移动机器人在军事，工业，农业，商业，运输和物流领域具有广阔的应用前景。移动机器人的核心问题在于移动机器人的自主导航能力。基于MEMS传感器的惯性导航系统是近年来惯性导航领域的研究热点之一，也是未来的主要研究方向之一。

针对移动机器人的定位，采用了磁力计辅助惯性导航系统，该导航系统由三轴加速度计，三轴陀螺仪和三轴磁力计组成。用三个传感器计算航向，补偿速度误差，然后计算位置。本文提出了一种用于移动机器人导航系统的扩展卡尔曼滤波器，以提高导航系统的定位精度。进行实验以验证和分析具有实验结果的滤波器与实验结果。

图1，惯性导航系统

由于MEMS惯性传感器的精度较低，并且存在很多随机误差，因此长期运行会引起误差累积，并且由它们组成的惯性导航系统不能长时间独立运行。磁力计的特性与MEMS惯性传感器的特性相反，后者在短时间内不如MEMS传感器准确，但不会随时间累积误差。

添加磁力计以帮助惯性导航系统纠正姿态。惯性导航系统结合磁力计具有体积小，功耗低的优点。本文介绍了磁力计和IMU定位算法的研究，设计了用于移动机器人的导航系统，并设计了扩展卡尔曼滤波器来解决更精确的位置信息。

图2，扩展的卡尔曼滤波过程

卡尔曼滤波一种算法，该算法使用线性系统状态方程，通过在系统中输入和输出观测数据来最佳估计系统状态。观测到的数据包括系统中的噪声和干扰影响，因此滤波过程也可以视为最佳估计。

卡尔曼滤波不要求信号和噪声都是平稳过程的假设。对于每个时刻的系统扰动和观测误差（噪声），只要对它们的统计特性做出一些适当的假设，就会处理包含噪声的观测信号。从平均意义上可以找到具有最小误差的真实信号的估计。

本文将磁力计，陀螺仪和加速度计的测量值直接集成在一起，计算出姿态角，速度和位置，并通过EKF滤波器获得最佳解，从而获得更精确的位置。

图3，Arduino车                                                                                       图4，实验环境        

该实验的载体是Arduino汽车，如图3所示。将传感器安装在载体上。使用的传感器是北微传感研发的电子罗盘HEC395，这是一个9轴传感器，其中包括3轴加速度计，3轴磁力计和3轴陀螺仪。输出频率设置为20 Hz。在本实验中，以GPS为标准量，并将实验结果与GPS输出进行比较。GPS提供航向，速度和位置，GPS输出频率为20 Hz。实验环境如图4所示。

图5，航向比较                                                                                   图6，速度比较

图5，图6和图7是实验结果与标准量的比较。 红线是GPS提供的标准数量，蓝线是扩展卡尔曼滤波的结果。

图7，位置比较

标签： 惯性导航系统