陀螺仪LSM6DSV16X与AI集成(3)----读取融合算法输出的四元数

2023-12-10 07:04
文章标签 算法 输出 ai 读取 集成 融合 陀螺仪 四元 lsm6dsv16x

本文主要是介绍陀螺仪LSM6DSV16X与AI集成(3)----读取融合算法输出的四元数，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

陀螺仪LSM6DSV16X与AI集成.2--姿态解算

  • 概述
  • 视频教学
  • 样品申请
  • 完整代码下载
  • 使用demo板
  • 生成STM32CUBEMX
  • 串口配置
  • IIC配置
  • CS和SA0设置
  • 串口重定向
  • 参考程序
  • 初始化SFLP步骤
  • 初始化SFLP
  • 读取四元数数据
  • 演示

概述

LSM6DSV16X 特性涉及到的是一种低功耗的传感器融合算法（Sensor Fusion Low Power, SFLP）.
低功耗传感器融合（SFLP）算法：
该算法旨在以节能的方式结合加速度计和陀螺仪的数据。传感器融合算法通过结合不同传感器的优势，提供更准确、可靠的数据。
6轴游戏旋转向量：
SFLP算法能够生成游戏旋转向量。这种向量是一种表示设备在空间中方向的数据，特别适用于游戏和增强现实应用，这些应用中理解设备的方向和运动非常关键。
四元数表示法：
旋转向量以四元数的形式表示。四元数是一种编码3D旋转的方法，它避免了欧拉角等其他表示法的一些限制（如万向节锁）。一个四元数有四个分量（X, Y, Z 和 W），其中 X, Y, Z 代表向量部分，W 代表标量部分。
FIFO存储：
四元数的 X, Y, Z 分量存储在 LSM6DSV16X 的 FIFO（先进先出）缓冲区中。FIFO 缓冲区是一种数据存储方式，允许临时存储传感器数据。这对于有效管理数据流非常有用，特别是在数据处理可能不如数据收集那么快的系统中。

最近在弄ST和瑞萨RA的课程，需要样片的可以加群申请：615061293 。
在这里插入图片描述

图片包含了关于 LSM6DSV16X 传感器的低功耗传感器融合（Sensor Fusion Low Power, SFLP）功能的说明。这里是对图片内容的解释：
SFLP 功能：

  1. SFLP 单元用于生成基于加速度计和陀螺仪数据处理的以下数据：
  2. 游戏旋转向量：以四元数形式表示设备的姿态。
  3. 重力向量：提供一个三维向量，表示重力方向。
  4. 陀螺仪偏差：提供一个三维向量，表示陀螺仪的偏差。
    激活与重置：
  5. 通过在 EMB_FUNC_EN_A（04h）嵌入式功能寄存器中设置 SFLP_GAME_EN 位为 1 来激活 SFLP 单元。
  6. 通过在 EMB_FUNC_INIT_A（66h）嵌入式功能寄存器中设置 SFLP_GAME_INIT 位为 1 来重置 SFLP 单元。
    性能参数表：
    表格展示了 SFLP 功能在不同情况下的性能，包括静态精度、低动态精度和高动态精度，以及校准时间和方向稳定时间。这些参数反映了传感器在不同运动状态下的精确度和响应速度。
    在这里插入图片描述

视频教学

https://www.bilibili.com/video/BV1Jw41187c5/

陀螺仪LSM6DSV16X与AI集成(3)----读取融合算法输出的四元数

样品申请

https://www.wjx.top/vm/OhcKxJk.aspx#

完整代码下载

使用demo板

最近在弄ST和瑞萨RA的课程，需要样片的可以加群申请：615061293 。
在这里插入图片描述

生成STM32CUBEMX

用STM32CUBEMX生成例程，这里使用MCU为STM32WB55RG。
配置时钟树，配置时钟为32M。

在这里插入图片描述

串口配置

查看原理图，PB6和PB7设置为开发板的串口。

在这里插入图片描述
配置串口。

在这里插入图片描述

IIC配置

在这里插入图片描述
配置IIC为快速模式，速度为400k。
在这里插入图片描述

CS和SA0设置

在这里插入图片描述

串口重定向

打开魔术棒，勾选MicroLIB

在这里插入图片描述

在main.c中，添加头文件，若不添加会出现 identifier “FILE” is undefined报错。

/* USER CODE BEGIN Includes */
#include "stdio.h"
/* USER CODE END Includes */

函数声明和串口重定向：

/* USER CODE BEGIN PFP */
int fputc(int ch, FILE *f){HAL_UART_Transmit(&huart1 , (uint8_t *)&ch, 1, 0xFFFF);return ch;
}
/* USER CODE END PFP */

