姿态估计最早应用于军事航天领域,并在该领域的研究比较成熟,但由于传统惯性传感器(陀螺仪和加速度计)体积较大、成本高、携带不便等原因影响了姿态估计在其他领域的应用。近年来,随着MEMS(Micro Electro Mechanical System,微机械电子系统)技术的发展,特别是MEMS惯性传感器和MEMS磁强计的出现,扩展了姿态估计在其他领域的应用,例如在医学领域中的内窥镜姿态定位技术,虚拟与现实领域中的情景交互、手势识别等。姿态指的是一个坐标系和另外一个坐标系之间的位置关系,常用一组姿态角:俯仰角、横滚角和偏航角来描述。里面涉及到姿态角的求解,即姿态解算问题和姿态角的精度问题,本文应用姿态角检测跌倒事件的发生,就是以姿态角计算的准确性为前提。描述姿态的方法有很多,包括欧拉角法、方向余弦法和四元数法等。欧拉角描述姿态会出现奇异性问题,方向余弦法计算量较大,目前广泛采用四元数法,本文基于四元数法,利用四阶龙格库塔法求解四元数微分方程得到姿态角,实现姿态解算。由于MEMS陀螺仪自身的特性,静态情况下其输出的信号中包含常值误差和随机漂移误差,这就会造成在采用陀螺仪计算角度时会产生角度漂移,无法实现长时间的精确测量;同样,加速度计根据重力场计算出水平倾角(俯仰角和横滚角),而实际应用中载体都是运动的,势必会引入线性加速度,造成水平倾角计算的不准确,磁强计根据地球磁场计算出偏航角,但由于地磁场容易受到干扰,那么计算的偏航角也不会太准确。为解决以上问题,目前广泛采用多传感器信息融合的方式进行姿态角估计,本文在参考前人融合算法的基础上,提出了自己的融合方案:采用卡尔曼滤波算法对三轴陀螺仪、三轴加速度计和三轴磁强计进行信息融合,得到最优估计角度。首先,根据传感器输出的数据建立随机漂移AR误差模型,对原始数据进误差补偿和滤波,然后将陀螺仪计算的角度作为估计角度,将加速度计和磁强计计算的角度作为测量角度,利用卡尔曼滤波算法融合估计角度和测量角度,得到最优的姿态角估计。并对提出的融合算法进行实际验证,达到预期效果。最后,按照设计的算法,利用九轴传感器MPU-9150和Arduino Pro mini设计了可佩戴于腰部的姿态角检测装置,实现对人体跌倒姿态的检测,通过实际测试证明了其可靠性并提出了改进的意见。本文作为一篇工程应用文,将姿态角估计应用于人体跌倒姿态的检测中,为姿态估计在其他领域的应用起到了推动作用,有一定的应用价值和实际意义。
