İçeriğe atla
Arama sonuçlarına dön

Madgwick Filtresi

Ortaya koyan
Sebastian Madgwick
Yıl
2010
Tür
Filter algorithm
Aile
Gradient Descent Filtering

Bu metin makine çevirisidir ve henüz incelenmedi. Asıl metni İngilizce oku

Yazı boyutu

Ne işe yarar?

Madgwick Filtresi, ivmesel ölçümleri (ivmeölçer, jiroskop) manyetik ölçümlerle (manyetometre) birleştirerek bir kuaterniyon yönelimi hesaplayan hesaplama açısından hafif bir duruş tahmin algoritmasıdır.

Sebastian Madgwick tarafından 2010 yılında tanıtılan algoritma, ölçülen ve beklenen sensör çıktıları arasındaki hatayı en aza indirmek için gradyan iniş optimizasyonunu kullanır ve minimum hesaplama maliyetiyle yerleşik sistemlerde doğru, kayımsız duruş tahminleri sağlar. Madgwick Filtresi artık tüketici elektroniği, robotik ve havacılık sistemlerinde yaygın olarak kullanılmaktadır.

Yöntemin mantığı

Amaç, gözlemlenen sensör ölçümlerini en iyi açıklayan kuaterniyonu (yönelimi) bulmaktır. İvmeölçer ve pusula bize yerçekiminin ve manyetik kuzeyin nerede olduğunu söyler; jiroskop bize ne kadar hızlı döndüğümüzü söyler. Algoritma, tahmin edilen ve ölçülen vektörleri birbirine yaklaştıran bir duruş ayarlama yönü (gradyan) hesaplar, ardından bu yönde küçük bir adım atar. Saniyede birçok kez tekrarlandığında, bu, kayma yapmayan pürüzsüz, gerçek zamanlı bir duruş tahmini üretir.

Tarih

Sebastian Madgwick, algoritmayı yaklaşık 2010 yılında hareket yakalama ve insan hareketi analizi üzerine araştırma yaparken geliştirdi. Algoritma, 2011 yılında IEEE Rehabilitation Robotics Konferansı'nda yayınlandı ve açık kaynak kod olarak piyasaya sürüldü. Basitliği ve etkinliği nedeniyle DIY robotik ve maker topluluklarında hızla benimsendi. Büyük tüketici elektroniği şirketleri (akıllı telefonlar, VR başlıkları, fitness takip cihazları) varyantları benimsedi. Madgwick Filtresi, yerleşik sistemlerde ve eğitimde popülerliğini koruyor, genellikle öğrenciler için sensör füzyonuna giriş olarak hizmet ediyor.

Ne zaman kullanılır?

Hafif, gerçek zamanlı duruş tahminine ihtiyaç duyduğunuzda kaynak kısıtlı cihazlarda (mikrodenetleyiciler, cep telefonları, giyilebilir cihazlar) Madgwick Filtresini kullanın. Kalman Filtresi karmaşıklığının aşırı olduğu uygulamalar için idealdir. İç ve dış mekanlarda, araçlarda, dronlarda ve giyilebilir cihazlarda etkilidir. 9-DOF IMU'nuz olduğunda ve birden fazla Kalman Filtresi parametresini ayarlamaktan kaçınmak istediğinizde dağıtın. Tüketici elektroniği, hobi robotik ve gerçek zamanlı kontrol sistemleri için kullanın.

Sınırlar ve dikkat edilmesi gerekenler

  • Sezgiseldir, optimal değildir; Kalman Filtresi gibi resmi bir maliyet fonksiyonunu en aza indirmez.
  • Performans kritik olarak beta'ya (adım boyutu) bağlıdır; sensör kalitesi veya hareket değişirse otomatik adaptasyon yoktur.
  • Manyetometre bozulması başlığı bozabilir; manuel kalibrasyon gerektirir; kötü ölçümleri otomatik olarak algılamaz veya reddetmez.
  • Büyük ivmelenmeler (MARG varyantında) ivmeölçerin yerçekimiyle hizalanmaması nedeniyle geçici hatalara neden olur; filtre kurtarma sezgiseldir, prensipli değildir.

Kaynak metnin koşulları, bağımsız bilimsel inceleme veya analiz motoru doğrulaması yerine geçmez.

Güçlü yönleri

  • Minimum hesaplama maliyeti; < 100 satır kodla uygulanır; mikrodenetleyicilerde ve mobil işlemcilerde çalışır.
  • Matrisler veya karmaşık lineer cebir gerektirmez; yalnızca kuaterniyon cebiri ve nokta çarpımları.
  • IMU yalnızca (6-DOF) ve MARG (9-DOF) varyantları sağlar; mevcut sensörlere uyarlanabilir.
  • Tek ayar parametresi (beta) özelleştirmeyi kolaylaştırır; kovaryans matrisleri veya matris tersleri yoktur.