参考程序

https://github.com/stm32duino/LSM6DSV16X/blob/main/examples/LSM6DSV16X_Sensor_Fusion/LSM6DSV16X_Sensor_Fusion.ino

初始化SFLP步骤

启用 LSM6DSV16X 传感器中的旋转向量低功耗传感器融合（Rotation Vector SFLP）功能的步骤。旋转向量是一个四元数，它提供了一个精确的设备姿态估计。这通常用于游戏控制、增强现实和虚拟现实等应用。下面是函数各部分的作用：

  1. 函数定义：LSM6DSV16XSensor_Enable_Rotation_Vector 旨在启用旋转向量功能，并返回操作的结果。如果成功，返回 0；如果出现错误，则返回错误代码。
  2. 设置满量程：函数首先设置加速度计和陀螺仪的满量程，这是传感器能够测量的最大范围。这里分别设置为 4g 和 2000 度每秒（dps）。
  3. 获取 FIFO SFLP 设置：然后，它读取当前的 FIFO SFLP（传感器融合低功耗）配置。
  4. 启用旋转向量 SFLP 特性：通过将 fifo_sflp.game_rotation 设为 1 来启用游戏旋转向量功能。
  5. 设置 FIFO 模式：将 FIFO 设置为流模式（也称为连续模式），在此模式下，数据持续地流入 FIFO，如果 FIFO 满了，新数据会覆盖旧数据。
  6. 设置数据输出率：为加速度计和陀螺仪以及 SFLP 设置数据输出率（ODR），在这里都设置为每秒 120 次采样（120Hz）。
  7. 启用 SFLP 低功耗模式：最后，启用 SFLP 游戏旋转向量特性，确保以低功耗模式运行。

初始化SFLP

开启嵌入式函数访问需要向 FUNC_CFG_ACCESS (01h)的EMB_FUNC_REG_ACCESS写入1进行开启。
在这里插入图片描述
在这里插入图片描述

/*** @brief  Change memory bank.[set]** @param  ctx      read / write interface definitions* @param  val      MAIN_MEM_BANK, EMBED_FUNC_MEM_BANK,* @retval          interface status (MANDATORY: return 0 -> no Error)**/
int32_t lsm6dsv16x_mem_bank_set(stmdev_ctx_t *ctx, lsm6dsv16x_mem_bank_t val)
{lsm6dsv16x_func_cfg_access_t func_cfg_access;int32_t ret;ret = lsm6dsv16x_read_reg(ctx, LSM6DSV16X_FUNC_CFG_ACCESS, (uint8_t *)&func_cfg_access, 1);if (ret != 0) { return ret; }func_cfg_access.shub_reg_access = ((uint8_t)val & 0x02U) >> 1;func_cfg_access.emb_func_reg_access = (uint8_t)val & 0x01U;ret = lsm6dsv16x_write_reg(ctx, LSM6DSV16X_FUNC_CFG_ACCESS, (uint8_t *)&func_cfg_access, 1);return ret;
}

SFLP_GAME_FIFO_EN 是 LSM6DSV16X 传感器中 EMB_FUNC_FIFO_EN_A（44h）寄存器的一个设置位。这个特定的位用于控制是否启用将 SFLP（Sensor Fusion Low Power）算法计算出的游戏旋转向量（四元数）值存储到 FIFO（先进先出）缓冲区中的功能。当这个位被设置为 1 时，启用了这个功能，使得算法计算出的游戏旋转向量可以批量存储到 FIFO 缓冲区中。默认值为 0，表示该功能默认是禁用的。

在这里插入图片描述

在这里插入图片描述

LSM6DSV16X 传感器的 FIFO_CTRL4 (0Ah) 寄存器配置信息。这个寄存器控制着 FIFO（先进先出）缓冲区的各种操作和数据批处理（batching）的设置。
连续模式，如果 FIFO 已满，新采集的样本会覆盖旧样本。

在这里插入图片描述

在这里插入图片描述

在AN5763手册中，也说明了融合数据会输出在FIFO中，同时有如下的输出速率，我们可以配置默认的速率。
在这里插入图片描述
在这里插入图片描述

最后对EMB_FUNC_EN_A (04h) 寄存器的SFLP_GAME_EN设置为1。

在这里插入图片描述
在这里插入图片描述

读取四元数数据

FIFO_STATUS1（1Bh）和 FIFO_STATUS2（1Ch）寄存器中的 DIFF_FIFO [8:0] 字段包含在 FIFO 中收集的字（1 字节标签 + 6 字节数据）的数量。
在这里插入图片描述
在这里插入图片描述

    /* Read watermark flag */status=lsm6dsv16x_fifo_status_get(&dev_ctx, &fifo_status);// Check the number of samples inside FIFOif (status != LSM6DSV16X_OK) {printf("LSM6DSV16X Sensor failed to get number of samples inside FIFO");while (1);}fifo_samples = fifo_status.fifo_level;

