Google Cardboard的九轴融合算法——基于李群的扩展卡尔曼滤波
Google Cardboard的九轴融合算法
——基于李群的扩展卡尔曼滤波
极品巧克力
前言
九轴融合算法是指通过融合IMU中的加速度计(三轴)、陀螺仪(三轴)、磁场计(三轴),来获取物体姿态的方法。它是开发VR头显中的一个至关重要的部分。VR头显必须要实时准确地获取用户头部的姿态,然后在屏幕上渲染出在对应的姿态所应该要看到的画面,才能让用户在VR世界里获得沉浸感。
因为人眼是非常精密的器官,如果渲染出来的画面稍微有一点点的延时或者偏差,人眼都能察觉出来,导致用户头晕想吐,再也不相信VR了。所以,VR头显对九轴融合算法的实时性和精度提出了非常高的要求。
而另一方面,公开的九轴融合方法又少之又少,常见的就是互补滤波算法和Madgwick算法,但是这两个方法的精度都不能达到VR头显的要求。而精度高的九轴融合算法都掌握在一些算法公司手里,需要向他们支付高昂的算法使用费,源码的价格更是天价。
Cardboard是谷歌在2014年发布的VR盒子,虽然它不是开源的,但是在GitHub上有很多Cardboard的反编译工程,比如https://github.com/rsanchezsaez/cardboard-java。Cardboard的VR体验,可以在一定程度上,证明它的九轴融合算法是满足VR要求的。所以,我对Cardboard反编译工程中的九轴融合部分的程序进行了研读,这部分的程序大概有5000行左右。我在通读完程序之后,结合文献[1],把程序背后的算法理论公式全部都反推出来,总结成了本文,与各位分享。
虽然早在2014年,Cardboard就已经在GitHub上被反编译了,但是这么多年过去了,有关它的代码原理分析的文章却是几乎没有。能结合源代码,把它背后的算法理论基础详细推导出来的,本文应该算是第一篇。如有推导错误的地方,还请各位不吝赐教。
本文目标读者:传感器融合算法工程师。
一.预测
基于陀螺仪积分来预测出下一个姿态。
假设在时刻的状态的SO3形式的概率满足高斯分布,
其中为归一化常数。为方便起见,把满足上面条件的表示成,。
在时刻,陀螺仪的测量值为,如果没有噪声的话,则对下一个时刻的状态均值的预测为,
其中,为时刻到时刻的时间间隔,。
而如果考虑噪声的影响的话,则对时刻的预测的状态分布要满足,
其中,表示陀螺仪数据的噪声,协方差可以通过采集一段时间的数据,计算得到。
所以,新的均值附近的扰动要满足这样的分布,
又因为有SO3上的性质,,所以,上式中的。所以,原式可以转换如下,
这时候,又因为有SO3上的伴随性质,
原式就可以转换为,
所以,就可以得到,
所以,新的扰动的均值,
新的扰动的协方差,,
所以,最终得到,
二.更新
设在世界坐标系下,加速度计所测的重力向量为,磁场计所测的磁场向量为。则在时刻时,加速度计所测的重力向量为,磁场计所测的磁场向量为。加速度计上面的测量噪声满足。磁场计上面的测量噪声。
2.1加速度计测量更新
把第一部分预测出来的姿态,作为预测的测量姿态,可以预测出当前加速度计的测量值,其计算过程如下,
而根据实际测量值,可以反过来计算出姿态,作为实际的测量姿态。以之前的预测姿态为初值,则把两者的关系表示为,
可以把优化出来,或者直接叉乘出来。
根据李代数与向量叉乘的转换关系。不考虑测量噪声,则可以得到的均值。
设上的噪声为,则关系满足如下,
进一步得到,
要获得与之间的关系,
这两者间的关系不是线性化的,那么就只能进行线性化,一阶泰勒展开,
其中,的计算,采用数值扰动的方法。
从而,可以得到。
最终得到,的分布,
再进行转换,用跟第一部分同样的方法,转换出扰动。
用来表示。
所以,根据第一部分,可以得到,现在又得到了。综合这两者的信息,可以得到,。就是要求一个,使得最大,用公式表达如下。
其中,是个未知数,用,转换成用未知数来表示。然后,上式就可以转换为,
但这样子也解不出来。对上式中的部分,在处进行线性化,一阶泰勒展开。则可以转换为,
其中,的计算,程序里面是用数值扰动的方法。这里应该也可以用解析的方法,把公式都展开来推导。
接下来,为了转换成卡尔曼滤波的形式,用来表示。
所以,原式就可以表示为,
参考《State Estimation for Robotics》的3.1.2和3.3.2,求,则上式最终可以转换出卡尔曼滤波的形式了。
