الدوران والميل ولكن الانحراف ينجرف بدون مرجع. يضيف متغير MARG مقياس المغناطيسية للانحراف المطلق؛ يوفر اتجاهًا ثابتًا بـ 3 درجات حرية ولكنه حساس للتشوه المغناطيسي. استخدم IMU للرحلات القصيرة؛ استخدم MARG للملاحة الثابتة أو البطيئة.

هل يمكنني تشغيل مرشح مادجويك على متحكم دقيق 32 بت؟

نعم. الخوارزمية فعالة جدًا؛ يمكن لمعالج ARM Cortex-M4 تشغيلها بتردد 200 هرتز أو أعلى. حتى المتحكمات الدقيقة 8 بت (مع مكتبات الفاصلة العائمة) يمكنها التعامل مع 50 هرتز أو أعلى. يعتمد الأداء على معدل الساعة ودعم الفاصلة العائمة. مع حسابات النقطة الثابتة، يمكن تشغيلها على معالجات أبطأ بكثير.

كيف أكتشف الاضطراب المغناطيسي؟

راقب حجم مقياس المغناطيسية؛ مجال الأرض حوالي 50 ميكرو تسلا؛ الانحراف الأكبر يشير إلى التشوه. قارن اتجاه البوصلة (من مقياس المغناطيسية) مع الاتجاه من تكامل الجيروسكوب؛ الاختلاف الكبير يشير إلى الاضطراب. التخفيف: تجاهل تحديثات مقياس المغناطيسية مؤقتًا أثناء الاضطراب، أو قلل وزنه (بيتا_م أقل في بعض المتغيرات).

طرق ذات صلة

المصادر

  1. Madgwick, S. O. H., Harrison, A. J. L., & Vaidyanathan, R. (2011). Estimation of IMU and MARG orientation using a gradient descent algorithm. IEEE International Conference on Rehabilitation Robotics (ICORR), 1–7.

    افتح مرجع المنشور
    تم النسخ.
  2. Madgwick, S. O. H. (2010). An efficient orientation filter for inertial and inertial/magnetic sensor arrays. Report x-io Technologies, University of Bristol, UK.

    افتح مرجع المنشور
    تم النسخ.
  3. Sabatini, A. M. (2006). Quaternion-based extended Kalman filter for determining orientation by inertial and magnetic sensing. IEEE Transactions on Biomedical Engineering, 53(7), 1346–1356.

    افتح مرجع DOI
    تم النسخ.