Межі зарахування мертвих за допомогою датчиків MEMS

Я намагаюся відстежувати частини тіла відносно тулуба людини. Я бачу досить багато питань щодо використання акселерометрів і гіроскопів MEMS для підрахунку мертвих, і вони підтверджують мої підозри, що різні чинники сильно обмежують їх корисність для подібних програм, але я прагну уточнити ці межі:

• Які саме ці межі?

  Інші відповіді стосуються того, чому ці межі існують. Звичайно, специфікації деталей у розглянутій системі та те, що вважається "прийнятною помилкою" для системи, змінять точні межі, але чи є один порядок величини у часі чи відстань, на яку я можу очікувати, що мертві рахунки будуть працювати? Я добре усвідомлюю, що на великих відстанях (кілька ярдів або близько того) помилка стає занадто великою для більшості практичних цілей, але як бути з кількома футами?

• Що я можу зробити, щоб покращити ці межі?

  Зараз я дивлюся на використання акселерометра та гіроскопа. Які ще датчики можна додати до системи, щоб поліпшити показник помилок? Я знаю, що на більших відстанях може використовуватися GPS, але я сумніваюся, що будь-яка побутова електроніка GPS має достатньо прекрасну роздільну здатність, щоб допомогти в моєму випадку.

  Крім того, загальний консенсус видається єдиним способом поліпшити ці межі за межі точки вдосконалених датчиків - це надання довідки, яка не піддається помилкам. Деякі системи вирішують це за допомогою камер та маркерів. Які точки відліку можуть надати портативний / носячий пристрій?

  Я бачив використання радіохвиль для точного вимірювання великих відстаней, але не можу сказати, чи може така система бути точною в таких малих масштабах (з точки зору вимірюваної відстані), використовуючи компоненти "поза штатом".

• Які саме вони?

До джерел помилок відносять нульове зміщення (зміщення) та помилки масштабу (які мають тенденцію змінюватися повільно) та шум. Ціни на датчики MEMS коливаються від менш ніж від 10 до понад 1000 доларів, а величина термінів помилок охоплює широкий діапазон, залежно від якості датчика.

Велика проблема полягає в тому, що зазвичай потрібна інтеграція, щоб перейти від значення датчика (прискорення, кутова швидкість) до потрібного значення (положення, кут). Усі джерела помилок складаються з часом - зростаючи з часом - коли інтегруються. Значення даних для мертвих рахунків занепадає з часом, а дешеві датчики дають вам максимум кілька хвилин корисних даних, а сенсори високого класу - корисні, можливо, кілька годин.

• Що я можу зробити, щоб покращити ці межі?

Як ви вже виявили, найкращий спосіб позбутися зростаючих інтегрованих помилок - це поєднання даних сенсора з іншими незалежними джерелами даних, які не мають однакових помилок. Наприклад, GPS може дати вам абсолютне значення позиції, яке не дрейфує довгостроково, але має відносно велику "шумову" складову. Ви можете використовувати ці дані для оцінки зміщення та помилок масштабу ваших акселерометрів, що дозволяє виправити їх у режимі реального часу. Це також дозволяє скасувати "випадкову прогулянку", створену шумом датчика. Кальманський фільтр - це один поширений метод, що використовується для моделювання системи (включаючи терміни помилок датчика) та об'єднує дані разом, щоб в будь-який момент часу отримати оптимальну оцінку стану системи.

Іншим прикладом є використання "вектора сили тяжіння", виміряного акселерометрами, для скасування кутового дрейфу гіроскопів. Хитрість тут полягає в тому, щоб точно знати, коли у вас дійсний вектор сили тяжіння; тобто система не прискорюється в жодному напрямку. Для цього використовуються різні евристики (наприклад, "нульове оновлення"). Магнітометр також може використовуватися для вимірювання помилок гіроскопа, навіть якщо ви не знаєте абсолютного напрямку магнітного поля - до тих пір, поки можете припустити, що він постійний.

Оптичне зондування - це ще один спосіб отримати швидкість дрейфу, швидкість кута чи положення, але необхідна обробка зображення може зажадати багато циклів процесора (або FPGA), і розробка такої системи є досить складною.

Ви запитали, що ще можна додати. 3-осьовий магнітометр повинен бути корисним. Магнітне поле Землі, як правило, рухається значно повільніше, ніж це робить середній користувач (на щастя).
Подивіться на казковий MPU6000 / 6050

Одна версія забезпечує інтерфейс SPI та IIC, інша лише IIC.

Він містить гіроскоп 3 осі + акселерометр 3 осі плюс входи, щоб він міг інтегрувати сигнал із магнітометра та осі 3-х осі.
ІС містить "цифровий процесор руху", який інтегрує сигнали з масиву датчиків 3 х 3. Я ще не впорався з точно наданою функціональністю, але намір полягає в тому, щоб переробити 3 окремі джерела сигналу в корисну систему аналізу руху

Інформаційний лист тут

ІС коштує від Digikey близько $ 10/1, а комісія з оцінки - близько $ 50 + від виробника. Або ви можете придбати повну дошку з Китаю - вони продають тут приблизно за 6 доларів США в роздрібній торгівлі за 1 - IC і PCB зібрані.
Я досі не розробив, як це відбувається, чи вони справжні чи .... Я вчора отримав, але деякий час не зможу пограти з ним. ("Кити" сильно різняться за величиною, від дуже маленьких до іноді перевищують великі, на жаль). В Інтернеті є ряд статей про їх використання, наприклад, Arduinos.

