IMU數據校準完成後,還需要拿IMU各個軸的數據進行數據融合來得到三軸姿態角(roll、pitch、yaw)。姿態融合演算法有很多種,其中比較流行的有EKF姿態融合。
可想而知,要在移動機器人中使用IMU模塊的數據實現里程計融合或SLAM建圖,我們需要首先完成更底層的IMU誤差校準和姿態角融合兩個過程。遺憾的是,很多做上層演算法開發的小夥伴,對IMU模塊底層MCU級別的程序開發並不擅長,市面上售賣的IMU模塊大部分都不帶誤差校準和姿態角融合,有些內置了誤差校準和姿態角融合的IMU模塊價格又太過昂貴。期待不就的將來,能有帶誤差校準和姿態角融合的IMU模塊出現,而且價格又能被廣大機器人愛好者接受的好產品。
在移動機器人中,獲取機器人周圍障礙物和環境的輪廓形狀是非常重要的。使用激光雷達正是為了實現這個目的。利用掃描得到的障礙物信息,機器人就可以利用SLAM建立地圖、並進行避障和自主導航。激光雷達之所以流行,得益於它能夠精確的測距。主流的激光雷達基於兩種原理:一種是三角測距法,另一種是飛行時間(TOF)測距法。其實很好理解,就是利用了最基本的數學與物理知識。