所以,
同时,
则融合后的姿态的均值为,
设相对于姿态的李代数扰动。则与的关系要满足,
所以,得到扰动的均值,
得到扰动的协方差,
所以,的分布满足,
2.2公式总结
2.1中的公式总结出来就是,
上面的方法跟《State Estimation for Robotics》的7.3.4和8.2.4很像,但是上面的方法,对协方差的处理更加精细。
要融合磁场计,也是同样的方法。
要融合视觉SLAM中送过来的姿态,也是同样的方法。
3.实际程序
在cardboard的实际程序中,还有很多细节的处理。比如,
增加了很多加权滤波的方法。
把加速度计的模的变化滤波出来,实时更新加速度计的协方差。这一步,相当于是madgwick里面的动态调整权重,但这一步更好,因为是直接算加速度计的协方差来调整权重,而不是通过陀螺仪的测量值来间接表示运动过快而调整权重。
在静止的时候,把陀螺仪的偏移滤波出来。
还有时间差平滑滤波的方法。
在融合磁场计的时候,把磁场计向量映射到水平面上,相当于只优化水平面上的旋转偏差。这个,在空间想象时,应该保持重力竖直方向(0,0,1)不变,以此作为参考,再看原来的模型,就容易理解了。
但是没有对磁场计进行修正。如果要对磁场计进行修正,简单的方法可以参考madgwick里面的方法。全面的方法,则要参考那些专门搞磁场计标定的论文了。
4.总结
Cardboard里面的九轴融合算法,效果比Madgwick方法和互补滤波方法都要好,对细节的处理也非常棒。以后再写一篇文章,详细比较基于李群的扩展卡尔曼滤波方法,Madgwick算法,互补滤波的异同。
根据参考文献[1],这套理论也同样可以使用在六自由度(位移+旋转)融合上面,只需要把SO3改成SE3就可以了。可以用同一套理论,把视觉SLAM的位姿与IMU位姿融合在一起,得到融合后的六自由度数据,应用在VR头显中。
希望有一天,VR头显的体验能做到像电影《头号玩家》里面那样。与仍然还在做VR的各位同行共勉。
5.求赞赏
您觉得,本文值多少?
6.有奖问答
给各位出一道思考题。
已知,一个IMU水平地放在桌面上不动。重力大小为。陀螺仪和加速度计以相同的频率同时输出,输出的时间间隔为。它的初始状态为。陀螺仪数据的噪声为,加速度计数据的噪声为。
其中,,,都为对角矩阵。则随着时间的增长,请问,
(1)这个IMU的后验状态协方差是否会收敛?
(2)如果收敛的话,会收敛到什么值?
请在下面评论区作答。第一名正确回答的,将可以获得哈士企公仔一只。
7.参考文献
- Bourmaud G, Megret R, Giremus A, et al. Discrete Extended Kalman Filter on Lie groups[C]// Signal Processing Conference. EURASIP, 2013:1-5.
- Timothy D. Barfoot. State Estimation for Robotics [M].Cambridge University Press, 2017.
Google Cardboard的九轴融合算法——基于李群的扩展卡尔曼滤波的更多相关文章
- [stm32] MPU6050 HMC5883 Kalman 融合算法移植
一.卡尔曼滤波九轴融合算法stm32尝试 1.Kalman滤波文件[.h已经封装为结构体] /* Copyright (C) 2012 Kristian Lauszus, TKJ Electronic ...
- SLAM+语音机器人DIY系列:(三)感知与大脑——2.带自校准九轴数据融合IMU惯性传感器
摘要 在我的想象中机器人首先应该能自由的走来走去,然后应该能流利的与主人对话.朝着这个理想,我准备设计一个能自由行走,并且可以与人语音对话的机器人.实现的关键是让机器人能通过传感器感知周围环境,并通过 ...
- 基于均值坐标(Mean-Value Coordinates)的图像融合算法的具体实现
目录 1. 概述 2. 实现 2.1. 准备 2.2. 核心 2.2.1. 均值坐标(Mean-Value Coordinates) 2.2.2. ROI边界栅格化 2.2.3. 核心实现 2.2.4 ...
