Position Estimation Using IMU Without Tracking System
Loading...
URL
Journal Title
Journal ISSN
Volume Title
Sähkötekniikan korkeakoulu |
Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
2018-06-18
Department
Major/Subject
Signal, Speech and Language Processing (SSLP)
Mcode
ELEC3031
Degree programme
CCIS - Master’s Programme in Computer, Communication and Information Sciences (TS2013)
Language
en
Pages
57 + 7
Series
Abstract
This thesis aims to estimate the position of an inertial measurement unit (IMU) without any tracking device such as GPS. The work includes the calibration of the accelerometer with particle swarm optimization (PSO) to solve the equation, the gyrometer with the extended Kalman filter (EKF) and the magnetometer also with EKF. The calibration is realized with the data from the sensors and Matlab. When the calibration is done, the acceleration is obtained from the accelerometer and the gyrometer. The algorithm employs mostly rotation matrix theory. The performance of the algorithm depends on the success of the calibration. A small error in the estimation of the acceleration leads to a wrong result. This was, nevertheless, to be expected as a double integration with respect to time of a signal with remaining traces of bias is doomed to fail without any correction algorithms. Unfortunately, a working algorithm could not be achieved, pointing out that it may be difficult to realize one without external devices such as GPS.Tässä työssä estimoidaan inertiamittausyksikön (IMU) sijaintia käyttämättä GPS-laitetta. Työ sisältää kiihtyvyysanturin kalibroinnin hiukkasparvioptimointialgorithmilla (PSO), gyroskoopin laajennetulla Kalmanin suodattimella (EKF) ja kompassin EKF:lla. Kalibrointi on suoritettu vain anturien arvoilla ja Matlab-sovelluksella. Anturin kiihtyvyys saa kalibroiduilta kiihtyvyysanturilta ja kompassilta. Algorithmi käyttää rotaatiomatriisin teoria. Algorithmi tehokkuus riippuu kalibroinnista. Pienikin estimointivirhe aiheittaa väärän tuloksen.Työn tulokset voitiin ennustaa koska tuplaintegrointi pienellä virhellä johtaa helposti ja nopeasti tulokset väärään suuntaan. Työn algoritmi vaatii korjausalgoritmin joka pystyisi poistamaan integroinnin virheen. Valitettavasti toimivaa algoritmia ei löydettu, joka viittaa siihen, että sen toteutaminen saattaa olla vaikeaa ilman apulaitetta, kuten GPS-laitetta.Description
Supervisor
Wichman, RistoThesis advisor
Wichman, RistoKeywords
inertial measurement unit, rotation matrix, extended Kalman filter, particle swarm optimization, calibration, orthogonalization