Pixhawk代码分析-姿态解算篇B
姿态解算篇B
前言
本篇博文主要是以mahony的算法为基础理解姿态解算的过程，主要参考的论文就是William Premerlani and Paul Bizard的关于DCM的一篇经典论文《Direction Cosine Matrix IMU_Theory》，一定要搞透这篇论文，没看过它都不敢称自己研究过飞控算法；然后接下来还有madgwick和mahony的论文需要研究。
然后就是结合国内的一本很不错的书籍《捷联惯性导航技术》，不需要细看，只需要了解其中关于姿态解算部分的即可。
基本知识
- 陀螺仪和加速计（特性分析）
1）陀螺仪
Gyro sensitivity、 operating range、offset、drift、calibrationandsaturation must be taken into account in the implementation of DCM。
灵敏度
测量角速度，具有高动态特性，它是一个间接测量角度的器件其中一个关键参数就是gyro sensitivity（其单位是millivolts per degree persecond，把转速转换到电压值），测量范围越小气灵敏度越好。也就是说测量的是角度的导数，即角速度，要将角速度对时间积分才能得到角度。陀螺仪就是内部有一个陀螺，它的轴由于陀螺效应始终与初始方向平行，这样就可以通过与初始方向的偏差计算出旋转方向和角度。
偏移
偏移就是在陀螺没有转动的时候却又输出，这个输出量的大小和供电电压以及温度有关，该偏移可以在陀螺仪上电时通过一小段时间的测量来修正。
漂移
它是由于在时间的积累下偏移和噪声相互影响的结果，例如有一个偏置（offset）0.1dps加在上面，于是测量出来是0.1dps，积分一秒之后，得到的角度是0.1度，1分钟之后是6度，还能忍受，一小时之后是360度，转了一圈，也就是说，陀螺仪在短时间内有很大的参考价值。
白噪声
电信号的测量中，一定会带有白噪声，陀螺仪数据的测量也不例外。所以获得的陀螺仪数据中也会带有白噪声，而且这种白噪声会随着积分而累加。
积分误差
对陀螺仪角速度的积分是离散的，长时间的积分会出现漂移的情况。所以要考虑积分误差的问题。
溢出
就是转速超过了其测量的最大转速范围。关于这个问题的解决办法，在DCM IMU:Theory中给出来三种解决办法，不写了。
2）加速度计
加速度计的低频特性好，可以测量低速的静态加速度。在无人机上就是对重力加速度g的测量和分析。当把加速度计拿在手上随意转动时，看的是重力加速度在三个轴上的分量值。加速度计在自由落体时，其输出为0。为什么会这样呢？这里涉及到加速度计的设计原理：加速度计测量加速度是通过比力来测量(比力方程，秦永元的书中有介绍)，而不是通过加速度。加速度计仅仅测量的是重力加速度,而重力加速度与刚才所说的R坐标系（EarthFrame）是固连的,通过这种关系,可以得到加速度计所在平面与地面的角度关系。
加速度计仅仅测量的是重力加速度，3轴加速度计输出重力加速度在加速度计所在机体坐标系3个轴上的分量大小。重力加速度的方向和大小是固定的。通过这种关系，可以得到加速度计所在平面与地面的角度关系。加速度计若是绕着重力加速度的轴转动，则测量值不会改变，也就是说加速度计无法感知这种水平旋转。
Accelerometersare used for roll-pitch drift correction because they have zero drift
有关陀螺仪和加速度计和关系，姿态解算融合的原理，再把下面这个比喻放到这里一遍。
机体好似一条船，姿态就是航向（船头的方位），重力是灯塔，陀螺（角速度积分）是舵手，加速度计是瞭望手。舵手负责估计和把稳航向，他相信自己，本来船向北开的，就一定会一直往北开，觉得转了90度弯，那就会往东开。当然如果舵手很牛逼，也许能估计很准确，维持很长时间。不过只信任舵手，肯定会迷路，所以一般都有瞭望手来观察误差。
瞭望手根据地图灯塔方位和船的当前航向，算出灯塔理论上应该在船的X方位。然而看到实际灯塔在船的Y方位，那肯定船的当前航向有偏差了，偏差就是ERR=X-Y。舵手收到瞭望手给的ERR报告，觉得可靠，那就听个90%ERR，觉得天气不好、地图误差大，那就听个10%ERR，根据这个来纠正估算航向。
3）磁传感器
可以测量磁场，在没有其他磁场的情况下，仅仅测量的是地球的磁场，而地磁也是和R坐标系固连的，通过这种关系，可以得到平面A和地平面的关系。(平面A：和磁场方向垂直的平面)，同样的，若是沿着磁场方向的轴旋转，测量值不会改变，无法感知这种旋转。
综合考虑，加速度计和磁传感器都是极易受外部干扰的传感器，都只能得到2维的角度关系，但是测量值随时间的变化相对较小，结合加速度计和磁传感器可以得到3维的角度关系。陀螺仪可以积分得到三维的角度关系，动态性能好，受外部干扰小，但测量值随时间变化比较大。可以看出，它们优缺点互补，结合起来才能有好的效果。
4）关于数据融合
现在有了三个传感器，都能在一定程度上测量角度关系，但是究竟相信谁？根据刚才的分析，应该是在短时间内更加相信陀螺仪，隔三差五的问问加速度计和磁传感器，角度飘了多少了？有一点必须非常明确，陀螺仪才是主角，加速度计和磁传感器仅仅是跑龙套的。其实加速度计无法对航向角进行修正，修正航向角需要磁力计。
参考crazypony的分析：http://www.crazepony.com/wiki/mpu6050.html和《DCM IMU:Theory》
代码算法分析