之后需要通过FIFO_DATA_OUT_TAG (78h)判断是什么数据准备好，当为SFLP game rotation vector(0X13)时候，为四元数准备完毕。

在这里插入图片描述
之后读取FIFO_DATA_OUT_X_L (79h)到FIFO_DATA_OUT_Z_H (7Eh)共6个字节数据，进行四元数读取。

在这里插入图片描述

最后转换为姿态角。

  /* Infinite loop *//* USER CODE BEGIN WHILE */while (1){uint16_t fifo_samples;lsm6dsv16x_fifo_out_raw_t f_data;/* Read watermark flag */status=lsm6dsv16x_fifo_status_get(&dev_ctx, &fifo_status);// Check the number of samples inside FIFOif (status != LSM6DSV16X_OK) {printf("LSM6DSV16X Sensor failed to get number of samples inside FIFO");while (1);}fifo_samples = fifo_status.fifo_level;// Read the FIFO if there is one stored sampleif (fifo_samples > 0) {for (int i = 0; i < fifo_samples; i++) {lsm6dsv16x_fifo_out_raw_get(&dev_ctx,&f_data);if(f_data.tag==LSM6DSV16X_SFLP_GAME_ROTATION_VECTOR_TAG){LSM6DSV16XSensor_FIFO_Get_Rotation_Vector(&dev_ctx,&quaternions[0]);// Print Quaternion data
//        printf("Quaternion: %.4lf,%.4lf,%.4lf,%.4lf\n",quaternions[3],quaternions[0],quaternions[1],quaternions[2]);	q0=quaternions[3];q1=quaternions[0];q2=quaternions[1];q3=quaternions[2];Pitch  = asin(2 * q2 * q3 + 2 * q0* q1)* 57.3; // pitch ,转换为度数Roll = atan2(-2 * q1 * q3 + 2 * q0 * q2, q0*q0-q1*q1-q2*q2+q3*q3)* 57.3; // rollvYaw = atan2(2*(q1*q2 - q0*q3),q0*q0-q1*q1+q2*q2-q3*q3) * 57.3;   //偏移太大，			Roll=Roll*100;Pitch=Pitch*100;Yaw=Yaw*100;data_angular_rate_raw[8]=(int16_t)Roll>>8;//rolldata_angular_rate_raw[7]=(int16_t)Roll;data_angular_rate_raw[10]=(int16_t)Pitch>>8;//pitchdata_angular_rate_raw[9]=(int16_t)Pitch;data_angular_rate_raw[12]=(int16_t)Yaw>>8;//yawdata_angular_rate_raw[11]=(int16_t)Yaw;sumcheck = 0;addcheck = 0;for(uint16_t i=0; i < 14; i++){sumcheck += data_angular_rate_raw[i]; //从帧头开始，对每一字节进行求和，直到 DATA 区结束addcheck += sumcheck; //每一字节的求和操作，进行一次 sumcheck 的累加}data_angular_rate_raw[14]=sumcheck;data_angular_rate_raw[15]=addcheck;HAL_UART_Transmit(&huart1 , (uint8_t *)&data_angular_rate_raw, 16, 0xFFFF);	
//				printf("Roll=%.2f,Pitch=%.2f,Yaw=%.2f\n",Roll,Pitch,Yaw);				}}}HAL_Delay(10);/* USER CODE END WHILE *//* USER CODE BEGIN 3 */}/* USER CODE END 3 */

演示

在这里插入图片描述

这篇关于陀螺仪LSM6DSV16X与AI集成(3)----读取融合算法输出的四元数的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/476362。

相关文章

揭秘未来艺术：AI绘画工具全面介绍

揭秘未来艺术：AI绘画工具全面介绍

📑前言 随着科技的飞速发展，人工智能（AI）已经逐渐渗透到我们生活的方方面面。在艺术创作领域，AI技术同样展现出了其独特的魅力。今天，我们就来一起探索这个神秘而引人入胜的领域，深入了解AI绘画工具的奥秘及其为艺术创作带来的革命性变革。 一、AI绘画工具的崛起 1.1 颠覆传统绘画模式 在过去，绘画是艺术家们通过手中的画笔，蘸取颜料，在画布上自由挥洒的创造性过程。然而，随着AI绘画工
阅读更多...
一份LLM资源清单围观技术大佬的日常；手把手教你在美国搭建「百万卡」AI数据中心；为啥大模型做不好简单的数学计算？ | ShowMeAI日报

