.. _sec_localization: 定位系统：让无人机知道”我在哪” ============================== **本节学习目标** - 理解定位系统在无人机中的作用，掌握”我在哪”这一核心问题的技术解决方案 - 掌握IMU、GPS、UWB、动作捕捉等定位硬件的工作原理与核心参数 - 学会根据应用场景选择合适的定位方案 - 在Gazebo中配置定位传感器并读取ROS话题数据 为什么需要定位系统？ -------------------- 想象一下，你闭上眼睛在一个陌生的房间里走动——你很快就会撞到墙壁或家具。这是因为你失去了两种关键信息：\ **位置**\ （我在哪）和\ **姿态**\ （我朝向哪）。 无人机面临同样的问题。与地面机器人不同，无人机在三维空间中飞行，没有固定的参照物。如果不知道自己的位置和姿态，无人机就无法： - 保持稳定悬停（会漂移） - 按照规划路径飞行（会偏离） - 安全降落到指定地点（会坠毁） **人体类比**\ ：定位系统相当于人的\ **前庭系统**\ 和\ **小脑**\ 。前庭系统感知头部的加速度和旋转，小脑整合这些信息来维持平衡。当你转圈后突然停下，会感到眩晕——这就是前庭系统暂时”校准失败”的结果。 定位系统需要回答的三个问题 ~~~~~~~~~~~~~~~~~~~~~~~~~~ +--------------+-------------------+---------------------------------------+--------------------+ | 问题 | 技术术语 | 数学表示 | 解决方案 | +==============+===================+=======================================+====================+ | 我在哪？ | 位置（Position） | :math:`(x, y, z)` | GPS、UWB、视觉定位 | +--------------+-------------------+---------------------------------------+--------------------+ | 我朝向哪？ | 姿态（Attitude） | :math:`(\phi, \theta, \psi)`\ （Roll, | IMU、磁力计 | | | | Pitch, Yaw） | | +--------------+-------------------+---------------------------------------+--------------------+ | 我在怎么动？ | 速度（Velocity） | :math:`(v_x, v_y, v_z)` | IMU积分、光流 | +--------------+-------------------+---------------------------------------+--------------------+ .. **知识拓展**\ ：姿态的三个角度 - **横滚角（Roll, :math:`\phi`\ ）**\ ：绕机体X轴旋转，控制无人机左右倾斜 - **俯仰角（Pitch, :math:`\theta`\ ）**\ ：绕机体Y轴旋转，控制无人机前后倾斜 - **偏航角（Yaw, :math:`\psi`\ ）**\ ：绕机体Z轴旋转，控制无人机航向 惯性测量单元（IMU）：感知自身运动 --------------------------------- IMU（Inertial Measurement Unit，惯性测量单元）是无人机最基础、最重要的定位传感器。它不依赖外部信号，仅通过测量自身的加速度和角速度来推算位置和姿态。 IMU的组成 ~~~~~~~~~ 一个典型的IMU包含以下传感器： +--------------------+--------------------------------------+----------------------+----------------------+ | 传感器 | 测量物理量 | 单位 | 用途 | +====================+======================================+======================+======================+ | 三轴加速度计 | 线加速度 :math:`a_x, a_y, a_z` | :math:`\text{m/s}^2` | 测量重力和运动加速度 | | | | 或 :math:`g` | | +--------------------+--------------------------------------+----------------------+----------------------+ | 三轴陀螺仪 | 角速度 | :math:`°/\text{s}` | 测量旋转速率 | | | :math:`\omega_x, \omega_y, \omega_z` | 或 | | | | | :math:`\text{rad/s}` | | +--------------------+--------------------------------------+----------------------+----------------------+ | 三轴磁力计（可选） | 磁场强度 :math:`B_x, B_y, B_z` | :math:`\mu\text{T}` | 提供绝对航向参考 | +--------------------+--------------------------------------+----------------------+----------------------+ IMU的工作原理 ~~~~~~~~~~~~~ **加速度计**\ 利用MEMS（微机电系统）技术，通过测量微小质量块在加速时产生的位移来计算加速度。其核心原理基于牛顿第二定律： .. math:: F = ma 在静止状态下，加速度计测量的是重力加速度。当无人机运动时，测量值是重力加速度与运动加速度的叠加。 **陀螺仪**\ 基于科里奥利效应（Coriolis Effect）。当振动质量块在旋转参考系中运动时，会产生与旋转角速度成正比的科里奥利力： .. math:: F_c = 2m(\omega \times v) 其中 :math:`m` 是质量，\ :math:`\omega` 是角速度矢量，\ :math:`v` 是振动速度矢量。 从IMU数据到位置：积分过程 ~~~~~~~~~~~~~~~~~~~~~~~~~ IMU无法直接测量位置，需要通过积分运算： .. math:: \text{角速度} \xrightarrow{\int} \text{姿态} \xrightarrow{} \text{加速度（机体系→世界系）} \xrightarrow{\int} \text{速度} \xrightarrow{\int} \text{位置} 用数学公式表示： **姿态更新**\ （简化的欧拉角积分）： .. math:: \begin{aligned} \phi(t) &= \phi(t-1) + \omega_x \cdot \Delta t \\ \theta(t) &= \theta(t-1) + \omega_y \cdot \Delta t \\ \psi(t) &= \psi(t-1) + \omega_z \cdot \Delta t \end{aligned} **速度更新**\ ： .. math:: v(t) = v(t-1) + a \cdot \Delta t **位置更新**\ ： .. math:: p(t) = p(t-1) + v \cdot \Delta t **警告**\ ：积分漂移问题 由于传感器噪声和偏置误差的存在，每次积分都会累积误差。