首先就是基于mahony算法的AHRS姿态解算的一套源码，理论基础是DCM IMU:Theory，很有参考价值。先自己分析一下，看看每一行具体是做什么的，是如何实现姿态解算和修正的。然后会给出相应的分析
/*
*AHRS
*/
// AHRS.c
// Quaternion implementation of the 'DCM filter' [Mayhony et al]. Incorporates the magnetic distortion
// compensation algorithms from my filter [Madgwick] which eliminatesthe need for a reference
// direction of flux (bx bz) to be predefined and limits the effect ofmagnetic distortions to yaw
// axis only.
// User must define 'halfT' as the (sample period / 2), and the filtergains 'Kp' and 'Ki'.
// Global variables 'q0', 'q1', 'q2', 'q3' are the quaternion elementsrepresenting the estimated
// orientation. See my report foran overview of the use of quaternions in this application.
// User must call 'AHRSupdate()' every sample period and parsecalibrated gyroscope ('gx', 'gy', 'gz'),
// accelerometer ('ax', 'ay', 'ay') and magnetometer ('mx', 'my', 'mz')data. Gyroscope units are
// radians/second, accelerometer and magnetometer units are irrelevantas the vector is normalised.
#include "stm32f10x.h"
#include "AHRS.h"
#include "Positioning.h"
#include <math.h>
#include <stdio.h>
/* Private define------------------------------------------------------------*/
#define Kp 2.0f // proportional gain governs rate of convergence toaccelerometer/magnetometer
#define Ki 0.005f // integral gain governs rate of convergenceof gyroscope biases
#define halfT 0.0025f // half the sample period
#define ACCEL_1G 1000 //theacceleration of gravity is: 1000 mg
/* Private variables---------------------------------------------------------*/
static float q0 = 1, q1 = 0, q2 = 0, q3 = 0; // quaternion elements representing theestimated orientation
static float exInt = 0, eyInt = 0, ezInt = 0; // scaled integral error
/* Public variables----------------------------------------------------------*/
EulerAngle_Type EulerAngle; //unit: radian
u8InitEulerAngle_Finished = 0;
float Magnetoresistor_mGauss_X = 0, Magnetoresistor_mGauss_Y = 0,Magnetoresistor_mGauss_Z = 0;//unit: milli-Gauss
float Accelerate_mg_X, Accelerate_mg_Y, Accelerate_mg_Z;//unit: mg
float AngularRate_dps_X, AngularRate_dps_Y, AngularRate_dps_Z;//unit:dps: degree per second
int16_t Magnetoresistor_X, Magnetoresistor_Y, Magnetoresistor_Z;
uint16_t Accelerate_X = 0, Accelerate_Y = 0, Accelerate_Z = 0;
uint16_t AngularRate_X = 0, AngularRate_Y = 0, AngularRate_Z = 0;
u8 Quaternion_Calibration_ok = 0;
