[发明专利]使用廉价惯性传感器的冗余阵列的高性能惯性测量

说明书

提供了一种使用惯性传感器阵列来确定可动构件的旋转速率的方法。该方法包括定义隐马尔可夫模型(“HMM”)。HMM表示可动构件的旋转速率的离散值测量。HMM的转移概率将可动构件的运动模型(线性或非线性的)考虑在内。HMM的观测概率将惯性传感器阵列中的惯性传感器中至少之一的噪声和偏置考虑在内。处理器接收来自惯性传感器阵列的输入。处理器通过利用从惯性传感器阵列接收的输入求解HMM的输出来确定可动构件的旋转速率。处理器可以使用前向算法、前向‑后向算法或维特比算法来求解HMM。

相关申请的交叉引用

本申请要求于2015年9月14日提交的美国临时申请第62/218,153号的权益。上述申请的全部公开内容通过引用并入本文。

政府条款

本发明在由DOD/DARPA授予的HR0011-34-1-6400下通过政府支持作出。政府对本发明享有一定的权利。

技术领域

本公开内容涉及使用廉价惯性传感器的冗余阵列来确定旋转速率。

背景技术

大规模生产的微电子机械系统(“MEMS”)陀螺仪的出现已经在蜂窝电话及其他消费设备中实现了泛在运动感测。MEMS陀螺仪的低成本和普及可以归因于消费者需求和制造技术的进步，这显著降低了传感器的价格。

MEMS传感器已经变得高度集成。现在在紧凑型表面贴装封装中找到在同一芯片上的三轴加速度计和陀螺仪是常见的。陀螺仪和加速度计的组合通常称为惯性测量单元(IMU)。

MEMS IMU通常用于机器人应用中。在空中机器人技术中，MEMS IMU的小尺寸和轻重量是显著优势。在地面机器人中，也常常使用MEMS IMU，原因是MEMS IMU以低成本提供足够的性能。MEMS IMU通常与测量平移运动的其他传感器结合使用，以在没有外部参考的情况下对机器人的位置和方位进行航位推算。

这种航位推算式方位估计对于机器人的更高级系统诸如即时定位与地图构建(“SLAM”)是关键的。在SLAM的一种常见方法中，机器人的轨迹表述为位姿图优化问题，约束条件由惯性估计和外部地标确定。惯性估计随距离累积误差：1°的航向误差在60米上导致1米的位移误差。优化问题是非线性的，原因是机器人方向的不确定性，这引入多个局部最小值。因此，机器人方位估计的小的改进可以对机器人的最终位姿图的精度产生大的影响。

制造方面的改进已经降低了消费级MEMS陀螺仪的成本。尽管如此，高性能陀螺仪诸如光纤陀螺仪的成本依然较高。高性能陀螺仪MEMS陀螺仪在某些机器人应用中不实用。尽管，一般而言，机器人定位系统从更精确的陀螺仪受益，但这由于相关的成本而通常是不可及的。几乎没有以低成本可获得且还提供足够的性能的中间选择。

本公开内容提出了一种方法，其通过利用低成本MEMS陀螺仪的可用性——即通过合并多个陀螺仪的读数——来提高方位估计的质量。

本部分提供与本公开内容相关的背景信息，其不一定是现有技术。

发明内容

本部分提供对本公开内容的一般性总结，并非本公开内容的全部范围或本公开内容的全部特征的全面公开。

在一种形式中，本公开内容提供了一种使用惯性传感器阵列来确定可动构件的旋转速率的方法。在一个方面，该方法包括定义隐马尔可夫模型(“HMM”)。HMM的隐含状态表示可动构件的旋转速率的离散值测量。HMM的转移概率将可动构件的运动模型考虑在内。观测概率将惯性传感器阵列中的惯性传感器中至少之一的噪声和偏置考虑在内。该方法还包括由处理器接收来自惯性传感器阵列的输入。处理器通过利用从惯性传感器阵列接收的输入求解HMM的输出来确定可动构件的旋转速率。

在一些实施方式中，处理器可以使用前向算法来求解HMM。

在一些实施方案中，处理器可以使用前向-后向算法。