传感器应用运动传感器：在便携设备中实现准确的运动跟踪.docx

《传感器应用运动传感器：在便携设备中实现准确的运动跟踪.docx》由会员分享，可在线阅读，更多相关《传感器应用运动传感器：在便携设备中实现准确的运动跟踪.docx（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、传感器应用，运动传感器：在便携设备中实现准确的运动跟踪CEVA导语：以智能手机为主，包括智能腕表、健身追踪器和可听戴设备等在内的各类便携式联网电子设备，彻底改变了我们的生活。这些设备在数据收集中融入了处理功能和无线联网技术。但是，相比其他所有功能特性，运动传感器对于便携式设备的实用和直观的重要性很轻易被忽略。无论是在手机上改变屏幕方向、在智能腕表上统计步数、匹配头部运动和扩展现实XR眼镜，还是轻敲耳塞式耳机来更换歌曲，动作感测始终是用户体验和界面的重要组成局部。对于嵌入式工程师而言，选择和集成运动传感器可能会很棘手。怎样确保在不增加不必要的本钱或者功耗的前提下，选择正确的技术以获得所需的准确度

2、？以及怎样确保最大限度地利用传感器，并且不会错过可以改良最终产品的性能或者功能？运动传感器根本原理首先，快速回首一下我们所讲的运动传感器。常用的有三种：加速计、陀螺仪和磁强计。加速计用于测量加速度包括重力加速度。这意味着它可以感测重力相对于传感器的方向根本上是朝上的方向。陀螺仪通过测量角速度来测量角位置的变化。加速计和陀螺仪各有3个自由度或者3个轴，两者结合就可以得到一个6轴运动传感器，或者称IMU惯性测量单元，见图1。在很多应用中，我们还需要增加一个测量地球磁场强度和方向的磁强计，以便于估计我们前进的方向。在加速计和陀螺仪上添加一个3轴磁强计，就可以得到一个9轴IMU。因此，本文我们将深化讨

3、论IMU。固然我们讨论的某些特性可以单独应用于加速计、陀螺仪或者磁强计本身，但我们想要阐述的是将至少两种传感器结合起来所面临的挑战。图1：IMU实现运动感测(;:CEVA保持准确如今我们已经回首了IMU的理论知识，怎样在理论中施行？我们怎样才能获得所需的准确度？对于IMU来讲，在确定设备行进方向时所获得的准确度是一个我们可以作为起始点的根底度量标准。我们的要求可能在一到两度范围内，而较低的准确度可以被其他应用程序承受。例如，XR耳机的准确度要求远远超过儿童的机器人玩具。然后我们应该考虑该数据的稳定性，以及它是否会随时间和温度发生变化。从我们的IMU获得最高准确度输出需要应用感测交融概念，即交融

4、多个传感器的数据以创立整体大于局部的总和。IMU的每个传感器都各有优优势，将其交融在一起可形成更好的解决方案。考虑感测交融的一种方式是基于“信任。在这种情况下，我们可以使用“信任表示，来自特定传感器的数据在准确性和相关性方面具有公道的可信度。假设你是一个国家的“总统，那么必须由你决定相关政策。你有经济、卫生和军事参谋。每个人都可以为你提供一份信息，但他们分属不同领域。他们会考虑各自的观点将怎样影响“同僚，但仅限于猜测。最终要由你来处理和交融他们的信息，以形成最正确决策。你同样有两至三个可以从IMU获得定向数据的“参谋：加速计、陀螺仪以及磁强计。陀螺仪最轻易解释。消费级陀螺仪无疑可以在短短几秒钟

5、内进展相对方向的更改，但输出将漂移较长的时间间隔，甚至会到达数十秒以上。加速计有助于长期测量重力，但可能无法识别特定场景，比方汽车的恒定加速度。我们可以在稳定的磁场环境中例如乡村或者森林使用磁强计，但假如有磁场干扰，比方在钢构造建筑物内，可信度就会降低。总之，陀螺仪适用于短期测量，加速度计和磁强计适用于长期测量。具体理解它们的局限性后，就可以把它们的数据交融在一起，获得更准确的设备方位图。对于多个传感器输出信息如9轴IMU，感测交融使我们有时机整合并比照数据，进而进步准确度。例如，假如我们的感测交融软件包含一种算法，可以检测由于磁场干扰而导致磁强计输出发生的意外或者忽然变化，那么在磁强计恢复稳

