Kalman filtering for orientation estimation using IMUs

Resumen

Navegación, control automático de vehículos, robótica, o realidad virtual. Todas son aplicaciones en las que el conocimiento sobre la orientación juega un papel importante. Hoy en día existen sensores livianos y de bajo coste que proporcionan información sobre la orientación de un sistema. Esta tesis se centra en obtener dicha orientación utilizando un tipo de esos sensores: las Unidades de Medición Inercial (IMUs en inglés). Este objetivo plantea los dos problemas principales abordados en este trabajo. El primero es el estudio de un método para estimar la orientación utilizando medidas vectoriales. El segundo objetivo es la calibración de IMUs en particular, y de sensores triaxiales en general, que emana del hecho de que las medidas de las IMUs generalmente son imprecisas e inexactas. El problema de la estimación de la orientación de un sólido rígido utilizando medidas de sensores ha sido ampliamente abordado. En 1982, se publicó un artículo pionero sobre estimación de orientación a través del filtrado de Kalman en el que la orientación se describía utilizando cuaterniones, en lugar de los descriptores de orientación clásicos, como los ángulos de Euler. Los cuaterniones tienen propiedades que los hacen ventajosos sobre el resto de descriptores de la orientación. Sin embargo, el filtro de Kalman no es directamente aplicable en este escenario, ya que solo los cuaterniones unitarios representan orientaciones. Clásicamente, este problema se resuelve definiendo una "actualización multiplicativa", y redefiniendo la matriz de covarianza usando un vector tridimensional. Recientemente, también se ha observado que es necesario realizar un "paso de corrección de la matriz de covarianza". Este estudio también se incluye en el marco del filtrado de Kalman con cuaterniones como descriptores de la orientación, pero introduce un nuevo punto de vista desde el cual las nociones de "actualización multiplicativa" y "paso de corrección de la matriz de covarianza" se conciben de forma natural. Aunque existen otros métodos utilizados para calibrar sensores triaxiales, un punto de partida frecuente es la definición de un problema de optimización. Este trabajo también utiliza esa estrategia, pero difiere de muchos otros al incorporar la temperatura en el modelo del sensor. Al final, se obtiene un algoritmo iterativo que solo necesita conocer el módulo del vector real asociado con cada medición del sensor para producir una calibración. El algoritmo es probado con medidas de sensores reales obtenidas utilizando un dispositivo electromecánico construido para este propósito. Los resultados obtenidos de las múltiples calibraciones nos permiten comprender mejor el comportamiento de las IMUs.