Настройка ahrsfilter параметры для уменьшения ошибки расчета
tune( настраивает свойства filter,sensorData,groundTruth)ahrsfilter объект фильтра, filterдля уменьшения среднеквадратичной ошибки кватерниона (RMS) между данными о сросшемся датчике и основной истине. Функция использует значения свойств в фильтре в качестве начальной оценки для алгоритма оптимизации.
tune(___, задает строение на основе config)tunerconfig объект, config.
ahrsfilter Улучшение оценки ориентацииЗагрузите записанные данные датчика и достоверные данные.
ld = load('ahrsfilterTuneData.mat'); qTrue = ld.groundTruth.Orientation; % true orientation
Создайте arhsfitler объект.
fuse = ahrsfilter;
Предохраните данные датчика с помощью стандартного, не настроенного фильтра.
qEstUntuned = fuse(ld.sensorData.Accelerometer, ...
ld.sensorData.Gyroscope, ld.sensorData.Magnetometer);Создайте tunerconfig объект. Настройка ahrsfilter объект для улучшения оценки ориентации на основе строения.
config = tunerconfig('ahrsfilter');
tune(fuse,ld.sensorData,ld.groundTruth,config); Iteration Parameter Metric
_________ _________ ______
1 AccelerometerNoise 0.1345
1 GyroscopeNoise 0.1342
1 MagnetometerNoise 0.1341
1 GyroscopeDriftNoise 0.1341
1 LinearAccelerationNoise 0.1332
1 MagneticDisturbanceNoise 0.1324
1 LinearAccelerationDecayFactor 0.1317
1 MagneticDisturbanceDecayFactor 0.1316
2 AccelerometerNoise 0.1316
2 GyroscopeNoise 0.1312
2 MagnetometerNoise 0.1311
2 GyroscopeDriftNoise 0.1311
2 LinearAccelerationNoise 0.1300
2 MagneticDisturbanceNoise 0.1292
2 LinearAccelerationDecayFactor 0.1285
2 MagneticDisturbanceDecayFactor 0.1285
3 AccelerometerNoise 0.1285
3 GyroscopeNoise 0.1280
3 MagnetometerNoise 0.1279
3 GyroscopeDriftNoise 0.1279
3 LinearAccelerationNoise 0.1267
3 MagneticDisturbanceNoise 0.1258
3 LinearAccelerationDecayFactor 0.1253
3 MagneticDisturbanceDecayFactor 0.1253
4 AccelerometerNoise 0.1252
4 GyroscopeNoise 0.1247
4 MagnetometerNoise 0.1246
4 GyroscopeDriftNoise 0.1246
4 LinearAccelerationNoise 0.1233
4 MagneticDisturbanceNoise 0.1224
4 LinearAccelerationDecayFactor 0.1220
4 MagneticDisturbanceDecayFactor 0.1220
5 AccelerometerNoise 0.1220
5 GyroscopeNoise 0.1213
5 MagnetometerNoise 0.1212
5 GyroscopeDriftNoise 0.1212
5 LinearAccelerationNoise 0.1200
5 MagneticDisturbanceNoise 0.1190
5 LinearAccelerationDecayFactor 0.1187
5 MagneticDisturbanceDecayFactor 0.1187
6 AccelerometerNoise 0.1187
6 GyroscopeNoise 0.1180
6 MagnetometerNoise 0.1178
6 GyroscopeDriftNoise 0.1178
6 LinearAccelerationNoise 0.1167
6 MagneticDisturbanceNoise 0.1156
6 LinearAccelerationDecayFactor 0.1155
6 MagneticDisturbanceDecayFactor 0.1155
7 AccelerometerNoise 0.1155
7 GyroscopeNoise 0.1147
7 MagnetometerNoise 0.1145
7 GyroscopeDriftNoise 0.1145
7 LinearAccelerationNoise 0.1137
7 MagneticDisturbanceNoise 0.1126
7 LinearAccelerationDecayFactor 0.1125
7 MagneticDisturbanceDecayFactor 0.1125
8 AccelerometerNoise 0.1125
8 GyroscopeNoise 0.1117
8 MagnetometerNoise 0.1116
8 GyroscopeDriftNoise 0.1116
8 LinearAccelerationNoise 0.1112
8 MagneticDisturbanceNoise 0.1100
8 LinearAccelerationDecayFactor 0.1099
8 MagneticDisturbanceDecayFactor 0.1099
9 AccelerometerNoise 0.1099
9 GyroscopeNoise 0.1091
9 MagnetometerNoise 0.1090