6、定之前，算法可以自动提升对加速计和陀螺仪数据的信心。采样率对于准确度也很重要所选传感器提供的数据是否足够知足需求？当然，这详细取决于应用程序：例如，对于一个根底计步器而言，每秒几次读数可能已经足够，但对于大多数应用来讲，建议采样频率到达100Hz到400Hz。然而，在XR应用中，准确的头部跟踪可能需要1kHz或者更高的采样率此处XR是VR、MR和AR的统称。快速采样率对于实现低延迟同样重要，在我们的头部跟踪例如中，这代表着沉醉式VR体验和运动晕眩感受之间的本质区别！我们还需要考虑校准。很多传感器都是按“原样提供，输出信息比仅供参考的数据表没有过多变化。任何类型的校准都将有助于最大限度保持不同个

7、体传感器之间的性能一致性。工厂校准是进步个体性能的一种强有力方式，但本钱相对昂贵。现场动态校准是另一种方案，需要对传感器本身或者至少对应用程序有具体的理解。传感器的应用偏向假如不解释清楚，就会对整体输生产生可能加剧现有任何错误的负面影响。最后，我们需要考虑怎样验证我们获得的传感器数据，并将它们交融在一起。固然这取决于我们的追踪目的，但根本原那么是利用另一个独立的信息源来提供真实状态支持我们检查传感器输出。例如，机器人的手臂可以非常准确地重复挪动到已知点，然后我们可以查看传感器是否给我们提供一样的位置数据。当我们检测到错误时，有可能通过计算进展弥补，或将其标记为需要进一步关注的错误。启用新功能一

8、旦我们获得了高精度测量运动的才能，它不仅有助于现有的应用程序，还可以让便携式设备的新功能付诸实现。例如，可听戴设备图2的传统用户界面存在问题：用户不想取出手机进展控制，而且可听戴设备本身太小，没有方便的按钮。相反，轻敲可听戴设备可以用来跳过曲目，探测从耳朵里取出的动作可以用来静音所有音频由于该动作很可能说明希望音频停顿播放。利用运动跟踪以及“遥感分类器等识别不同动作的算法，提供更方便和直观的用户体验。运动传感器提供的准确信息同样意味着便携式设备可以更好地理解四周发生的事情，或携带者正在进展的活动。这就是所谓的情境感悟，可以用来提供更身临其境的体验，比方当你走到人行横道时，音乐音量会自动调低，以

9、便让你听到附近救护车的警报声。对于健身跟踪应用程序，进步准确度可以区分不同的用户活动。例如，假如你的步动跟踪器可以测量运动的规模、速度或者其他特征，它就可以判定出你是正常行走，还是爬楼梯或者下楼梯。交融其他传感器数据，如气压和GPS定位，软件可以建立具体的运动图像，并估算出燃烧的卡路里。合而为一：感测交融与软件正如我们所讨论的，为了最大化运动数据的准确度和有效性，仅仅生成一个原始数据提要是不够的。设备需要处理数据，补偿系统的不准确性，并整合来自多个传感器的信息。其中有很多信息需要处理。感测交融非常复杂，需要特定的专业技术才能在小身躯的设备中到达最正确效果。然而，目前有各种产品集成了所需的传感器

10、和处理程序例如，由Bosch和CEVAHillcrestLabs合作开发的BNO080/085，集成了高性能加速计、磁强计和陀螺仪，以及低功耗MCU。HillcrestLabs的MotionEngine传感器中心软件在BNO085上预先编程，提供6轴和9轴运动跟踪，以及其他智能功能，例如对行走、跑步和站立等用户活动进展分类图3。MotionEngine传感器中心兼容领先的嵌入式处理架构和操纵系统，专业版适用于可听戴设备、智能电视、机器人、挪动计算、遥控、低功耗挪动应用程序等。实时整合所有数据具有很大挑战性，并且所需的处理性能非同小可。最好选择集成传感器在传感器设备本身的MCU核心上运行这些算法

11、，而不是通过一个主应用途理器来承当这些繁琐事项。尤其是对于像计步这样“始终开启的任务，假如我们可以防止每次检测到挪动时都唤醒主处理器，就可以保持睡眠形式，进而可以减少总功耗，并延长电池寿命。回到我们前面的“总统类比，专注于感测交融的SiP系统级封装就像让一位“副总统来处理某些决策，以便作为“总统的主处理器可以专注于更紧迫的任务。结论运动传感器在众多应用中都扮演着重要角色，至于讲怎样选择适当的设备以及怎样到达应用所需的准确度，乃至需要多高的准确度，那么并不总是那么简单明确。不同的用例需要不同的准确度级别，并且需要不同的数据类型。集成传感器和感测交融通常可以为这一问题提供解决方案。通过与适当的供给商合作，可以确保毫无保存地获得准确、可靠的数据以及特定应用程序的增值功能同时将本钱和功耗限制在最低程度。0