Uygulama alanları

  • Akıllı telefon ve giyilebilir cihaz hareket takibi: ağır hesaplama gerektirmeden hareket jesti tanıma ve artırılmış gerçeklik sağlar.
  • Dört pervaneli helikopter ve drone stabilizasyonu: kaynak kısıtlı otopilotlarda uçuş kontrolü için yuvarlanma, eğim, sapma tahminleri sağlar.
  • Sanal gerçeklik (VR) başlık hareket takibi: sürükleyici ekranlar için gerçek zamanlı kafa yönelimi.
  • Hareket yakalama ve insan animasyonu: yürüme analizi ve animasyon için vücut segmenti yönelimini izler.
  • Robotik ve hobi dronları: Arduino, Raspberry Pi üzerinde duruş tahmini için Kalman Filtrelerine hafif alternatif.

Nasıl çalışır?

Nasıl çalışır?

1

50+ Hz'de 9-DOF IMU'dan (ivmeölçer, jiroskop ve manyetometre) ölçümler toplayın.

2

İvmeölçer ve manyetometre vektörlerini birim uzunluğa normalleştirin; jiroskop ham hız vektörünü saklayın; bilinen herhangi bir sensör kalibrasyonunu (sapma, ölçek faktörü) uygulayın.

3

Kuaterniyona göre ölçüm hatasının gradyanını hesaplayın; hatayı en aza indiren yönde kuaterniyonu adım atın (gradyan inişi); jiroskop hızını entegre ederek kuaterniyon evrimini tahmin edin.

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

Gradyan iniş düzeltmesini jiroskop entegrasyonu ile tek bir parametre (beta) aracılığıyla karıştırın; bu parametre düzeltme gücünü kontrol eder; her güncellemede kuaterniyonu çıktı alın.

5

Kuaterniyonu Euler açılarına (yuvarlanma, eğim, sapma) dönüştürün veya kuaterniyonu doğrudan kullanın; duruşu raporlayın; sensör güvenilirliğine ve hareket durumuna göre güvenilirliği değerlendirin.

Sık yapılan hatalar

  • Beta'yı çok yüksek seçmek hızlı salınıma ve sapmaya neden olur; çok düşük seçmek yavaş tepkiye neden olur; tipik aralık 0.01–0.1'dir, ampirik olarak ayarlanır.
  • Manyetometre kalibrasyonunu göz ardı etmek; yumuşak demir ve sert demir bozulması başlık hatalarına neden olabilir; doğru sapma için kalibrasyon kritiktir.
  • İvmeölçerin her zaman geçerli olduğunu varsaymak; yoğun ivmelenme sırasında, ivmeölçer yuvarlanma/eğim tahmini için kullanılamaz; bazı algoritmalar manevralar sırasında ivmeölçeri algılar ve yok sayar.
  • Başlatma olmadan dağıtım; algoritma saniyeler içinde yakınsar, ancak araç hareketsizken (statik başlatma) başlatılması en iyisidir.

Sık sorulan sorular

Beta parametresini nasıl seçerim?

Beta, gradyan iniş düzeltmesinin oranını kontrol eder. Beta = 0.041 (Madgwick'in kullandığı değer) ile başlayın. Filtre yavaşsa (harekete tepki vermekte gecikiyorsa), beta'yı artırın (0.1–0.5'e kadar). Filtre salınım yapıyorsa veya sapıyorsa, beta'yı düşürün (0.01'e kadar). Bilinen hareketlere verilen duruş tepkisini izleyerek ampirik olarak ayarlayın.

IMU (6-DOF) ve MARG (9-DOF) varyantları arasındaki fark nedir?

IMU varyantı yalnızca ivmeölçer ve jiroskop kullanır; yuvarlanma ve eğim sağlar ancak referans olmadan sapma kayar. MARG varyantı mutlak sapma için manyetometre ekler; kararlı 3-DOF duruş sağlar ancak manyetik bozulmaya duyarlıdır. Kısa süreli uçuşlar için IMU kullanın; sabit veya yavaş navigasyon için MARG kullanın.

Madgwick Filtresini 32-bit bir mikrodenetleyicide çalıştırabilir miyim?

Evet. Algoritma çok verimlidir; ARM Cortex-M4, onu 200+ Hz'de çalıştırabilir. 8-bit mikrodenetleyiciler bile (kayan nokta kütüphaneleriyle) 50+ Hz'i yönetebilir. Performans saat hızına ve kayan nokta desteğine bağlıdır. Sabit nokta aritmetiği ile çok daha yavaş işlemcilere ölçeklenir.

Manyetik bozulmayı nasıl tespit ederim?

Manyetometre büyüklüğünü izleyin; Dünya'nın alanı ~50 mikro-Tesla'dır; daha büyük sapma bozulmayı gösterir. Pusula yönünü (manyetometreden) jiroskop entegrasyonundan gelen yönle karşılaştırın; büyük anlaşmazlık bozulma sinyali verir. Azaltma: bozulma sırasında geçici olarak manyetometre güncellemelerini yok sayın veya ağırlığını azaltın (bazı varyantlarda daha düşük beta_m).

İlgili yöntemler

Kaynaklar

  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.

    Yayın kaynağını aç
    Kopyalandı.
  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.

    Yayın kaynağını aç
    Kopyalandı.
  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.

    DOI kaynağını aç
    Kopyalandı.