/* Private macro-------------------------------------------------------------*/
/* Private typedef-----------------------------------------------------------*/
/* Private function prototypes -----------------------------------------------*/
/******************************************************************************
*Function Name : AHRSupdate
*Description : None
*Input : None
*Output : None
*Return : None
*******************************************************************************
void AHRSupdate(float gx, float gy, float gz, float ax, float ay, floataz, float mx, float my, float mz) {
float norm;
float hx, hy, hz, bx, bz;
float vx, vy, vz, wx, wy, wz;
float ex, ey, ez;
// auxiliary variables to reduce number of repeated operations
float q0q0 = q0*q0;
float q0q1 = q0*q1;
float q0q2 = q0*q2;
float q0q3 = q0*q3;
float q1q1 = q1*q1;
float q1q2 = q1*q2;
float q1q3 = q1*q3;
float q2q2 = q2*q2;
float q2q3 = q2*q3;
float q3q3 = q3*q3;
// normalise the measurements
norm = sqrt(ax*ax + ay*ay + az*az);
ax = ax / norm;
ay = ay / norm;
az = az / norm;
norm = sqrt(mx*mx + my*my + mz*mz);
mx = mx / norm;
my = my / norm;
mz = mz / norm;
// compute reference direction of magnetic field
hx = 2*mx*(0.5 - q2q2 - q3q3) + 2*my*(q1q2 - q0q3) + 2*mz*(q1q3 + q0q2);
hy = 2*mx*(q1q2 + q0q3) + 2*my*(0.5 - q1q1 - q3q3) + 2*mz*(q2q3 - q0q1);
hz = 2*mx*(q1q3 - q0q2) + 2*my*(q2q3 + q0q1) + 2*mz*(0.5 - q1q1 -q2q2);
bx = sqrt((hx*hx) + (hy*hy));
bz = hz;
// estimated direction of gravity and magnetic field (v and w)
vx = 2*(q1q3 - q0q2);
vy = 2*(q0q1 + q2q3);
vz = q0q0 - q1q1 - q2q2 + q3q3;
wx = 2*bx*(0.5 - q2q2 - q3q3) + 2*bz*(q1q3 - q0q2);
wy = 2*bx*(q1q2 - q0q3) + 2*bz*(q0q1 + q2q3);
wz = 2*bx*(q0q2 + q1q3) + 2*bz*(0.5 - q1q1 - q2q2);
// error is sum ofcross product between reference direction of fields and directionmeasured by sensors
ex = (ay*vz - az*vy) + (my*wz - mz*wy);
ey = (az*vx - ax*vz) + (mz*wx - mx*wz);
ez = (ax*vy - ay*vx) + (mx*wy - my*wx);
// integral error scaled integral gain
exInt = exInt + ex*Ki* (1.0f / sampleFreq);
eyInt = eyInt + ey*Ki* (1.0f / sampleFreq);
ezInt = ezInt + ez*Ki* (1.0f / sampleFreq);
// adjusted gyroscope measurements
gx = gx + Kp*ex + exInt;
gy = gy + Kp*ey + eyInt;
gz = gz + Kp*ez + ezInt;
// integrate quaternion rate and normalize
q0 = q0 + (-q1*gx - q2*gy - q3*gz)*halfT;
q1 = q1 + (q0*gx + q2*gz - q3*gy)*halfT;
