- Katılım
- 2 Haziran 2015
- Mesajlar
- 14.195
- Makaleler
- 110
- Çözümler
- 120
STM32-Nucleo ile MPU6050 için Kalman Filtresi Entegrasyonu
NUCLEO-G431RB geliştirme kiti ve MPU6050 sensörlerini kullanarak, STM32CubeIDE üzerinden bir Kalman Filtresi uygulaması.
Duruş (Attitude) bilgisinin elde edilmesinde özellikle İvmeölçer ve jiroskop sensörleri birlikte kullanılır. Bunun en temel sebebi, bu iki sensörün tek başlarına çalıştığında, doğruluklarının kullanılamayacak kadar sapmasıdır. Özellikle "Gyro Drift" durumu bunun en iyi örneklerinden birisidir.
Sensor Fusion, farklı sensör verilerinin harmanlanarak, elde edilen bilgilerin en az hatayı içermesini amaçlar ve Duruş (Attitude) bilgisinin elde edilmesinde de sıklıkla kullanılır. Kalman Filtresi de, Sensor Fusion amacıyla kullanılan popüler yöntemlerden birisidir.
Bu uygulama bir ya da iki boyutlu senaryolar için kullanışlı olsa da üç boyutlu ya da İHA'lar, insansız sistemler gibi "non linear" sistemlerde yetersiz kalmaktadır.
Bu gibi senaryolarda, "Quaternion based Extended Kalman Filter" gibi çözümlerin kullanılması gerekebilir. Bunun yanında farklı sensör tipleri ya da her eksen için bir sensör modülünün seçilmesi, doğruluğu arttıran diğer faktörlerdendir.
github.com
NUCLEO-G431RB geliştirme kiti ve MPU6050 sensörlerini kullanarak, STM32CubeIDE üzerinden bir Kalman Filtresi uygulaması.
Duruş (Attitude) bilgisinin elde edilmesinde özellikle İvmeölçer ve jiroskop sensörleri birlikte kullanılır. Bunun en temel sebebi, bu iki sensörün tek başlarına çalıştığında, doğruluklarının kullanılamayacak kadar sapmasıdır. Özellikle "Gyro Drift" durumu bunun en iyi örneklerinden birisidir.
Sensor Fusion, farklı sensör verilerinin harmanlanarak, elde edilen bilgilerin en az hatayı içermesini amaçlar ve Duruş (Attitude) bilgisinin elde edilmesinde de sıklıkla kullanılır. Kalman Filtresi de, Sensor Fusion amacıyla kullanılan popüler yöntemlerden birisidir.
Bu uygulama bir ya da iki boyutlu senaryolar için kullanışlı olsa da üç boyutlu ya da İHA'lar, insansız sistemler gibi "non linear" sistemlerde yetersiz kalmaktadır.
Bu gibi senaryolarda, "Quaternion based Extended Kalman Filter" gibi çözümlerin kullanılması gerekebilir. Bunun yanında farklı sensör tipleri ya da her eksen için bir sensör modülünün seçilmesi, doğruluğu arttıran diğer faktörlerdendir.
ibrahimcahit - Overview
Embedded Systems Design Engineer * Generally interested in UAVs. Working on Navigation Systems for Unmanned Vehicles and Autonomous Flight Control theory - ibrahimcahit
github.com
