Фильтр Маджвика
- Автор метода
- Sebastian Madgwick
- Год
- 2010
- Тип
- Filter algorithm
- Семейство
- Gradient Descent Filtering
Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском
Что он делает?
Фильтр Маджвика — это вычислительно легковесный алгоритм оценки ориентации, который объединяет инерциальные измерения (акселерометр, гироскоп) с магнитными измерениями (магнитометр) для вычисления кватернионной ориентации.
Представленный Себастьяном Маджвиком в 2010 году, алгоритм использует оптимизацию методом градиентного спуска для минимизации ошибки между измеренными и ожидаемыми выходными данными датчиков, обеспечивая точные, не дрейфующие оценки ориентации на встраиваемых системах при минимальных вычислительных затратах. Фильтр Маджвика широко используется в потребительской электронике, робототехнике и аэрокосмических системах.
Интуиция метода
Идея состоит в том, чтобы найти кватернион (ориентацию), который наилучшим образом объясняет наблюдаемые измерения датчиков. Акселерометр и компас указывают, где находятся гравитация и магнитный север; гироскоп показывает, как быстро мы вращаемся. Алгоритм вычисляет направление (градиент) корректировки ориентации, которое приближает оцененные и измеренные векторы друг к другу, а затем делает небольшой шаг в этом направлении. Повторяемое много раз в секунду, это дает плавную оценку ориентации в реальном времени, которая не дрейфует.
История
Себастьян Маджвик разработал алгоритм примерно в 2010 году во время исследования захвата движения и анализа движений человека. Алгоритм был опубликован на Международной конференции IEEE по реабилитационной робототехнике в 2011 году и выпущен в виде открытого исходного кода. Он быстро получил распространение в сообществах DIY-робототехники и мейкеров благодаря своей простоте и эффективности. Крупные компании-производители потребительской электроники (смартфоны, VR-гарнитуры, фитнес-трекеры) приняли его варианты. Фильтр Маджвика остается популярным во встраиваемых системах и образовании, часто служа введением в слияние данных датчиков для студентов.
Когда применять
Используйте Фильтр Маджвика, когда вам нужна легковесная оценка ориентации в реальном времени на устройствах с ограниченными ресурсами (микроконтроллеры, мобильные телефоны, носимые устройства). Идеально подходит для приложений, где сложность Фильтра Калмана избыточна. Эффективен в помещении и на улице, в транспортных средствах, дронах и носимых устройствах. Развертывайте, когда у вас есть 9-DOF IMU и вы хотите избежать настройки нескольких параметров Фильтра Калмана. Используйте для потребительской электроники, робототехники для энтузиастов и систем управления в реальном времени.
Ограничения и замечания
- Эвристический, а не оптимальный; не минимизирует какую-либо формальную функцию стоимости (в отличие от Фильтра Калмана).
- Производительность критически зависит от beta (размера шага); нет автоматической адаптации при изменении качества датчика или движения.
- Возмущение магнитометра может исказить курс; требует ручной калибровки; не обнаруживает и не отвергает плохие измерения автоматически.
- Большие ускорения (в варианте MARG) вызывают временные ошибки из-за несоосности акселерометра с гравитацией; восстановление фильтра является эвристическим, а не принципиальным.
Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.
Сильные стороны
- Минимальные вычислительные затраты; реализован менее чем в 100 строках кода; работает на микроконтроллерах и мобильных процессорах.
- Не требуются матрицы или сложная линейная алгебра; только кватернионная алгебра и скалярные произведения.
- Предоставляет варианты только для IMU (6-DOF) и MARG (9-DOF); адаптируется к доступным датчикам.
- Единственный настраиваемый параметр (beta) упрощает настройку; нет ковариационных матриц или инверсий матриц.
Применение
- Отслеживание движений смартфона и носимых устройств: обеспечивает распознавание жестов движения и дополненную реальность без тяжелых вычислений.
- Стабилизация квадрокоптеров и дронов: обеспечивает оценки крена, тангажа, рыскания для управления полетом на ограниченных ресурсами автопилотах.
- Отслеживание движений VR-гарнитуры: ориентация головы в реальном времени для иммерсивных дисплеев.