q2 = q2 + (q0*gy - q1*gz + q3*gx)*halfT;
q3 = q3 + (q0*gz + q1*gy - q2*gx)*halfT;
// normalise quaternion
norm = sqrt(q0*q0 + q1*q1 + q2*q2 + q3*q3);
q0 = q0 / norm;
q1 = q1 / norm;
q2 = q2 / norm;
q3 = q3 / norm;
}
上述算法的源码分析先给一个简要的代码注释分析：
//陀螺仪、加速度计、磁力计数据融合
void AHRSupdate(float gx, float gy, float gz, float ax, float ay, float az, float mx, float my, float mz) {
float norm;
float hx, hy, hz, bx, bz;
float vx, vy, vz, wx, wy, wz; //v*当前姿态计算得来的重力在三轴上的分量
float ex, ey, ez;
// auxiliary variables to reduce number of repeated operations
float q0q0 = q0*q0;
float q0q1 = q0*q1;
float q0q2 = q0*q2;
float q0q3 = q0*q3;
float q1q1 = q1*q1;
float q1q2 = q1*q2;
float q1q3 = q1*q3;
float q2q2 = q2*q2;
float q2q3 = q2*q3;
float q3q3 = q3*q3;
// normalise the measurements
norm = sqrt(ax*ax + ay*ay + az*az);
ax = ax / norm;
ay = ay / norm;
az = az / norm;
norm = sqrt(mx*mx + my*my + mz*mz);
mx = mx / norm;
my = my / norm;
mz = mz / norm;
// compute reference direction of magnetic field
hx = 2*mx*(0.5 - q2q2 - q3q3) + 2*my*(q1q2 - q0q3) + 2*mz*(q1q3 + q0q2);
hy = 2*mx*(q1q2 + q0q3) + 2*my*(0.5 - q1q1 - q3q3) + 2*mz*(q2q3 - q0q1);
hz = 2*mx*(q1q3 - q0q2) + 2*my*(q2q3 + q0q1) + 2*mz*(0.5 - q1q1 - q2q2);
bx = sqrt((hx*hx) + (hy*hy));
bz = hz;
// estimated direction of gravity and magnetic field (v and w)
//参考坐标n系转化到载体坐标b系的用四元数表示的方向余弦矩阵第三列即是。
//处理后的重力分量
vx = 2*(q1q3 - q0q2);
vy = 2*(q0q1 + q2q3);
vz = q0q0 - q1q1 - q2q2 + q3q3;
//处理后的mag，反向使用DCM得到
wx = 2*bx*(0.5 - q2q2 - q3q3) + 2*bz*(q1q3 - q0q2);
wy = 2*bx*(q1q2 - q0q3) + 2*bz*(q0q1 + q2q3);
wz = 2*bx*(q0q2 + q1q3) + 2*bz*(0.5 - q1q1 - q2q2);
// error is sum of cross product between reference direction of fields and direction measured by sensors 体现在加速计补偿和磁力计补偿，因为仅仅依靠加速计补偿没法修正Z轴的变差，所以还需要通过磁力计来修正Z轴。（公式28）。《四元数解算姿态完全解析及资料汇总》的作者把这部分理解错了，不是什么叉积的差，而叉积的计算就是这样的。计算方法是公式10。
ex = (ay*vz - az*vy) + (my*wz - mz*wy);
ey = (az*vx - ax*vz) + (mz*wx - mx*wz);
ez = (ax*vy - ay*vx) + (mx*wy - my*wx);
// integral error scaled integral gain
exInt = exInt + ex*Ki* (1.0f / sampleFreq);
eyInt = eyInt + ey*Ki* (1.0f / sampleFreq);
ezInt = ezInt + ez*Ki* (1.0f / sampleFreq);
// adjusted gyroscope measurements
//将误差PI后补偿到陀螺仪，即补偿零点漂移。通过调节Kp、Ki两个参数，可以控制加速度计修正陀螺仪积分姿态的速度。（公式16和公式29）
gx = gx + Kp*ex + exInt;
gy = gy + Kp*ey + eyInt;
gz = gz + Kp*ez + ezInt;
// integrate quaternion rate and normalize
//一阶龙格库塔法更新四元数
q0 = q0 + (-q1*gx - q2*gy - q3*gz)*halfT;
