MPU-6050 - угловой дрейф

Это распространенная проблема?

Да, это так. Дрейф — распространенная проблема.

Почему это происходит?

Дрейф возникает, как правило, из-за того, что для вычисления углов производится интегрирование. Ошибки и шумы, присутствующие в исходной переменной до интегрирования (в данном случае угловая скорость), будут «суммироваться» с течением времени. Для простоты предположим, что ваш гироскоп идеален, бесшумен, но имеет небольшое смещение и позволяет учитывать только вращение по одной оси, что означает:

Ang_Velocity(x) = Real_Ang_Velocity(x) + offset_x

в этом случае датчик, стоящий на месте, должен выводить только:

Ang_Velocity(x) = 0 + offset_x

теперь использование интеграла по времени приводит к результату:

Angle(x) = int[Ang_velocity(x)] = offset_x * t

Например, обратите внимание, что при использовании простого смещения 0,01 по оси x датчик выдает угол в 1 рад через 100 секунд, и фактически датчик вообще не двигался.

В качестве примера я знаю следующие источники ошибок:

• смещение: уже говорили
• коэффициент масштабирования: отношение между входом и выходом
• Линейность коэффициента масштабирования: иногда коэффициент масштабирования на низких скоростях не совпадает с увеличением скорости.
• температура: (не уверен на 100%!) изменяет чувствительность оси. Большинство цифровых датчиков уже имеют встроенный датчик температуры. Если автоматическая компенсация не используется, в техническом описании, вероятно, будет информация, которая поможет вам компенсировать это. Если ваше приложение не выдерживает больших перепадов температуры, имеет смысл дать датчику достичь внутренней термической стабильности, а затем выполнить простую калибровку.
• Случайное блуждание. Это, пожалуй, труднее всего обработать. В целом предполагается, что шум представляет собой нормальное распределение с нулевым средним и определенной дисперсией (белый шум). Если бы это было правдой, интеграл по времени по мере увеличения времени стремился бы к нулю (поскольку среднее значение равно нулю). Однако обычно шум распределяется в спектре неравномерно , из-за чего интеграл не стремится к нулю (броуновский шум).

как это решить?

Первые два способа просты при использовании калибровки. Вы должны выполнить серию тестов при различных скоростях вращения для определения нелинейности, смещения (при нулевой скорости) и коэффициентов масштабирования для каждой оси. Тогда ваше сенсорное уравнение модуля должно учитывать эти факты. Обычно в технических описаниях датчиков описывается используемое уравнение. Взгляните на IMU_Zero в указанном вами репозитории.

Что касается двух других, это зависит от приложения. Обычно температура считается стабильной через несколько минут работы. Если температура важна, лист данных, вероятно, будет вашим лучшим другом.

Что касается случайного блуждания. Наиболее распространенным способом учета поправок является использование акселерометра (а в некоторых случаях и магнитометра) и применение алгоритма объединения датчиков, обычно обозначаемого как AHRS. Вот некоторые примеры:

• Себастьян Магдвик — алгоритмы IMU и AHRS с открытым исходным кодом
• Расширенный фильтр Калмана
• Фильтры матрицы направления косинуса
• Дополнительные фильтры

Если вы действительно хотите смоделировать шум датчика, чтобы улучшить результат, вам, вероятно, следует искать дисперсию Аллана, но вам потребуется много основ стохастических процессов и статистической теории

Некоторые устройства, такие как ваше, уже имеют встроенный процессор движения, который делает аналогичное применение (вероятно) одного из этих фильтров. См. примеры MPU6050_DMP6.ino

Если вам просто нужна реализация, просто поищите в Google AHRS arduino. На Github много примеров, используемых другими датчиками, которые легко адаптировать. Например и это

Дополнительная информация об ошибках IMU