2012-04-19 22 views
8

Tôi muốn triển khai hệ thống bản địa hóa trong nhà bằng cảm biến của thiết bị di động (gia tốc kế, la bàn, con quay hồi chuyển). Vấn đề này đã được thảo luận ở đây trên một số địa điểm như - herehereGia tốc và độ chính xác con quay trong thiết bị di động khác nhau

Bước đầu tiên là quyết định nền tảng nào là nền tảng tốt nhất để triển khai hệ thống như vậy. Các khả năng chính là tab Galaxy/Galaxy của Samsung hoặc iphone/ipad. Các tiêu chí quan trọng nhất là độ chính xác của dữ liệu cảm biến. Tuy nhiên, so sánh này rất phức tạp, vì độ chính xác không chỉ phụ thuộc vào thiết bị mà còn phụ thuộc vào các lớp phần mềm ở trên nó.

Có nghiên cứu nào về chủ đề này không? Có sự khác biệt nào giữa các cảm biến của điện thoại thông minh và máy tính bảng không?

Bất kỳ liên kết đến các trang web hoặc bài viết sẽ nhất hữu ích

Cảm ơn trước!

Ariel

+0

Vì vậy, bạn đã sử dụng Galaxy Tab cho dự án này? –

Trả lời

1

Tôi đã phát triển điều tương tự cho máy tính bảng Android. Khi nói đến độ chính xác của các cảm biến, có một số khác biệt rất lớn giữa cái này và cái khác. Máy tính bảng mới phát hành có xu hướng có thiết bị tốt hơn.

Tốt hơn về độ chính xác của chúng, nhưng cũng như có nỗ lực cung cấp cảm biến từ cùng một hàm tạo cho các thiết bị nhất định.

Hãy để tôi giải thích. Tôi đã làm việc với Galaxy Tabs 7.0 và 10.1. Cảm biến của GT7 được cung cấp bởi các nhà thầu khác nhau, kết thúc bằng sự chênh lệch liên quan đến tần số bỏ phiếu. Nếu bạn có gia tốc kế từ X và một con quay hồi chuyển từ Y, cả hai đều được sử dụng ở tần số lớn nhất (mà bạn muốn có độ chính xác cao hơn), những tần số đó sẽ không khớp. Người ta có thể là khoảng 10 ms, người kia khoảng 15. Và đó là khá khó chịu cho tính toán. Đối với GT10, tất cả các cảm biến được xây dựng bởi InvenSense trên máy tính bảng tôi đã sử dụng. InvenSense tạo ra các cảm biến và giải pháp phần mềm để điều hướng quán tính (tôi khuyên bạn nên kiểm tra trang web của họ và một số giấy tờ của họ). Không chỉ độ chính xác của chúng là tuyệt vời, nhưng tất cả các cảm biến sẽ hoạt động cùng nhau, và đặc biệt là khi nói đến tần số.

TL; DR - Ưu tiên sử dụng thiết bị mới nhất (và có lẽ là đắt nhất) để có độ chính xác và sự may mắn tốt hơn giữa các cảm biến.

Phát triển INS với các cảm biến xấu như vậy là một điều khó khăn mà tôi có thể nói, nhưng bạn có thể làm cho nó hoạt động.

+0

Xin chào greg, Cảm ơn bạn đã trả lời. Theo tôi hiểu, GT10 có một con quay hồi chuyển 3 trục từ InvenSence (MPU 3050), nhưng gia tốc kế 3 trục là từ Kionix (KXTF9-1026) [link] (http://www.cdiweb.com/PortalProductDetail.aspx?ProdId= 418562), mặc dù Invensense đã chấp thuận sự kết hợp [link] (http://cdiwebblog.wordpress.com/2010/09/08/invensense-3-axis-gyro%E2%80%99s-and-kionix-accelerometer/) – Ariel

+0

Bạn có thể đúng, tôi đã không thực sự nhận được rằng đến nay vào nghiên cứu khi nói đến điều đó. Nghe có vẻ hơi kỳ lạ mặc dù bỏ phiếu cảm biến cho thông tin của nó rõ ràng trả về "Vendor: Invensense" cũng như "Name: MPL Accelerometer". Tôi không biết, tất cả những gì tôi có thể nói là họ làm việc hoàn hảo với nhau! – PeterGriffin

0

Dưới đây là một số lưu ý chung cần xem xét: Vấn đề đồng bộ hóa thời gian đo lường cảm biến được quản lý bởi bộ lọc Kalman rất tốt. KF là rất mạnh mẽ nhưng sẽ mất một thời gian để tìm hiểu và thực hiện. Đó là một bước nhảy vọt rất lớn.

Với KF, bạn có thể kết hợp dữ liệu của nhiều loại cảm biến (gyros rate, accelerometer, và các phép đo góc hoặc vị trí) với các tốc độ dữ liệu khác nhau.

Phương pháp tổng thể được gọi là Data Fusion. Nếu mặt hàng bạn đang theo dõi đang chuyển động, thì quá trình này được gọi là 'ước tính quỹ đạo'. Thuật toán KF ước tính vị trí, vận tốc và gia tốc của đối tượng theo thời gian, dựa trên tất cả các phép đo và các giả định nhất định về khả năng di chuyển của đối tượng (mô hình động).

Ví dụ: nếu đối tượng là bò, bạn có thể đưa ra các giả định nhất định về tốc độ, gia tốc và vị trí (nó sẽ nằm trên bề mặt trái đất). Nếu đối tượng là một tên lửa, các giả định về các chuyển động có thể sẽ khác nhau. Biết 'mô hình động' của đối tượng làm tăng độ chính xác của ước lượng quỹ đạo.

Một điều thú vị khác về thuật toán KF là nó giúp lọc nhiễu cảm biến dựa trên 'mô hình tiếng ồn' và mô hình độ chính xác của cảm biến. Bạn cũng có thể lập mô hình thành kiến ​​cảm biến, trôi đi, v.v.

Các vấn đề liên quan