LearnSensorFusion
9轴传感器学习的阶段性总结
关于9轴传感器的融合，以及基于这些传感器的惯性导肮的原理。都来自于一门叫捷联惯性导航的学科，具体可以参考引用【1】【2】。
Android中的9轴与姿态传感器【3】
物理传感器
- 加速度传感器（未校准）
- 陀螺仪（未校准）
- 磁力计（未校准）
虚拟传感器
- 加速度传感器（校准）
- 陀螺仪（校准）
- 磁力计（校准）
- 重力传感器
- 线性加速度传感器
- 方位传感器（orientation）
- 旋转矢量（rotation vector）
- 游戏旋转矢量（game rotation vector）
- 地磁旋转矢量（geomagnetic rotation vector）
物理传感器与虚拟传感器的关系
- 加速度传感器（校准）
六面校准
- 陀螺仪（校准）
静态自校准零偏
- 磁力计（校准）
软磁：拟合椭球参数
硬磁：陀螺仪辅助融合
- 重力传感器
平滑滤波+陀螺仪辅助融合
- 线性加速度传感器
加速度传感器（校准） - 重力传感器
- 方位传感器（orientation）、旋转矢量
加速度+陀螺仪+磁力计 kalman滤波
- 游戏旋转矢量
加速度+陀螺仪 kalman滤波
- 地磁旋转矢量
磁力计+陀螺仪 kalman滤波
传感器融合的基础知识
数学基础：旋转变换、欧拉变换
涉及两个主要的坐标系：1）导航坐标系，即与地面关联的X-东、Y-北、Z-天坐标系；2）手机固连坐标系【4】
【1】【2】书中有这些坐标系的详细定义。
根据选择的坐标系的不同，同一个矢量有不同的数值表示。不同坐标系中相同矢量的表示能够通过坐标变换来转换。
导航坐标系与手机固连坐标系间的旋转变换，实际上就是手机的姿态，即方位传感器（欧拉角）和旋转矢量（四元数）实际上就是这个旋转变换的其中两种表示形式。
高翔博士写的《视觉SLAM十四讲》中的第三讲中有坐标变换的通俗讲解【5】
旋转变换一般有几种表示形式：1）旋转矩阵；2）轴角；3）四元数；4）欧拉角。
在Sensor Fusion算法中，常用旋转矩阵和四元数两种旋转变换，欧拉角通常用给人呈现旋转的图像。
算法基础：卡曼滤波
卡曼滤波是传感器融合的最主要算法，【6】【7】是我看到的这个算法比较清晰的诠释。
如果你执着与算法的细节，【8】这本书也是不错的参考材料。
卡曼滤波的核心**【2】P359：
- 将对一个状态矢量的两个不相关估计进行加权平均，以获得一个方差最小的估计。
- 一个估计来自上一时刻状态+动力学方程
- 另一个估计来自当前时刻的测量值
物理基础：三维空间的刚体运动
具体案例
略
引用
【1】Savage, Paul G. "Strapdown analytics." (2000): 15-1.
【2】Titterton, David, John L. Weston, and John Weston. Strapdown inertial navigation technology. Vol. 17. IET, 2004.
【3】Android Motion Sensor
【4】Sensor Coordinate System
【5】视觉SLAM十四讲
【6】Faragher, Ramsey. "Understanding the basis of the Kalman filter via a simple and intuitive derivation." IEEE Signal processing magazine 29.5 (2012): 128-132.
【7】How a Kalman filter works, in pictures
【8】卡尔曼滤波理论与实践（MATLAB版）（第四版）