q1 = q1 + (q0*gx + q2*gz - q3*gy)*halfT;
q2 = q2 + (q0*gy - q1*gz + q3*gx)*halfT;
q3 = q3 + (q0*gz + q1*gy - q2*gx)*halfT;
// normalise quaternion
norm = sqrt(q0*q0 + q1*q1 + q2*q2 + q3*q3);
q0 = q0 / norm;
q1 = q1 / norm;
q2 = q2 / norm;
q3 = q3 / norm;
}
3、在深入一点
1）无人机控制中，主要就是姿态解算和姿态控制部分，该部分主要介绍姿态解算，下面是来一张比较好理解的框图。
由上面两幅图很容易理解整个控制和姿态解算了吧，在第四部分也介绍了关于陀螺仪、加速计、磁力计它们的作用，所以不再单独介绍了。不理解的往上翻翻再看看吧。
2）在姿态解算过程中，到底用什么表示无人机的姿态呢？姿态表示的方法有很多种，比如欧拉角、四元数、DCM，各有的各的优势，比较常用的就是四元数，方便计算。上面的姿态解算算法也是基于四元数的。下面介绍一个它们三个的优缺点。
姿态解算方法的比较：
|
算法 |
优点 |
缺点 |
PS |
|
欧拉角法（3参数） |
1、 通过欧拉角微分方程直接解算出pitch、roll、yaw 2、 概念直观，易于理解 3、 解算结果永远是正交的，无需再次正交化处理 |
1、 方程中有三角函数的运算，接超越函数有一定的困难 2、 当俯仰角接近90°时出现退化现象 |
1、 适应于水平姿态角变化不大的情况 2、 不适用于全姿态运载体 |
|
方向余弦法（9参数） |
1、 对姿态矩阵微分方程的求解，避免了欧拉角法中出现的退化现象 2、 可以全姿态运行 |
1、参数量过多，计算量大，实时性不好 |
很少在工程中使用 |
|
四元数法（4参数） |
1、 直接求解四元数微分方程 2、 只需要求解四个参数，计算量小 3、算法简单，易于操作 |
漂移比较严重 |
可以在实现过程中修正漂移，应用比较广泛 |
3）废话不多说，进入正题。上述算法主要就是利用加速度计和磁力计修正陀螺仪的误差，算法是使用了PI反馈控制器实现反馈修正的。如下图：
首先，东北天坐标系是n系（地理坐标系，参考坐标系），载体坐标系是b系，就是我们飞行器的坐标系。对于四元数法的姿态解算，需要求取的就是四元数的值；方向余弦矩阵（用于表示n系和b系的相对关系）中的元素本来应该是三角函数，这里由于使用四元数法，所以矩阵中的元素就成了四元数。所以姿态解算的任务就是求解由四元数构成的方向余弦矩阵nCb（nCb表示从b系到n的转换矩阵，同理，bCn表示从n系到b的转换矩阵，它们的关系是转置）。
显然，上述矩阵是有误差存在的。对于一个确定的向量n，用不同的坐标系表示时，他们所表示的大小和方向一定是相同的。但是由于这两个坐标系的转换矩阵存在误差，那么当一个向量经过这么一个有误差存在的旋转矩阵变换后，在另一个坐标系中肯定和理论值是有偏差的，我们通过这个偏差来修正这个旋转矩阵。这个旋转矩阵的元素是四元数，这就是说修正的就是四元数，于是乎姿态就这样被修正了，这才是姿态解算的原理。姿态解算求的是四元数，是通过修正旋转矩阵中的四元数来达到姿态解算的目的，而不要以为通过加速度计和地磁计来修正姿态，加速度计和地磁计只是测量工具和载体，通过这两个器件表征旋转矩阵的误差存在，然后通过算法修正误差，修正四元数，修正姿态。
加速度计修正pitch_roll
加速度计可以修正pitch_roll，但是我们必须要考虑离心加速度（centrifugalacceleration），离心加速度就等于旋转率向量（即gyro vector）和速度向量的叉积（没有原因，平均得来的并且还相当准确，速度可以用GPS获取）。我们假设飞机方向和X轴平行。
在机体上测得的重力的为：
Pitch_roll的旋转修正向量是由DCM的Z行与归一化以后的重力参考向量的叉积。
在n系中，加速度计输出为，经过bCn（用四元数表示的转换矩阵）转换之后到b系中的值为；在b系中，加速度计的测量值为，现在和均表示在b系中的竖直向下的向量，由此，我们来做向量积（叉积），得到误差，利用这个误差来修正bCn矩阵，于是四元数就在这样一个过程中被修正了。但是，由于加速度计无法感知z轴上的旋转运动，所以还需要用地磁计来进一步补偿。
PS：公式不好加，只能直接切图了~~~
加速度计在静止时测量的是重力加速度，是有大小和方向的；同理，地磁计同样测量的是地球磁场的大小和方向，只不过这个方向不再是竖直向下，而是与x轴（或者y轴）呈一个角度，与z轴呈一个角度。记作，假设x轴对准北边，所以by=0，即。倘若知道bx和bz的精确值，那么就可以采用和加速度计一样的修正方法来修正。只不过在加速度计中，在n系中的参考向量是，变成了地磁计的。
如果我们知道bx和bz的精确值，那么就可以摆脱掉加速度计的补偿，直接用地磁计和陀螺仪进行姿态解算，但是你看过谁只用陀螺仪和地磁计进行姿态解算吗？没有，因为没人会去测量当地的地磁场相对于东北天坐标的夹角，也就是bx和bz（插曲：关于这个bx和bz的理解：可以对比重力加速度的理解，就像vx vy vz似的，因为在每一处的归一化以后的重力加速度都是0 0 1然后旋转到机体坐标系，而地球每一处的地磁大小都不一样的，不能像重力加速度那样直接旋转得到了，只能用磁力计测量到的数据去强制拟合。）。