- Захват движения и анимация человека: отслеживает ориентацию сегментов тела для анализа походки и анимации.
- Робототехника и дроны для энтузиастов: легковесная альтернатива Фильтрам Калмана для оценки ориентации на Arduino, Raspberry Pi.
Как это работает
Как это работает
Сбор измерений с 9-DOF IMU: 3-осевой акселерометр, 3-осевой гироскоп и 3-осевой магнитометр с частотой 50+ Гц.
Нормализация векторов акселерометра и магнитометра до единичной длины; сохранение вектора сырой угловой скорости гироскопа; применение любой известной калибровки датчика (смещение, коэффициент масштабирования).
Вычисление градиента ошибки измерения относительно кватерниона; шаг кватерниона в направлении, минимизирующем ошибку (градиентный спуск); интегрирование угловой скорости гироскопа для предсказания эволюции кватерниона.
Формула
\nabla f = \frac{\partial f}{\partial \vec{q}}Смешивание коррекции градиентного спуска с интегрированием гироскопа через один параметр (beta), который контролирует силу коррекции; вывод кватерниона при каждом обновлении.
Преобразование кватерниона в углы Эйлера (крен, тангаж, рыскание) или прямое использование кватерниона; отчет об ориентации; оценка уверенности на основе надежности датчиков и состояния движения.
Частые ошибки
- Выбор beta слишком высоким вызывает быструю осцилляцию и расходимость; слишком низким — вялый отклик; типичный диапазон — 0.01–0.1, настраивается эмпирически.
- Игнорирование калибровки магнитометра; искажения типа «мягкое железо» и «твердое железо» могут вызывать ошибки курса; калибровка критически важна для точного рыскания.
- Предположение, что акселерометр всегда действителен; при сильном ускорении акселерометр не может использоваться для оценки крена/тангажа; некоторые алгоритмы обнаруживают и игнорируют акселерометр во время маневров.
- Развертывание без инициализации; алгоритм сходится за несколько секунд, но лучше всего инициализировать его, когда транспортное средство находится в покое (статическая инициализация).
Часто задаваемые вопросы
Как выбрать параметр beta?
Beta контролирует скорость коррекции градиентного спуска. Начните с beta = 0.041 (значение, использованное Маджвиком). Если фильтр вялый (медленно реагирует на движение), увеличьте beta (до 0.1–0.5). Если фильтр осциллирует или дрейфует, уменьшите beta (до 0.01). Настраивайте эмпирически, наблюдая за реакцией ориентации на известные движения.
В чем разница между вариантами IMU (6-DOF) и MARG (9-DOF)?
Вариант IMU использует только акселерометр и гироскоп; он обеспечивает крен и тангаж, но рыскание дрейфует без эталона. Вариант MARG добавляет магнитометр для абсолютного рыскания; он обеспечивает стабильную 3-DOF ориентацию, но чувствителен к магнитным искажениям. Используйте IMU для кратковременных полетов; используйте MARG для стационарной или медленной навигации.
Можно ли запустить Фильтр Маджвика на 32-битном микроконтроллере?
Да. Алгоритм очень эффективен; ARM Cortex-M4 может выполнять его на частоте 200+ Гц. Даже 8-битные микроконтроллеры (с библиотеками для чисел с плавающей запятой) могут справляться с 50+ Гц. Производительность зависит от тактовой частоты и поддержки чисел с плавающей запятой. С арифметикой с фиксированной запятой он масштабируется до гораздо более медленных процессоров.
Как обнаружить магнитное возмущение?
Отслеживайте величину магнитометра; поле Земли составляет ~50 микротесла; большее отклонение указывает на искажение. Сравните курс компаса (из магнитометра) с курсом, полученным интегрированием гироскопа; большое расхождение сигнализирует о возмущении. Смягчение: временно игнорируйте обновления магнитометра во время возмущения или уменьшите его вес (снизьте beta_m в некоторых вариантах).
Похожие методы
Источники
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.
Открыть ссылку на публикациюСкопировано.Madgwick, S. O. H. (2010). An efficient orientation filter for inertial and inertial/magnetic sensor arrays. Report x-io Technologies, University of Bristol, UK.
Открыть ссылку на публикациюСкопировано.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.
Открыть ссылку DOIСкопировано.