فیلتر مدگویک
- معرفیشده توسط
- Sebastian Madgwick
- سال
- 2010
- نوع
- Filter algorithm
- خانواده
- Gradient Descent Filtering
این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید
چه کاری انجام میدهد؟
فیلتر مدگویک یک الگوریتم تخمین وضعیت (attitude) با بار محاسباتی سبک است که اندازهگیریهای اینرسی (شتابسنج، ژیروسکوپ) را با اندازهگیریهای مغناطیسی (مغناطیسسنج) ترکیب میکند تا جهتگیری کواترنیون را محاسبه کند. این الگوریتم که در سال ۲۰۱۰ توسط سباستین مدگویک معرفی شد، از بهینهسازی نزول گرادیان برای به حداقل رساندن خطا بین خروجیهای سنسور اندازهگیری شده و مورد انتظار استفاده میکند و تخمینهای وضعیت دقیق و بدون رانش را با حداقل هزینه محاسباتی بر روی سیستمهای تعبیهشده ارائه میدهد. فیلتر مدگویک اکنون در دستگاههای الکترونیکی مصرفی، رباتیک و سیستمهای هوافضا فراگیر شده است.
شهود پشت روش
ایده این است که کواترنیونی (جهتگیری) را پیدا کنیم که بهترین توضیح را برای اندازهگیریهای سنسور مشاهده شده ارائه دهد. شتابسنج و قطبنما محل گرانش و شمال مغناطیسی را به ما میگویند؛ ژیروسکوپ سرعت چرخش ما را نشان میدهد. این الگوریتم جهتی (گرادیان) از تنظیم وضعیت را محاسبه میکند که بردارهای تخمین زده شده و اندازهگیری شده را به هم نزدیکتر میکند، سپس کمی در آن جهت گام برمیدارد. با تکرار این عمل چندین بار در ثانیه، یک تخمین وضعیت صاف و بیدرنگ حاصل میشود که رانش ندارد.
تاریخ
سباستین مدگویک این الگوریتم را حدود سال ۲۰۱۰ در حین تحقیق بر روی ضبط حرکت و تحلیل حرکت انسان توسعه داد. این الگوریتم در کنفرانس بینالمللی IEEE رباتیک توانبخشی در سال ۲۰۱۱ منتشر شد و به صورت کد منبع باز منتشر گردید. به دلیل سادگی و اثربخشی آن، به سرعت در جوامع رباتیک DIY و سازندگان پذیرفته شد. شرکتهای بزرگ الکترونیکی مصرفی (گوشیهای هوشمند، هدستهای واقعیت مجازی، ردیابهای تناسب اندام) از انواع آن استفاده کردند. فیلتر مدگویک در سیستمهای تعبیهشده و آموزش همچنان محبوب است و اغلب به عنوان مقدمهای بر ترکیب سنسورها برای دانشجویان عمل میکند.
چه زمانی استفاده شود
از فیلتر مدگویک زمانی استفاده کنید که به تخمین وضعیت سبک و بیدرنگ بر روی دستگاههای با منابع محدود (میکروکنترلرها، تلفنهای همراه، دستگاههای پوشیدنی) نیاز دارید. ایدهآل برای کاربردهایی که پیچیدگی فیلتر کالمن بیش از حد نیاز است. مؤثر در داخل و خارج از منزل، در وسایل نقلیه، پهپادها و دستگاههای پوشیدنی. زمانی که یک IMU با ۹ درجه آزادی دارید و میخواهید از تنظیم پارامترهای متعدد فیلتر کالمن اجتناب کنید، آن را مستقر کنید. برای الکترونیک مصرفی، رباتیک تفریحی و سیستمهای کنترل بیدرنگ استفاده کنید.
محدودیتها و ملاحظات
- تجربی است، بهینه نیست؛ هیچ تابع هزینه رسمی را به حداقل نمیرساند (برخلاف فیلتر کالمن).
