Madgwick Filtresi
Madgwick IMU and AHRS Algorithms · Ayrıca şöyle bilinir: Madgwick AHRS, gradient descent attitude filter
Madgwick Filtresi, ivmesel ölçümleri (ivmeölçer, jiroskop) manyetik ölçümlerle (manyetometre) birleştirerek bir kuaterniyon yönelimi hesaplayan hesaplama açısından hafif bir duruş tahmin algoritmasıdır. Sebastian Madgwick tarafından 2010 yılında tanıtılan algoritma, ölçülen ve beklenen sensör çıktıları arasındaki hatayı en aza indirmek için gradyan iniş optimizasyonunu kullanır ve minimum hesaplama maliyetiyle yerleşik sistemlerde doğru, kayımsız duruş tahminleri sağlar. Madgwick Filtresi artık tüketici elektroniği, robotik ve havacılık sistemlerinde yaygın olarak kullanılmaktadır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Hafif, gerçek zamanlı duruş tahminine ihtiyaç duyduğunuzda kaynak kısıtlı cihazlarda (mikrodenetleyiciler, cep telefonları, giyilebilir cihazlar) Madgwick Filtresini kullanın. Kalman Filtresi karmaşıklığının aşırı olduğu uygulamalar için idealdir. İç ve dış mekanlarda, araçlarda, dronlarda ve giyilebilir cihazlarda etkilidir. 9-DOF IMU'nuz olduğunda ve birden fazla Kalman Filtresi parametresini ayarlamaktan kaçınmak istediğinizde dağıtın. Tüketici elektroniği, hobi robotik ve gerçek zamanlı kontrol sistemleri için kullanın.
Güçlü yönler & sınırlılıklar
- Minimum hesaplama maliyeti; < 100 satır kodla uygulanır; mikrodenetleyicilerde ve mobil işlemcilerde çalışır.
- Matrisler veya karmaşık lineer cebir gerektirmez; yalnızca kuaterniyon cebiri ve nokta çarpımları.
- IMU yalnızca (6-DOF) ve MARG (9-DOF) varyantları sağlar; mevcut sensörlere uyarlanabilir.
- Tek ayar parametresi (beta) özelleştirmeyi kolaylaştırır; kovaryans matrisleri veya matris tersleri yoktur.
- Sezgiseldir, optimal değildir; Kalman Filtresi gibi resmi bir maliyet fonksiyonunu en aza indirmez.
- Performans kritik olarak beta'ya (adım boyutu) bağlıdır; sensör kalitesi veya hareket değişirse otomatik adaptasyon yoktur.
- Manyetometre bozulması başlığı bozabilir; manuel kalibrasyon gerektirir; kötü ölçümleri otomatik olarak algılamaz veya reddetmez.
- Büyük ivmelenmeler (MARG varyantında) ivmeölçerin yerçekimiyle hizalanmaması nedeniyle geçici hatalara neden olur; filtre kurtarma sezgiseldir, prensipli değildir.
SSS
Beta parametresini nasıl seçerim?
Beta, gradyan iniş düzeltmesinin oranını kontrol eder. Beta = 0.041 (Madgwick'in kullandığı değer) ile başlayın. Filtre yavaşsa (harekete tepki vermekte gecikiyorsa), beta'yı artırın (0.1–0.5'e kadar). Filtre salınım yapıyorsa veya sapıyorsa, beta'yı düşürün (0.01'e kadar). Bilinen hareketlere verilen duruş tepkisini izleyerek ampirik olarak ayarlayın.
IMU (6-DOF) ve MARG (9-DOF) varyantları arasındaki fark nedir?
IMU varyantı yalnızca ivmeölçer ve jiroskop kullanır; yuvarlanma ve eğim sağlar ancak referans olmadan sapma kayar. MARG varyantı mutlak sapma için manyetometre ekler; kararlı 3-DOF duruş sağlar ancak manyetik bozulmaya duyarlıdır. Kısa süreli uçuşlar için IMU kullanın; sabit veya yavaş navigasyon için MARG kullanın.
Madgwick Filtresini 32-bit bir mikrodenetleyicide çalıştırabilir miyim?
Evet. Algoritma çok verimlidir; ARM Cortex-M4, onu 200+ Hz'de çalıştırabilir. 8-bit mikrodenetleyiciler bile (kayan nokta kütüphaneleriyle) 50+ Hz'i yönetebilir. Performans saat hızına ve kayan nokta desteğine bağlıdır. Sabit nokta aritmetiği ile çok daha yavaş işlemcilere ölçeklenir.
Manyetik bozulmayı nasıl tespit ederim?
Manyetometre büyüklüğünü izleyin; Dünya'nın alanı ~50 mikro-Tesla'dır; daha büyük sapma bozulmayı gösterir. Pusula yönünü (manyetometreden) jiroskop entegrasyonundan gelen yönle karşılaştırın; büyük anlaşmazlık bozulma sinyali verir. Azaltma: bozulma sırasında geçici olarak manyetometre güncellemelerini yok sayın veya ağırlığını azaltın (bazı varyantlarda daha düşük beta_m).
Kaynaklar
- Madgwick, S. O. H., Harrison, A. J. L., & Vaidyanathan, R. (2011). Estimation of IMU and MARG orientation using a gradient descent algorithm. IEEE International Conference on Rehabilitation Robotics (ICORR), 1–7. link ↗
- Madgwick, S. O. H. (2010). An efficient orientation filter for inertial and inertial/magnetic sensor arrays. Report x-io Technologies, University of Bristol, UK. link ↗
- Sabatini, A. M. (2006). Quaternion-based extended Kalman filter for determining orientation by inertial and magnetic sensing. IEEE Transactions on Biomedical Engineering, 53(7), 1346–1356. DOI: 10.1109/TBME.2006.875664 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Madgwick IMU and AHRS Algorithms. ScholarGate. https://scholargate.app/tr/aerospace/madgwick-filter
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Mahony FiltresiHavacılık ve uzay↔ karşılaştır
- Kuaterniyon YönelimiHavacılık ve uzay↔ karşılaştır