android - 如何通过罗盘读数和陀螺仪读数获得手机的方位角？

Question

我希望通过以下方法获取手机的当前方向:

首先通过 getRotationMatrix() 获取初始方向(方位角)和 getOrientation() .

添加陀螺仪读数随时间的积分以获得当前方向。

电话定位:

手机的 x-y 平面与接地平面平行固定。即，处于“边走边发短信”的方向。

“getOrientation()” 返回:

Android API 让我可以轻松地从 getOrientation() 获取方向，即方位角、俯仰角、滚动角。 .

请注意 这个方法总是 返回范围内的值: [0, -PI] 和 [o, PI] .

我的问题:

由于集成了陀螺仪读数，记为dR , 可能很大，所以当我做 CurrentOrientation += dR , CurrentOrientation可能超过 [0, -PI] 和 [o, PI] 范围。

需要进行哪些操作才能始终在 [0, -PI] 中获取当前方向和 [o, PI]范围？

我在 Python 中尝试过以下方法，但我高度怀疑它的正确性。

rotation = scipy.integrate.trapz(gyroSeries, timeSeries) # integration
if (headingDirection - rotation) < -np.pi:
    headingDirection += 2 * np.pi
elif (headingDirection - rotation) > np.pi:
    headingDirection -= 2 * np.pi
# Complementary Filter
headingDirection = ALPHA * (headingDirection - rotation) + (1 - ALPHA) * np.mean(azimuth[np.array(stepNo.tolist()) == i])
if headingDirection < -np.pi:
    headingDirection += 2 * np.pi
elif headingDirection > np.pi:
    headingDirection -= 2 * np.pi

备注

这不是那么简单，因为它涉及以下麻烦制造者:

方向传感器读数来自 0至-PI ，然后是 直接跳转至+PI并逐渐回到0通过 +PI/2 .

陀螺仪读数的集成也带来了一些麻烦。我应该添加dR到方向或减去dR .

在给出确认答案之前，请先引用 Android 文档。

估计的答案无济于事。

Answer 1

The orientation sensor actually derives its readings from the real magnetometer and the accelerometer.

我想这也许是困惑的根源。这在文档中在哪里说明？更重要的是，文档是否明确指出陀螺仪读数被忽略？据我所知，该视频中描述的方法已实现:

Sensor Fusion on Android Devices: A Revolution in Motion Processing

这种方法使用陀螺仪并整合它们的读数。这几乎使问题的其余部分变得毫无意义。不过我会尽量回答。

方向传感器已经为您集成了陀螺仪读数 ，这就是你获得方向的方式。我不明白你为什么要自己做。

您没有正确集成陀螺仪读数 , 比 CurrentOrientation += dR 更复杂(这是不正确的)。如果您需要集成陀螺仪读数(我不明白为什么，SensorManager 已经为您完成了)请阅读 Direction Cosine Matrix IMU: Theory如何正确执行(公式 17)。

不要尝试用欧拉角积分 (又名方位角、俯仰角、滚动角)，不会有任何好的结果。

请在计算中使用四元数或旋转矩阵而不是欧拉角。如果您使用旋转矩阵，您始终可以将它们转换为欧拉角，请参阅

Computing Euler angles from a rotation matrix by Gregory G. Slabaugh

(四元数也是如此。)(在非退化的情况下)有两种表示旋转的方式，即 你会得到两个欧拉角。选择您需要的范围内的那个。 (在 gimbal lock 的情况下，有无限多个欧拉角，请参见上面的 PDF)。只需保证在将旋转矩阵转换为欧拉角后，您不会在计算中再次开始使用欧拉角。

目前尚不清楚您在使用互补过滤器做什么。 您可以基于 Direction Cosine Matrix IMU: Theory 实现非常好的传感器融合。手稿，基本上是一个教程。这样做并非易事，但我认为您不会找到比这份手稿更好、更易于理解的教程。

当我根据这份手稿实现传感器融合时，我必须自己发现一件事是所谓的 integral windup可以发生。我通过绑定(bind) TotalCorrection 来处理它(第 27 页)。如果你实现了这个传感器融合，你就会明白我在说什么。



更新:在这里，我回答您在接受答案后在评论中发布的问题。

I think the compass gives me my current orientation by using gravity and magnetic field, right? Is gyroscope used in the compass?

是的，如果手机或多或少静止至少半秒钟，您可以仅使用重力和指南针来获得良好的方向估计。操作方法如下:Can anyone tell me whether gravity sensor is as a tilt sensor to improve heading accuracy?

不，指南针中不使用陀螺仪。

Could you please kindly explain why the integration done by me is wrong? I understand that if my phone's pitch points up, euler angle fails. But any other things wrong with my integration?

有两件不相关的事情:(i)积分应该以不同的方式进行，(ii)由于万向节锁，欧拉角很麻烦。我再说一遍，这两个是无关的。

至于集成:这是一个简单的示例，您可以如何实际查看集成有什么问题。设 x 和 y 为房间内水平面的轴。 Handlebars 机拿在手里。将手机绕 x 轴(房间)旋转 45 度，然后绕 y 轴(房间)旋转 45 度。然后，从头开始重复这些步骤，但现在先绕 y 轴旋转，然后绕 x 轴旋转。手机最终以完全不同的方向结束。如果按照 CurrentOrientation += dR 做积分你会发现没有区别!如果您想正确进行积分，请阅读上面链接的方向余弦矩阵 IMU:理论手稿。

至于欧拉角:它们破坏了应用程序的稳定性，我不使用它们进行 3D 中的任意旋转就足够了。

我还是不明白你为什么要自己做，为什么不想使用平台提供的方向估计。机会是，你不能做得比这更好。