【发布时间】：2018-02-09 11:32:49
【问题描述】：
我已成为这个无限问题的一部分，即如何根据惯性测量单元获得的加速度计数据估计位置。我想知道如何使用卡尔曼滤波在线性运动期间补偿积分“漂移”。
此时我在一个固定坐标系中获得了加速度，所有运动都在已知方向上，角度位置没有变化。
因此，此时我们在已知方向上获得了 3D (x-y-z) 加速度，x 中的加速度将产生 y 和 z 中的零加速度，依此类推。假设情况并非如此，当然，在向一个方向移动时会向其他方向添加一些噪音，但此时让“离开”这一点。此外，需要注意的是，系统只需要估计一个有限的周期，大约 1 秒，使用 512 Hz 的采样频率。
还需要注意的是，我已经补偿了静态时加速度计数据的偏移（重力和 IMU 中加速度计的未对准）和偏差。这意味着当传感器不移动时，我的所有读数在进入卡尔曼滤波器之前都是恒定的零。
为了更好地描述我的问题，我有这张图表来说明我的漂移问题。这是对 5 秒的估计，以更多地显示我正在努力解决的问题。 Position-estimation-drift-problem
这里我们正在研究一个方向的运动，运动是在 y 方向上 20 厘米的运动，在我的例子中，相对于我的起始位置是向前的。
在集成我的信号时，有没有办法减少/消除这种漂移。例如，假设我的传感器不动时会发生漂移。或者在我的卡尔曼算法中使用一些校正来减去或增加我估计的速度和位置。该系统不必实时运行，因此可以调整任何调整偏差补偿以查看数据。但是，如果可以用稍微不同的动作进行新的测量，而不是调整超出需要的范围，我会更好。
最后，我可以在哪里/如何弥补这一点，在卡尔曼算法中或之前/之后，还是我应该已经失望了？
如果我遗漏了一些重要信息，请询问，以便我详细说明，最后欢迎任何想法/想法！
请记住，我只需要估计第二次的时间价值，所以我希望这使它更容易实现，但我可能错了吗？
【问题讨论】：
标签： position integration accelerometer kalman-filter estimation