ジャイロ ドリフトの問題については、多くの記事で取り上げられています。ジャイロの読み取り値にドリフトがあると言う人もいれば、積分にドリフトがあると言う人もいます。
というわけで、ひとつの実験を行います。次の 2 つの図は、私が得たものです。次の図は、ジャイロの読み取り値がまったくドリフトしていないことを示していますが、オフセットがあります。オフセットのため、統合はひどいものです。統合がドリフトのようですね。
次の図は、オフセットが減少すると、積分がまったくドリフトしないことを示しています。
さらに、別の実験を行った。まず、携帯電話を机の上に約10秒間固定します。次に、左に回転させてから元に戻します。それから右と後ろ。次の図は、角度を非常によく示しています。私が使用したのは、オフセットを減らして統合することだけです。
それで、ここでの私の大きな問題は、おそらくオフセットがジャイロドリフト（統合ドリフト）の本質であるということですか？この状態でジャイロのドリフトを除去するためにコンプリメンタリー フィルターまたはカルマン フィルターを適用できますか?
どんな助けでも大歓迎です。
ジャイロの読みに「ドリフト」がある場合、それはバイアスと呼ばれ、ドリフトではありません。
ドリフトは積分によるもので、バイアスが正確にゼロであっても発生します。ドリフトは、積分によって読み取り値のホワイト ノイズを蓄積しているためです。
ドリフト キャンセレーションについては、 Direction Cosine Matrix IMU: Theory原稿を強くお勧めします。これに基づいて、 Shimmer 2デバイス用のセンサー フュージョンを実装しました。
(編集: このドキュメントは、MatrixPilotプロジェクトからのもので、その後 Github に移動され、そこの wiki のダウンロード セクションにあります。)
カルマン フィルターを使用する場合は、https: //stackoverflow.com/q/5478881/341970 を参照してください。
なぜ独自のセンサー フュージョン アルゴリズムを実装しているのですか?
Android (の下のSensorManagerSensor.TYPE_ROTATION_VECTOR ) と iPhone ( Core Motion ) の両方に独自の機能があります。
親愛なるアリは、本当に疑わしく不正確な (間違った) ことを書きました。
ドリフトはバイアスの積分です。統合すると目に見えるバイアスの「効果」です。平均ゼロのノイズ - あらゆる種類の定常ノイズ - は、結果として積分ゼロを持ちます (PSD の積分についてではなく、時間で積分された信号の加法性ノイズについて話しているのです)。
バイアスは、電圧と運動温度の関数として時間とともに変化します。たとえば、電圧が変化すると（そして変化すると）、バイアスが変化します。偏りは固定されておらず、「予測可能」でもありません。そのため、信号による推定バイアスの提案された減算を使用してバイアスを除去することはできません。また、見積もりには誤差があります。このエラーは時間とともに累積します。誤差が小さい場合、累積の影響 (ドリフト) がより長い間隔で表示されるようになりますが、それでも存在します。
理論的には、現時点では偏見を完全になくすことは不可能であると言われています。最先端の技術では、ジャイロスコープと加速度計、磁力計のみに基づいて、すべてのバイアスを除去できるバイアスを除去する方法をまだ見つけていません。
Android と iPhoneでは、バイアス除去アルゴリズムの実装が制限されています。それらは、バイアス効果によって完全に解放されているわけではありません (たとえば、短い間隔で)。一部のアプリケーションでは、これにより重大な問題が発生し、予測できない結果が生じる可能性があります。