Наскільки точно ?:

Напевно, це багато обговорюється в Інтернеті.
Якщо я прочитав відповідний аркуш правильно (і це не тип пристрою, з яким я надто знайомий).
Таблиця 6.1 на сторінці 12 говорить про те, що гіроскоп має зміщення +/- 20 градусів / секунди максимум при 25 C і стільки ж знову - Діапазон температур від 40 до + 85 ° С. Якщо припустити швидкість 20 градусів / секунду, це один повний оборот за 18 секунд. Однак і магнітометр, і акселерометр забезпечують доступ до зовнішніх опорних векторів (гравітація і магнітне поле Землі), і сигнали з них можуть бути використані для отримання короткострокової та довгострокової швидкості руху дрейфу та компенсації. Це може бути частиною того, що робить їх "процесор руху".

Здається, помилка акселерометра зазвичай становить менше +/- 5%.
Я очікував (і може бути дуже помилковим), що використання акселерометра та магнітометра для обрізки помилок дрейфування гіроскопа фактично до нуля більш тривалий термін дозволить вам використовувати гіросигнали для навігації протягом декількох секунд до хвилин. GPS також надає сигнали швидкості, а поєднання позицій GP + швидкості з блоком 9DOF звучить дуже корисно.

Вулі: вищезгадане звучить вужче, ніж я хотів би. Я очікую, що я дізнаюся більше про це в найближчі кілька тижнів. Мені буде цікаво почути, що ви дізнаєтесь, і якщо я дізнаюся корисні речі, спробую звітувати.

.

Залежно від вашої програми, ви зможете тимчасово здати довідковий GPS та приймач у зручному місці. Це може бути надзвичайно компактно - GPS + акумулятор + TX. Після здачі на зберігання він знає, де знаходиться, і може передавати виправлення залежно від місця, де система каже. Використання того ж супутникового сузір'я - "ймовірно, добра ідея". Якщо користувач і опорний GPS знаходяться в одній точці, коли він здається на стільки, тим краще, але ця система, як правило, працює, навіть якщо вони завжди просторово розділені.

... я сумніваюся, що будь-яка побутова електроніка GPS має достатньо точну роздільну здатність, щоб допомогти в моєму випадку.

Не знаючи, у чому полягає ваша справа, важко сказати. Але відносна роздільна здатність зразка до вибірки, як правило, набагато перевершує те, що досягається за хвилини або години. Я провів випробування, коли я проїхав міський маршрут і побудував GPS-координати, а потім повторив вправу через кілька годин. Дві стежки були в деяких випадках на відстані декількох метрів, але, коли, скажімо, їхали по прямій міській вулиці, ділянка була прямою із "шумом" будь-якої сторони прямої, можливо, менше метра. (Це було кілька років тому - це легко спробувати. Я щойно записав дані з GPS-послідовного виходу RS232 (зазвичай 4800 бод), і в цьому випадку побудував це в Excel як графік XY.

Диференціальний GPS може бути використаний, коли локальний стаціонарний приймач фіксованого місця розташування забезпечує виправлення помилок залежно від того, де він знає, і де система зараз каже, що це є. Є багато постачальників таких систем, але концепція є простою і простою для реалізації, якщо на жорсткий бюджет.

У цих відповідях все ще не висвітлюється ваша конкретна заявка, яку насправді розумні люди вирішували принаймні десяток разів. Дві ключові слова тут - зворотна кінематика та фільтри Кальмана.

На сьогоднішній день має бути зрозуміло, яке джерело помилок у вашій програмі та як їх виправити. Але, маючи справу з датчиками, які по суті є фіксованими на людину, ви можете зменшити діапазон просторових та кутових положень своїх датчиків, застосувавши до рівняння обернену кінематику. Це в основному означає, що ви відстежуєте відносні положення якомога більше суглобів на тілі і застосовуєте до нього кінематичну модель людського тіла. Наприклад, довжина озброєнь людей не змінюється з часом, а також не помітно змінюється їх діапазон руху. Кістки не згинаються (за звичайних обставин). Все це можна використовувати для обмеження позицій датчика.

Інше рішення - використовувати якомога більше ортогональних датчиків. Ортогональне в значенні: використання принципово різних принципів вимірювання. Використовуючи якомога більше сенсорного вводу, ви можете використовувати так званий фільтр Калмана, щоб максимально точно розробити дані, де знаходяться ваші датчики. Фільтри Кальмана, однак, не є якоюсь магічною сутністю, яка дає найкращу відповідь. Це математичні моделі, які потрібно налаштувати та модифікувати під ваш конкретний додаток, і це може бути досить складно, щоб змусити їх добре працювати. Але це дозволяє вам у певний спосіб поєднувати інакше дуже важко співвідносити дані датчика. Вхід для цього типу фільтрів може бути будь-яким: датчики положення, прискорення та швидкості, але, наприклад, датчики світла, які можуть додавати інформацію, реагуючи на джерела світла, які видно під певними кутами.