9 GyroscopeDriftNoise 0.1090
9 LinearAccelerationNoise 0.1090
9 MagneticDisturbanceNoise 0.1076
9 LinearAccelerationDecayFactor 0.1075
9 MagneticDisturbanceDecayFactor 0.1075
10 AccelerometerNoise 0.1075
10 GyroscopeNoise 0.1066
10 MagnetometerNoise 0.1064
10 GyroscopeDriftNoise 0.1064
10 LinearAccelerationNoise 0.1064
10 MagneticDisturbanceNoise 0.1049
10 LinearAccelerationDecayFactor 0.1047
10 MagneticDisturbanceDecayFactor 0.1047
11 AccelerometerNoise 0.1047
11 GyroscopeNoise 0.1038
11 MagnetometerNoise 0.1036
11 GyroscopeDriftNoise 0.1036
11 LinearAccelerationNoise 0.1036
11 MagneticDisturbanceNoise 0.1016
11 LinearAccelerationDecayFactor 0.1014
11 MagneticDisturbanceDecayFactor 0.1014
12 AccelerometerNoise 0.1014
12 GyroscopeNoise 0.1005
12 MagnetometerNoise 0.1002
12 GyroscopeDriftNoise 0.1002
12 LinearAccelerationNoise 0.1002
12 MagneticDisturbanceNoise 0.0978
Предохраните данные датчика с помощью настроенного фильтра.
qEstTuned = fuse(ld.sensorData.Accelerometer, ...
ld.sensorData.Gyroscope, ld.sensorData.Magnetometer);Сравнение настроенных и не настроенных характеристик ошибок RMS.
dUntuned = rad2deg(dist(qEstUntuned, qTrue)); dTuned = rad2deg(dist(qEstTuned, qTrue)); rmsUntuned = sqrt(mean(dUntuned.^2))
rmsUntuned = 7.7088
rmsTuned = sqrt(mean(dTuned.^2))
rmsTuned = 5.6033
Визуализируйте ошибки относительно времени.
N = numel(dUntuned); t = (0:N-1)./ fuse.SampleRate; plot(t, dUntuned, 'r', t, dTuned, 'b'); legend('Untuned', 'Tuned'); title('ahrsfilter - Tuned vs Untuned Error') xlabel('Time (s)'); ylabel('Orientation Error (degrees)');

filter - Объект фильтраahrsfilter объектОбъект фильтра, заданный как ahrsfilter объект.
sensorData - Данные о датчикеtableДанные о датчике, заданные как table. В каждой строке данные о датчике задаются как:
Accelerometer - Данные акселерометра, заданные как вектор скаляров 1 на 3 в m2/ с .
Gyroscope - Данные гироскопа, заданные как вектор 1 на 3 скаляров в рад/с.
Magnetometer - Данные магнитометра, заданные как вектор 1 на 3 скаляров в мкТ.
Если вы задаете Cost свойство входа строения тюнера, config, в Custom, тогда можно использовать другие типы данных для sensorData вход, основанный на вашем выборе.
groundTruth - Достоверные данныеtimetableДостоверные данные, заданные как table. Таблица имеет только один столбец Orientation данные. В каждой строке ориентация задается как quaternion объект или матрица поворота 3 на 3.
Функция обрабатывает каждую строку sensorData и groundTruth таблицы для вычисления оценки состояния и ошибки RMS из основной истины. Каждая строка sensorData и groundTruth таблицы должны соответствовать друг другу.
Если вы задаете Cost свойство входа строения тюнера, config, в Custom, затем можно использовать другие типы данных для groundTruth вход, основанный на вашем выборе.
config - Настройка тюнераtunerconfig объектСтроение тюнера, заданный как tunerconfig объект.
[1] Abbeel, P., Coates, A., Montemerlo, M., Ng, A.Y. and Thrun, S. Discriminative Training of Фильтры Калмана. In Robotics: Science and systems, Vol. 2, pp. 1, 2005.
У вас есть измененная версия этого примера. Вы хотите открыть этот пример с вашими правками?
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.