三軸加速度計(jì)傳感器軸轉(zhuǎn)換研究

邱光耀

【摘 要】在三軸加速度計(jì)的數(shù)據(jù)應(yīng)用上，三軸方向的確定非常重要，只有實(shí)時(shí)確定三軸方向才可以推算出物體的空間變換方式。軸轉(zhuǎn)換計(jì)算方式一直是三軸加速度計(jì)數(shù)據(jù)處理的重要問題。本文提出通過磁傳感器進(jìn)行輔助計(jì)算，利用坐標(biāo)轉(zhuǎn)換計(jì)算的方式將三軸加速度計(jì)的數(shù)據(jù)進(jìn)行軸轉(zhuǎn)換，將實(shí)時(shí)三軸數(shù)據(jù)轉(zhuǎn)換為大地坐標(biāo)系下的數(shù)據(jù)。該軸轉(zhuǎn)換方式計(jì)算簡(jiǎn)單，轉(zhuǎn)換準(zhǔn)確，在基于三軸加速度的研究中有重要的應(yīng)用價(jià)值。

【關(guān)鍵詞】三軸加速度計(jì);軸轉(zhuǎn)換;大地坐標(biāo)系

前言：

基于三軸加速度計(jì)進(jìn)行的研究有很多，最常見應(yīng)用方式是通過三軸加速度計(jì)采集動(dòng)作加速度數(shù)據(jù)進(jìn)行動(dòng)作分析。例如孫子文等人[1]通過三軸加速度計(jì)進(jìn)行跌倒檢測(cè)。Eduardo 和Marcin 等人[2，3]通過加速度計(jì)采集動(dòng)作數(shù)據(jù)庫。任磊[4]和黃衍標(biāo)[5]進(jìn)行動(dòng)作數(shù)據(jù)識(shí)別。在三軸數(shù)據(jù)方向的確定上，利用慣性導(dǎo)航系統(tǒng)的研究有很多，如Bulling[6]，Kunze[7]，Jin [8]等人。然而這些研究在數(shù)據(jù)轉(zhuǎn)換準(zhǔn)確性與計(jì)算量上均存在不足?；诖耍疚奶岢隽艘粋€(gè)基于磁傳感器輔助的軸轉(zhuǎn)換方案，該方案以大地坐標(biāo)系作為框架，解算速度快，彌補(bǔ)了現(xiàn)有研究的不足。

三軸加速度計(jì)工作原理

三軸加速度傳感器（Three Axis Accelerometer）可以檢測(cè)物體的加速狀態(tài)，通過測(cè)量三個(gè)坐標(biāo)方向的加速度值判斷物體移動(dòng)方向，返回一個(gè)加速度值的時(shí)間序列數(shù)值，單位是 m/s2。具體計(jì)算公式如式（2.1）-（2.4）所示：

軸轉(zhuǎn)換計(jì)算方式

本文提出的轉(zhuǎn)轉(zhuǎn)換計(jì)算方式通過將原三軸數(shù)據(jù)進(jìn)行歐拉角變換，通過大地坐標(biāo)系框架進(jìn)行矢量方向表示。其轉(zhuǎn)換原理為歐拉角能夠用來描述任意旋轉(zhuǎn)，對(duì)于任何參考系，一個(gè)剛體的取向，都可以依照旋轉(zhuǎn)順序來進(jìn)行轉(zhuǎn)換。借鑒這種思想和剛體坐標(biāo)系與參考坐標(biāo)系之間互相轉(zhuǎn)換方法，可以計(jì)算出參考坐標(biāo)系下的三軸加速度數(shù)據(jù)。磁傳感器測(cè)量微特斯拉的磁場(chǎng)，它可與加速度計(jì)結(jié)合使用，以確定相對(duì)于北方的方向。通過對(duì)旋轉(zhuǎn)矩陣的正交性進(jìn)行數(shù)值校正，結(jié)合高通低通濾波器可以獲得更準(zhǔn)確的數(shù)據(jù)。計(jì)算方式如下：

其中C=cos，S=sin，y為偏航角，p為俯仰角，r為橫滾角。x，y，z為軸轉(zhuǎn)換之前的三軸加速度數(shù)據(jù)，X，Y，Z為軸轉(zhuǎn)換后的加速度數(shù)據(jù)。

結(jié)論

本文通過引入輔助磁傳感器數(shù)據(jù)進(jìn)行三軸加速度方向的軸轉(zhuǎn)換計(jì)算，與傳統(tǒng)方法相比，該方法降低了三軸加速度計(jì)定位誤差中的數(shù)字誤差和偏置誤差。通過簡(jiǎn)單的矩陣轉(zhuǎn)換計(jì)算即可實(shí)現(xiàn)大地坐標(biāo)系框架下三軸矢量加速度值的轉(zhuǎn)換，本文對(duì)于使用加速度計(jì)的研究而言有很強(qiáng)的實(shí)用價(jià)值。

參考文獻(xiàn)：

[1]孫子文，孫曉雯. 基于加速度傳感器的人體跌倒檢測(cè)方法[J]. 計(jì)算機(jī)工程與科學(xué)，2017，39（2）：330-335.

[2]Sucerquia A，Lopez J D，Vargas-Bonilla J F. SisFall：A Fall and Movement Dataset[J]. Sensors（Basel），2017，17（1）.

[3]Casilari E，A.Santoyo-Ramón J，M.Cano-García J. UMAFall：A Multisensor Dataset for the Research on Automatic Fall Detection[J]. Procedia Computer Science，2017，110（2017）：32–39.

[4]任磊，周金海，吳祥飛. 移動(dòng)設(shè)備佩戴位置自適應(yīng)識(shí)別的跌倒檢測(cè)方法[J]. 計(jì)算機(jī)工程與應(yīng)用，2018，54（21）：7-12.

[5]黃衍標(biāo)，陳華珍，黃鍵鵬. 基于腕部可穿戴設(shè)備的跌倒監(jiān)護(hù)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 計(jì)算機(jī)測(cè)量與控制，2019，27（1）：102-106.

[6]Bulling A，Blanke U，Schiele B. A tutorial on human activity recognition using body-worn inertial sensors[J]. ACM Computing Surveys，2014，46（3）：1-33.

[7]Kunze K，Lukowicz P，Partridge K，et al. Which Way Am I Facing：Inferring Horizontal Device Orientation from an Accelerometer Signal[J]，2009：149-150.

[8]Yunye Jin，Hong-Song Toh，Wee-Seng Soh，et al. A robust dead-reckoning pedestrian tracking system with low[C]. IEEE International Conference on Pervasive Computing and Communications，2011.

（作者單位：河北工業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院）