- عملکرد به شدت به بتا (اندازه گام) بستگی دارد؛ هیچ تطبیق خودکاری در صورت تغییر کیفیت سنسور یا حرکت وجود ندارد.
- اختلال مغناطیسی میتواند جهتیابی را خراب کند؛ نیاز به کالیبراسیون دستی دارد؛ اندازهگیریهای بد را به طور خودکار تشخیص یا رد نمیکند.
- شتابهای بزرگ (در نوع MARG) باعث خطاهای موقتی میشوند زیرا شتابسنج با گرانش همراستا نمیشود؛ بازیابی فیلتر تجربی است، نه اصولی.
شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.
نقاط قوت
- هزینه محاسباتی حداقل؛ در کمتر از ۱۰۰ خط کد پیادهسازی شده است؛ بر روی میکروکنترلرها و پردازندههای موبایل اجرا میشود.
- نیازی به ماتریسها یا جبر خطی پیچیده نیست؛ فقط جبر کواترنیون و ضربهای نقطهای.
- انواع فقط IMU (۶ درجه آزادی) و MARG (۹ درجه آزادی) را ارائه میدهد؛ قابل انطباق با سنسورهای موجود.
- یک پارامتر تنظیم (بتا) سفارشیسازی آن را آسان میکند؛ بدون ماتریس کوواریانس یا وارونگی ماتریس.
کاربردها
- ردیابی حرکت تلفن هوشمند و دستگاههای پوشیدنی: امکان تشخیص ژست حرکتی و واقعیت افزوده را بدون محاسبات سنگین فراهم میکند.
- تثبیت کوادکوپتر و پهپاد: تخمینهای زاویه غلتش، پیچ و انحراف را برای کنترل پرواز بر روی خلبانان خودکار با منابع محدود فراهم میکند.
- ردیابی حرکت هدست واقعیت مجازی (VR): جهتگیری بیدرنگ سر برای نمایشگرهای فراگیر.
- ضبط حرکت و انیمیشن انسان: جهتگیری بخشهای بدن را برای تحلیل راه رفتن و انیمیشن ردیابی میکند.
- رباتیک و پهپادهای تفریحی: جایگزین سبک برای فیلترهای کالمن برای تخمین وضعیت بر روی آردوینو، رزبری پای.
چگونه کار میکند
چگونه کار میکند
جمعآوری اندازهگیریها از یک IMU با ۹ درجه آزادی (9-DOF): شتابسنج ۳ محوره، ژیروسکوپ ۳ محوره و مغناطیسسنج ۳ محوره با فرکانس ۵۰ هرتز یا بیشتر.
بردارهای شتابسنج و مغناطیسسنج را به طول واحد نرمالسازی کنید؛ بردار نرخ خام ژیروسکوپ را ذخیره کنید؛ هرگونه کالیبراسیون سنسور شناخته شده (بایاس، ضریب مقیاس) را اعمال کنید.
گرادیان خطای اندازهگیری را نسبت به کواترنیون محاسبه کنید؛ کواترنیون را در جهتی که خطا را به حداقل میرساند گام بردارید (نزول گرادیان)؛ نرخ ژیروسکوپ را انتگرال بگیرید تا تکامل کواترنیون پیشبینی شود.
فرمول
\nabla f = \frac{\partial f}{\partial \vec{q}}اصلاح نزول گرادیان را با انتگرال ژیروسکوپ از طریق یک پارامتر واحد (بتا) که قدرت اصلاح را کنترل میکند، ترکیب کنید؛ کواترنیون را در هر بهروزرسانی خروجی دهید.
کواترنیون را به زوایای اویلر (roll, pitch, yaw) تبدیل کنید یا مستقیماً از کواترنیون استفاده کنید؛ وضعیت را گزارش دهید؛ اطمینان را بر اساس قابلیت اطمینان سنسور و وضعیت حرکت ارزیابی کنید.
دامهای رایج
- انتخاب بتا بیش از حد بالا باعث نوسان سریع و واگرایی میشود؛ خیلی کم باعث پاسخ کند میشود؛ محدوده معمول ۰.۰۱–۰.۱ است که به صورت تجربی تنظیم میشود.