- 基于均值坐标(Mean-Value Coordinates)的图像融合算法的优化实现
目录 1. 概述 2. 实现 2.1. 原理 2.2. 核心代码 2.3. 第二种优化 3. 结果 1. 概述 我在之前的文章<基于均值坐标(Mean-Value Coordinates)的图像 ...
- 九大排序算法Java实现
之前学习数据结构与算法时花了三天时间整理九大排序算法,并采用Java语言来实现,今天第一次写博客,刚好可以把这些东西从总结的文档中拿出来与大家分享一下,同时作为自己以后的备忘录. 1.排序算法时间复杂 ...
- Beaglebone Black – 连接 GY-91 MPU9250+BMP280 九轴传感器(2)
这次用 SPI.BBB 有两套 SPI 接口可用,两套都是默认 disable,需要用 overlay 方式启用,即: echo BB-SPIDEV0 > /sys/devices/bone_c ...
- [python] A*算法基于栅格地图的全局路径规划
# 所有节点的g值并没有初始化为无穷大 # 当两个子节点的f值一样时,程序选择最先搜索到的一个作为父节点加入closed # 对相同数值的不同对待,导致不同版本的A*算法找到等长的不同路径 # 最后c ...
- Beaglebone Black – 连接 GY-91 MPU9250+BMP280 九轴传感器(1)
本篇内容为,通过 I2C 配置 GY-91 MPU9250+BMP280 里面的 MPU9250 连接 AK8963 磁感应.两个办法,1)MPU9250 设置 Master Mode 通过 AUX ...
- 【Cardboard】 体验 - Google Cardboard DIY及完成后简单体验
体验 - Google Cardboard DIY及完成后简单体验 今年的Google I/O最让我感兴趣的除了Material Design以外就是这个Google Cardboard了.据说是Go ...
随机推荐
- 【数据库】mysql数据库索引
文章归属:http://feiyan.info/16.html,我想自己去写了,但是发现此君总结的非常详细.直接搬过来了 关于MySQL索引的好处,如果正确合理设计并且使用索引的MySQL是一辆兰博基 ...
- 纯CSS制作网页图标
三角形 <div class="box"></div> <style>.box{ width: 0; height: 0; border-top ...
- 用C#开发的一个通用的地铁换乘查询工具
日常生活中,上班下班坐地铁已经是常事,每当我想去某一个远一点的地方,如果有地铁首选就是地铁,因为方便嘛!每次坐地铁,我们都是凭肉眼去得出我们心中最佳的换乘方案,但是,如果对于线路较少的城市来说,这个方 ...
- java中的IO 的示例
字符流 package jd_1; import java.io.BufferedReader;import java.io.BufferedWriter;import java.io.FileNot ...
- Aizu - 0531 Paint Color
白书例题,直接用书上的暴力压缩坐标是可以的,但是看了别人的博客的写法,大概是理解了思想但是看不懂为什么那么压缩,先放这,等明白了补上 #define debug #include<stdio.h ...
- 项目Beta冲刺第二天
1.昨天的困难,今天解决的进度,以及明天要做的事情 昨天的困难:昨天主要是在确认需求方面花了一些时间,后来终于确认了企业自查风险模块的需求问题 今天解决的进度:根据昨天确认下来的需求,我们基本上完成了 ...
- Alpha阶段小结
1 团队的源码仓库地址 https://github.com/WHUSE2017/MyGod 2 Alpha过程回顾 2.1 团队项目预期 有一个可视化的安卓APP,实现二手交易基本功能.预期的典型用 ...
- mongodb 高级操作
聚合 aggregate 聚合(aggregate)主要用于计算数据,类似sql中的sum().avg() 语法 db.集合名称.aggregate([{管道:{表达式}}]) 管道 管道在Unix和 ...
- nyoj 星期几?
星期几? 时间限制:500 ms | 内存限制:65535 KB 难度:2 描述 Acmer 小鱼儿 埋头ku算一道题 条件:已知给定 一日期 告诉你 ...
- 调用WCF时,调用已超过传入消息(65536)的最大消息大小配额。若要增加配额,请使用相应绑定。
解决方案: 其实只要在客户端配置文件中加上如下紫色粗体属性( maxReceivedMessageSize): <?xml version="1.0" encoding=&q ...