那么现在怎么办？前面已经讲了，姿态解算就是求解旋转矩阵，这个矩阵的作用就是将b系和n正确的转化直到重合。现在我们假设nCb旋转矩阵是经过加速度计校正后的矩阵，当某个确定的向量（b系中）经过这个矩阵旋转之后（到n系），这两个坐标系在XOY平面上重合（参考DCM IMU:Theory的Drift cancellation部分），只是在z轴旋转上会存在一个偏航角的误差。
下图表示的是经过nCb旋转之后的b系和n系的相对关系。可以明显发现加速度计可以把b系通过四元数法从任意角度拉到与n系水平的位置上，此时只剩下一个偏航角误差。这也是为什么加速度计无法修正偏航的原因。
此方式在数学上没有任何问题，但是由于地磁传感器极易受到各种干扰，而此算法又将地磁传感器所指示的方向过度的融入到了姿态当中，导致实际使用中数据会非常不稳定。怪不得crazypony的算法中没有使用磁力计修正YAW，这应该就是原因所在吧。
ardupilot源码分析
就理解了一个通过gyro_vector更新DCM的算法，这个应该是在renormalization直接就需要了解，可以前期没理解到底是干嘛的，现在补上；关于renormalization的算法可以参考上一篇博文。
姿态解算过程中不仅需要修正陀螺仪的各种errors，还需要实时的更新的DCM。上周一直没能理解的一个问题，在AP_AHRS_DCM.cpp中的matrix_update(delta_t)，就是实时更新DCM矩阵的，源码如下，这一部分研究了很久，需要的基础知识比较多。先上源码
// update the DCM matrix using only the gyros
Void AP_AHRS_DCM::matrix_update(float _G_Dt)
{
_omega.zero();
// average across first two healthy gyros. This reduces noise on
// systems with more than one gyro. We don't use the 3rd gyro
// unless another is unhealthy as 3rd gyro on PH2 has a lot more
// noise
uint8_t healthy_count = 0;
Vector3f delta_angle;
for (uint8_t i=0; i<_ins.get_gyro_count(); i++) {
if (_ins.get_gyro_health(i) && healthy_count < 2) {
Vector3f dangle;
if (_ins.get_delta_angle(i, dangle)) {
healthy_count++;
delta_angle += dangle;
}
}
}
if (healthy_count > 1) {
delta_angle /= healthy_count;
}
if (_G_Dt > 0) {
_omega = delta_angle / _G_Dt;
_omega += _omega_I;
_dcm_matrix.rotate((_omega + _omega_P + _omega_yaw_P) * _G_Dt);
}
}
首先就是通过陀螺仪获取两次gyro_vector，然后取平均以降低误差；然后就是比较专业的算法实现_dcm_matrix.rotate((_omega +_omega_P + _omega_yaw_P) * _G_Dt)了。进入到matrix3.cpp中有rotate()函数，该函数就是实现DCM更新的算法实现，算法主要是用陀螺仪的输出值与DCM矩阵的乘积再加回到DCM中去，处理过程中使用了离散化的概念，即dcm（k+1）=dcm（k）+增量，因为公式里有求导，必须离散化后才能计算机处理，感谢青龙的指导。
// apply an additional rotation from a body frame gyro vector
// to a rotation matrix.
template <typename T>
void Matrix3<T>::rotate(const Vector3<T> &g)
{
Matrix3<T> temp_matrix;
temp_matrix.a.x = a.y * g.z - a.z * g.y;
temp_matrix.a.y = a.z * g.x - a.x * g.z;
temp_matrix.a.z = a.x * g.y - a.y * g.x;
temp_matrix.b.x = b.y * g.z - b.z * g.y;
temp_matrix.b.y = b.z * g.x - b.x * g.z;
temp_matrix.b.z = b.x * g.y - b.y * g.x;
temp_matrix.c.x = c.y * g.z - c.z * g.y;
temp_matrix.c.y = c.z * g.x - c.x * g.z;
temp_matrix.c.z = c.x * g.y - c.y * g.x;
(*this) += temp_matrix;//增加累加到原始数据上
}
公式太多，没办法还是上图吧~~~
最后来一张神人做的图。（右键查看图，放大看）
算法的理解过程比较艰难，千万不能闭门造车，要多多交流，思想的碰撞才能产生出火花，多谢各位群友的无私帮助。通过上述的分析以后，对整个姿态解算过程有了整体的框架理解，接下来会结合上面算法的分析去分析ardupilot中关于姿态解算的源码，应该会理解的快一点了吧，希望如此
获取最新文章: 扫一扫右上角的二维码加入“创客智造”公众号