jackiezg/esp32

recording my firstime use ESP32, I may use some other electric chips like IMU, cammers and so on

ESP32

本项目基于瑞芯微芯片，基于Arduion平台，实现了ICM42677（IMU芯片）的数据采集，利用姿态解算和卡尔曼滤波，输出角度。移植了相应的日志系统，便于数据采集

MCU

IMU芯片

本次基于ICM42688芯片

Arduino平台下的：https://github.com/finani/ICM42688

卡尔曼滤波算法

( 一 )卡尔曼滤波算法的介绍

Kalman Filter算法的详细过程包括两部分，即5个公式：

预测阶段：计算先验估计（P(k|k-1)是X(k|k-1)对应的协方差）

X(k|k-1)=A X(k-1|k-1)+B U(k) ……….. (1)

P(k|k-1)=A P(k-1|k-1) A’+Q ……… (2)

修正阶段：计算后验估计并更新先验估计的协方差

X(k|k)= X(k|k-1)+Kg(k) (Z(k)-H X(k|k-1)) ……… (3)

Kg(k)= P(k|k-1) H’ / (H P(k|k-1) H’ + R) ……… (4)

P(k|k)=（I-Kg(k) H）P(k|k-1) ……… (5)

具体推倒请参考博文：卡尔曼滤波(Kalman filter) 含详细数学推导 - 知乎

( 二) G-sensor中卡尔曼滤波的应用

1计算角度共有两个计算方法，①通过角速度gyro对时间t的积分，但是存在漂移的静态误差；②加速度计进行姿态解算，但是由于骑行过程中的冲力、动力加速度的等影响存在高频的噪声。因此，仅是利用其中某一种计算方法，都会导致的计算不准确。所以我们采用卡尔曼滤波算法来进行计算。逻辑原理如下图所示：

（三）相关阈值的调整：

卡尔曼滤波的相关阈值，“gsensor.h”之中的结构体“KALMAN_FILTER_PARA”之中。

名称	阈值解释
Q_bias	系统中陀螺仪产生的漂移的过程噪声，可以通过调参获得最优值
Q_angle;	系统中陀螺仪在该时刻产生的角度过程噪声，可以通过调参获得最优值
Q_gyro	统中在roll方向上的陀螺仪产生的角度的过程噪声
R_angle	系统中在roll方向上的陀螺仪产生的角度的测量噪声，用过0.3
dt	卡尔曼滤波过程中计算间隔时间
PP[2][2]	系统的协方差矩阵
K_0	卡尔曼增益
K_1	卡尔曼增益