Кілька «паяльників» з таким принципом роботи (кінематика + кальманові фільтри) продемонстрували як компанії, так і університети. Найновіший, який я бачив у TU Eindhoven, використовував MPU6050 на гнучких підкладках, вплетених у рукавичку, а також на деяких підтримуючих датчиках (я думаю, що зараз це просто веб-камери), які подаються у великий фільтр Калмана, що працює на Matlab. Він працює в межах 1мм повторюваності.

Фундаментальна проблема

Звичайно, специфікації деталей у розглянутій системі та те, що вважається "прийнятною помилкою" для системи, змінять точні межі, але чи є один порядок величини у часі чи відстань, на яку я можу очікувати, що мертві рахунки будуть працювати? Я добре усвідомлюю, що на великих відстанях (кілька ярдів або близько того) помилка стає занадто великою для більшості практичних цілей, але як бути з кількома футами?

Це можна вирішити, вивчивши короткочасну динаміку помилок інерціальної навігаційної системи. Він детально висвітлений у багатьох текстах , але ось коротка версія "рівняння безкоштовно".

Інерціальна навігація працює наступним чином:

1. Точно знайте своє початкове положення, швидкість і ставлення (тобто крок та нахил).

2. $\Delta t$

3. Використовуйте ваше нове відношення, яке ви щойно розраховували, щоб математично обертати показання акселерометра, щоб вони були рівними із землею.

4. Віднімайте гравітацію з ваших нещодавно показаних акселерометрів.

5. $\Delta t$

6. $\Delta t$

7. Повторіть кроки 2-6 так довго, як хочете.

$b_g$$b_g \times \Delta t \times \Delta t \times \Delta t = b_g (\Delta t)^3$

Крім того, цей ухил накопичиться в положенні, що призведе до того, що акселерометри будуть вирівняні неправильно, що призведе до того, що прискорення буде вирівняно в неправильному напрямку, яке потім буде інтегровано в неправильному напрямку - три рівні помилок.

Це означає, що помилки гіроскопа призводять до зростання помилок позиції з кубом часу .

За цією ж логікою помилка акселерометра спричиняє зростання помилок положення з квадратом часу .

Через це ви отримаєте лише кілька секунд корисної (чистої) інерціальної навігації від датчиків MEMS класу мобільних телефонів.

Навіть якщо у вас є надзвичайно хороші інерційні датчики - скажімо, клас літака - тоді ви все ще обмежені дещо менше десяти хвилин (чистої) інерціальної навігації. Причина - крок 3 - сила тяжіння змінюється з висотою. Неправильно зробіть свій зріст, і ваша гравітація буде неправильною, що призведе до того, що ваш зріст буде неправильним, що призведе до того, що ваша гравітація буде більше неправильною і так далі - експоненціальне зростання помилок. Таким чином, навіть "чиста" інерціальна система навігації, така як у військових реактивних літаків, зазвичай матиме щось на зразок барометричного висотометра. Джерело .

Рішення

Крім того, загальний консенсус видається єдиним способом поліпшити ці межі за межі точки вдосконалених датчиків - це надання довідки, яка не піддається помилкам.

$t^2$

Деякі системи вирішують це за допомогою камер та маркерів. Які точки відліку можуть надати портативний / носячий пристрій?

Існують як дослідницькі, так і комерційні продукти, які можуть це зробити.

Концептуально це працює як стерео-бачення - у вас є відома базова лінія між камерами та різний кут до кожного маркера, як дивитися з кожної камери. З цього можна обчислити тривимірне положення кожної позначки (щодо камери). Це може працювати краще з більшою кількістю камер.

Я бачив використання радіохвиль для точного вимірювання великих відстаней, але не можу сказати, чи може така система бути точною в таких малих масштабах (з точки зору вимірюваної відстані), використовуючи компоненти "поза штатом".

Використовуючи дешеве обладнання, декаварійна UWB може бути корисною (10 см або близько). Вам потрібно буде створити свої власні алгоритми.

Я знаю, що на більших відстанях може використовуватися GPS, але я сумніваюся, що будь-яка побутова електроніка GPS має достатньо прекрасну роздільну здатність, щоб допомогти в моєму випадку.

Поруч із корпусом буде боротися система GPS. Отримання GPS на рівні см залежить від постійного відстеження фаз (дуже, дуже слабких) сигналів GPS, що вкрай складно, якщо антена знаходиться поруч із тілом, а тіло рухається навколо! Для лише систем L1 - незалежно від того, які вони дешеві чи дорогі - відстеження повинно бути дуже довгим часом (10 хв +) і, таким чином, для цієї проблеми недоцільно. Двочастотний приймач може працювати іноді , але це дійсно не дешево (тисячі доларів).