Robotikte dinamik denge için kullanılan jiroskoplar, aynı zamanda dronelarda ve mobil robotlarda yönelim belirlemek için de kritiktir. Bu sensörlerden gelen ham veri genellikle gürültülüdür ve doğrudan kullanılamaz. Bu nedenle, bir filtreleme tekniği olan Tamamlayıcı Filtre (Complementary Filter) sıklıkla tercih edilir. Bu filtre, düşük maliyetli MEMS jiroskopların ve ivmeölçerlerin verilerini birleştirir. Jiroskopun kısa vadede doğru olan açısal hız verisini, ivmeölçerin uzun vadede doğru olan ancak anlık titreşimlerden etkilenen yerçekimi vektörü verisi ile harmanlar. Temel formül şu şekildedir: Açı = 0.98 * (Önceki_Açı + Jiroskop_Verisi * dt) + 0.02 * İvmeölçer_Açısı. Burada 0.98 ve 0.02 ağırlık katsayıları, sensörlerinizin güvenilirliğine göre ayarlanabilir. Bu yöntem, karmaşık bir Kalman Filtresi uygulamadan, düşük işlem gücü ile nispeten kararlı bir açı (pitch/roll) tahmini yapmanın etkili bir yoludur.
Robotikte dinamik denge için kullanılan jiroskoplar, aynı zamanda dronelarda ve mobil robotlarda yönelim belirlemek için de kritiktir. Bu sensörlerden gelen ham veri genellikle gürültülüdür ve doğrudan kullanılamaz. Bu nedenle, bir filtreleme tekniği olan Tamamlayıcı Filtre (Complementary Filter) sıklıkla tercih edilir. Bu filtre, düşük maliyetli MEMS jiroskopların ve ivmeölçerlerin verilerini birleştirir. Jiroskopun kısa vadede doğru olan açısal hız verisini, ivmeölçerin uzun vadede doğru olan ancak anlık titreşimlerden etkilenen yerçekimi vektörü verisi ile harmanlar. Temel formül şu şekildedir: Açı = 0.98 * (Önceki_Açı + Jiroskop_Verisi * dt) + 0.02 * İvmeölçer_Açısı. Burada 0.98 ve 0.02 ağırlık katsayıları, sensörlerinizin güvenilirliğine göre ayarlanabilir. Bu yöntem, karmaşık bir Kalman Filtresi uygulamadan, düşük işlem gücü ile nispeten kararlı bir açı (pitch/roll) tahmini yapmanın etkili bir yoludur.
0 Yorumlar
0 Paylaşımlar
62 Görüntülenme
0 İncelemeler