有什么方法可以消除加速度计数据中沿重力轴的小偏差答案

【问题标题】：Is there any way to remove the small bias along the gravity axis in the accelerometer data有什么方法可以消除加速度计数据中沿重力轴的小偏差
【发布时间】：2012-02-22 21:37:18
【问题描述】：

类似于这个问题： CMDeviceMotion userAcceleration drift

我在 iOS5 SDK 中使用 CMDeviceMotion.userAcceleration 来绘制其 x、y、z 分量随时间的变化。像上面的帖子一样，当我的 iPhone 4s 坐在平坦的表面上时，我看到 z 加速度分量总是显示小的正值 (0.005 - 0.015)，而 x 和 y 分量沿零 (-0.005 - 0.005) 居中。

即使我的手机没有移动一点，这个小偏差也会不断增加估计的速度（我通过整合加速度数据来计算）。有没有已知的方法可以从加速度计数据中消除这种偏差？我不能简单地从 z 分量中减去偏置，因为如果设备处于某个任意方向，偏置似乎会沿着重力轴分布在 x y 和 z 上。

我知道 CMDeviceMotion.userAcceleration 中的数据已经使用 Gyro 数据排除了重力，但想知道是否有任何有效的方法可以消除这种残留偏差？

【问题讨论】：

标签： iphone ios5 accelerometer core-motion

【解决方案1】：

老问题，但我想分享一些见解。加速度计中的部分偏差实际上并非来自传感器的任何不准确，而是来自苹果对计算的疏忽。计算假设重力始终为 1 G（定义为 9.80665 m/s2）。任何剩余的都必须是用户加速。

但是，gravity varies slightly 遍布全球。如果您所在区域的重力不完全是 9.80665 m/s2，那么用户加速度会有一个小的偏差，可以使用低通滤波器检测到。这种偏差可以通过以下计算消除：

- (void) handleDeviceMotion:(CMDeviceMotion *)m atTime:(NSDate *)time
{
    // calculate user acceleration in the direction of gravity
    double verticalAcceleration = m.gravity.x * m.userAcceleration.x + 
                                  m.gravity.y * m.userAcceleration.y +  
                                  m.gravity.z * m.userAcceleration.z;

    // update the bias in low pass filter (bias is an object variable)
    double delta = verticalAcceleration - bias;
    if (ABS(delta) < 0.1) bias += 0.01 * delta;

    // remove bias from user acceleration
    CMAcceleration acceleration;
    acceleration.x = m.userAcceleration.x - bias * m.gravity.x;
    acceleration.y = m.userAcceleration.y - bias * m.gravity.y;
    acceleration.z = m.userAcceleration.z - bias * m.gravity.z;

    // do something with acceleration
}

请注意，即使消除了这种偏差，仍然会有很多噪音，并且每个加速度计芯片也可能存在不同的制造偏差。因此，您仍然很难从中得出速度和位置。

【讨论】：

【解决方案2】：

感谢 Ali 更新您的答案和其他参考资料。他们确实帮助我理解了这个问题（我很惊讶地看到有多少人对这个问题感兴趣）。我可能听起来有点固执，但我仍然认为我没有从任何地方找到原始问题的答案。现在让我们忘记集成。随着更多的实验，当我对用户加速度数据随时间进行平均时，我在 x 和 y 轴上也看到了一些恒定的偏差（尽管甚至更小）。我只是想知道是否有任何方法可以从我从 iOS5 CMDeviceMotion 获得的“用户”加速数据中消除这些偏差。如果它们是由陀螺仪在过滤掉重力过程中的白噪声引起的，我想我们可能会在用户加速度计数据中看到随机噪声，但不会看到那些偏差。但根据我目前的印象，这些偏差似乎是由加速度计和陀螺仪的有限“准确性”引起的，尽管我不是 100% 确定，但我们对此无能为力。我试图将我的印象放在评论中（不在答案部分），但不允许，因为它太长了，但我想知道有多少人会通过投票来支持我的印象，所以我决定把它放在答案部分。 ..对不起，如果我有点漫无边际。

【讨论】：

平均加速度以获得“偏差”，然后应用1/2 at^2 is 积分。公式1/2 cx^2 是对常数c 积分两次的一般结果。请接受阿里的回答。顺便说一句，除非每次测量的误差都相同，否则它不是偏差。

【解决方案3】：

首先，您需要一些不会漂移的外部参考，例如 GPS。然后你必须执行传感器融合（卡尔曼滤波器浮现在脑海中）。否则无法消除偏差，积分误差将无限增长。

更新：您不能仅通过整合加速度来获得相对位移，请参阅我对Android accelerometer accuracy (Inertial navigation) 的回答。但是，我会在此处给出一些示例，您实际上可以做什么。

如果您查看我的答案，您会发现是陀螺仪白噪声使集成无望。

【讨论】：

感谢您的回复。需要明确的是，我正在寻找一种方法来有效地消除原始加速度计数据中的偏差（目前不是积分误差）。如果它需要任何校准步骤也没关系，但不确定卡尔曼滤波器对这种情况有何帮助。
@atisman MEMS 传感器总是会漂移，它们对温度变化很敏感，而且您对此无能为力...如果您没有集成，那么为什么小的偏差会导致你的问题？你想做什么？
目前，我只是想了解这些传感器和相关的 iOS API 以及我能从中得到什么。我最初的目标是尽可能准确地获得 iPhone 任意两个位置的相对位移。但是在这种恒定的正偏差下，即使不考虑积分步骤中的任何误差，位移误差似乎也太大了。例如，0.0015 g/s^2 的量将在 1 秒后（基于公式 1/2at^2）产生约 7.35 厘米的位移，而手机没有任何移动。
好的，我更新了答案。我自己尝试了集成，得出的结论是：令人惊讶的是，陀螺仪白噪声使它变得不可能，而不是加速度计偏差。请检查我的更新答案。