- نادیده گرفتن کالیبراسیون مغناطیسسنج؛ اعوجاج آهن نرم و آهن سخت میتواند باعث خطاهای جهتیابی شود؛ کالیبراسیون برای زاویه انحراف (yaw) دقیق حیاتی است.
- فرض معتبر بودن همیشگی شتابسنج؛ در طول شتاب شدید، شتابسنج نمیتواند برای تخمین زاویه غلتش (roll) و پیچ (pitch) استفاده شود؛ برخی الگوریتمها شتابسنج را در طول مانورها تشخیص داده و نادیده میگیرند.
- استقرار بدون مقداردهی اولیه؛ الگوریتم در عرض چند ثانیه همگرا میشود، اما بهتر است با وسیله نقلیه در حالت سکون مقداردهی اولیه شود (مقداردهی اولیه استاتیک).
پرسشهای متداول
چگونه پارامتر بتا را انتخاب کنم؟
بتا نرخ اصلاح نزول گرادیان را کنترل میکند. با بتا = ۰.۰۴۱ (مقداری که مدگویک استفاده کرد) شروع کنید. اگر فیلتر کند است (به حرکت کند پاسخ میدهد)، بتا را افزایش دهید (تا ۰.۱-۰.۵). اگر فیلتر نوسان میکند یا رانش دارد، بتا را کاهش دهید (تا ۰.۰۱). با مشاهده پاسخ وضعیت به حرکات شناخته شده، به صورت تجربی تنظیم کنید.
تفاوت بین انواع IMU (۶ درجه آزادی) و MARG (۹ درجه آزادی) چیست؟
نوع IMU فقط از شتابسنج و ژیروسکوپ استفاده میکند؛ زاویه غلتش و پیچ را ارائه میدهد اما انحراف بدون مرجع رانش میکند. نوع MARG مغناطیسسنج را برای انحراف مطلق اضافه میکند؛ زاویه وضعیت پایدار ۳ درجه آزادی را ارائه میدهد اما به اعوجاج مغناطیسی حساس است. از IMU برای پروازهای کوتاه مدت استفاده کنید؛ از MARG برای ناوبری ثابت یا آهسته استفاده کنید.
آیا میتوانم فیلتر مدگویک را بر روی یک میکروکنترلر ۳۲ بیتی اجرا کنم؟
بله. این الگوریتم بسیار کارآمد است؛ ARM Cortex-M4 میتواند آن را با سرعت ۲۰۰ هرتز یا بیشتر اجرا کند. حتی میکروکنترلرهای ۸ بیتی (با کتابخانههای ممیز شناور) میتوانند ۵۰ هرتز یا بیشتر را مدیریت کنند. عملکرد به نرخ کلاک و پشتیبانی از ممیز شناور بستگی دارد. با محاسبات نقطه ثابت، به پردازندههای بسیار کندتر مقیاس میشود.
چگونه اختلال مغناطیسی را تشخیص دهم؟
بزرگی مغناطیسسنج را نظارت کنید؛ میدان زمین حدود ۵۰ میکرو تسلا است؛ انحراف بزرگتر نشان دهنده اعوجاج است. جهت قطبنما (از مغناطیسسنج) را با جهتگیری از انتگرال ژیروسکوپ مقایسه کنید؛ اختلاف زیاد نشان دهنده اختلال است. کاهش اثر: به طور موقت بهروزرسانیهای مغناطیسسنج را در طول اختلال نادیده بگیرید، یا وزن آن را کاهش دهید (در برخی انواع بتا_ام کمتر).
روشهای مرتبط
منابع
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.
باز کردن مرجع انتشارکپی شد.Madgwick, S. O. H. (2010). An efficient orientation filter for inertial and inertial/magnetic sensor arrays. Report x-io Technologies, University of Bristol, UK.
باز کردن مرجع انتشارکپی شد.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.
باز کردن مرجع DOIکپی شد.