一份LLM资源清单围观技术大佬的日常；手把手教你在美国搭建「百万卡」AI数据中心；为啥大模型做不好简单的数学计算？ | ShowMeAI日报

👀日报&周刊合集 | 🎡ShowMeAI官网 | 🧡 点赞关注评论拜托啦！ 1. 为啥大模型做不好简单的数学计算？从大模型高考数学成绩不及格说起 司南评测体系 OpenCompass 选取 7 个大模型 (6 个开源模型+ GPT-4o)，组织参与了 2024 年高考「新课标I卷」的语文、数学、英语考试，然后由经验丰富的判卷老师评判得分。 结果如上图所
阅读更多...
AI儿童绘本创作

AI儿童绘本创作

之前分享过AI儿童绘画的项目，但是主要问题是角色一致要花费很长的时间！ 今天发现了这款，非常奈斯！ 只需输入故事主题、风格、模板，软件就会自动创作故事内容，自动生成插画配图，自动根据模板生成成品，测试效果如下图。 变现方式：生成儿童绘本发布到各平台，吸引宝妈群体进私域。  百度网盘 请输入提取码百度网盘为您提供文件的网络备份、同步和分享服务。空间大、速度快、安全
阅读更多...
JAVA读取MongoDB中的二进制图片并显示在页面上

JAVA读取MongoDB中的二进制图片并显示在页面上

1：Jsp页面： <td><img src="${ctx}/mongoImg/show"></td> 2：xml配置： <?xml version="1.0" encoding="UTF-8"?><beans xmlns="http://www.springframework.org/schema/beans"xmlns:xsi="http://www.w3.org/2001
阅读更多...
SpringBoot集成Netty，Handler中@Autowired注解为空

SpringBoot集成Netty，Handler中@Autowired注解为空

最近建了个技术交流群，然后好多小伙伴都问关于Netty的问题，尤其今天的问题最特殊，功能大概是要在Netty接收消息时把数据写入数据库，那个小伙伴用的是 Spring Boot + MyBatis + Netty，所以就碰到了Handler中@Autowired注解为空的问题 参考了一些大神的博文，Spring Boot非controller使用@Autowired注解注入为null的问题，得到
阅读更多...
vue项目集成CanvasEditor实现Word在线编辑器

vue项目集成CanvasEditor实现Word在线编辑器

CanvasEditor实现Word在线编辑器 官网文档：https://hufe.club/canvas-editor-docs/guide/schema.html 源码地址：https://github.com/Hufe921/canvas-editor 前提声明： 由于CanvasEditor目前不支持vue、react 等框架开箱即用版，所以需要我们去Git下载源码，拿到其中两个主
阅读更多...
代码随想录算法训练营：12/60

代码随想录算法训练营：12/60

非科班学习算法day12 | LeetCode150:逆波兰表达式 ，Leetcode239: 滑动窗口最大值  目录 介绍 一、基础概念补充： 1.c++字符串转为数字 1. std::stoi, std::stol, std::stoll, std::stoul, std::stoull（最常用） 2. std::stringstream 3. std::atoi, std
阅读更多...
人工智能机器学习算法总结神经网络算法(前向及反向传播)

人工智能机器学习算法总结神经网络算法(前向及反向传播)

1.定义，意义和优缺点 定义: 神经网络算法是一种模仿人类大脑神经元之间连接方式的机器学习算法。通过多层神经元的组合和激活函数的非线性转换，神经网络能够学习数据的特征和模式，实现对复杂数据的建模和预测。(我们可以借助人类的神经元模型来更好的帮助我们理解该算法的本质，不过这里需要说明的是，虽然名字是神经网络，并且结构等等也是借鉴了神经网络，但其原型以及算法本质上还和生物层面的神经网络运行原理存在
阅读更多...
人工和AI大语言模型成本对比 ai语音模型

人工和AI大语言模型成本对比 ai语音模型

这里既有AI，又有生活大道理，无数渺小的思考填满了一生。 上一专题搭建了一套GMM-HMM系统，来识别连续0123456789的英文语音。 但若不是仅针对数字，而是所有普通词汇，可能达到十几万个词，解码过程将非常复杂，识别结果组合太多，识别结果不会理想。因此只有声学模型是完全不够的，需要引入语言模型来约束识别结果。让“今天天气很好”的概率高于“今天天汽很好”的概率，得到声学模型概率高，又符合表达
阅读更多...
智能客服到个人助理，国内AI大模型如何改变我们的生活？

智能客服到个人助理，国内AI大模型如何改变我们的生活？

引言 随着人工智能（AI）技术的高速发展，AI大模型越来越多地出现在我们的日常生活和工作中。国内的AI大模型在过去几年里取得了显著的进展，不少独创的技术点和实际应用令人瞩目。 那么，国内的AI大模型有哪些独创的技术点？它们在实际应用中又有哪些出色表现呢？此外，普通人又该如何利用这些大模型提升工作和生活的质量和效率呢？本文将为你一一解析。 一、国内AI大模型的独创技术点 多模态学习 多
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2