这就是著名的\ **积分漂移（Drift）**\ 问题。即使是高精度的IMU，纯惯性导航在几分钟后位置误差就可能达到数米甚至数十米。因此，IMU通常需要与GPS、视觉等外部传感器融合使用。 Pixhawk 6C的IMU配置 ~~~~~~~~~~~~~~~~~~~ Pixhawk 6C飞控板集成了冗余IMU设计，包含以下传感器： +-------------+-------+-------------------+----------------------------+---------------------------+ | IMU芯片 | 类型 | 加速度量程 | 陀螺仪量程 | 特点 | +=============+=======+===================+============================+===========================+ | ICM-42688-P | 6轴 | ±2/±4/±8/±16 | ±250/±500/±1000/±2000 °/s | 主IMU，高性能，低噪声 | | | | :math:`g` | | | +-------------+-------+-------------------+----------------------------+---------------------------+ | BMI055 | 6轴 | ±2/±4/±8/±16 | ±125/±250/±500/±1000/±2000 | 备份IMU，低噪声，冗余保障 | | | | :math:`g` | °/s | | +-------------+-------+-------------------+----------------------------+---------------------------+ **为什么需要双IMU？** 冗余设计提高了系统可靠性。当一个IMU出现故障或数据异常时，飞控可以自动切换到备份IMU，确保飞行安全。此外，Pixhawk 6C的IMU模块还配备了\ **温控加热电阻**\ 和\ **振动隔离系统**\ ，以减少温度漂移和机械振动对测量精度的影响。 IMU选型的核心参数 ~~~~~~~~~~~~~~~~~ +------------------+------------------------+-------------------------------------------------+------------------------------+ | 参数 | 含义 | 典型值范围 | 对无人机的影响 | +==================+========================+=================================================+==============================+ | 噪声密度（Noise | 传感器输出中的随机噪声 | 加速度计：100-400 μg/√Hz；陀螺仪：0.004-0.01 | 影响姿态估计的平滑度 | | Density） | | °/s/√Hz | | +------------------+------------------------+-------------------------------------------------+------------------------------+ | 零偏稳定性（Bias | 零输入时输出的漂移 | 加速度计：10-50 μg；陀螺仪：1-10 °/h | 影响长时间积分精度 | | Stability） | | | | +------------------+------------------------+-------------------------------------------------+------------------------------+ | 量程（Full Scale | 可测量的最大值 | 加速度计：±2g\ :sub:`±16g；陀螺仪：±250`\ ±2000 | 需覆盖无人机的机动范围 | | Range） | | °/s | | +------------------+------------------------+-------------------------------------------------+------------------------------+ | 采样率（Sample | 每秒输出数据的次数 | 100Hz-8kHz | 影响控制响应速度 | | Rate） | | | | +------------------+------------------------+-------------------------------------------------+------------------------------+ .. **选型建议**\ ：对于消费级无人机，±8g加速度量程和±2000°/s陀螺仪量程是常见配置，可以覆盖大多数飞行机动。 全球卫星导航系统（GNSS）：室外绝对定位 -------------------------------------- GNSS（Global Navigation Satellite System，全球卫星导航系统）是室外无人机获取绝对位置的主要手段。常见的GNSS系统包括： ============== ============= ======== ============ 系统名称 所属国家/地区 卫星数量 覆盖范围 ============== ============= ======== ============ GPS 美国 31颗 全球 GLONASS 俄罗斯 24颗 全球 Galileo 欧盟 30颗 全球 北斗（BeiDou） 中国 55颗 全球（三代） ============== ============= ======== ============ GNSS定位原理 ~~~~~~~~~~~~ GNSS定位基于\ **到达时间测量（Time of Arrival, ToA）**\ 原理。接收机同时接收多颗卫星的信号，通过测量信号传播时间计算与每颗卫星的距离（伪距），再利用三边测量法确定位置。 **伪距计算公式**\ ： .. math:: \rho_i = c \cdot (t_r - t_s^i) = r_i + c \cdot \delta t_r + \epsilon_i 其中： - :math:`\rho_i` 是到第 :math:`i` 颗卫星的伪距 - :math:`c` 是光速（约 :math:`3 \times 10^8` m/s） - :math:`t_r` 是接收机时间，\ :math:`t_s^i` 是卫星发射时间 - :math:`r_i` 是真实距离 - :math:`\delta t_r` 是接收机钟差 - :math:`\epsilon_i` 是测量误差 由于存在接收机钟差这个未知数，定位至少需要4颗卫星：3个位置坐标 + 1个时间偏差。 GPS定位精度等级 ~~~~~~~~~~~~~~~ =============== ======== ======== ================ 定位方式 水平精度 垂直精度 典型应用 =============== ======== ======== ================ 单点定位（SPP） 1-5 m 2-10 m 消费级无人机导航 差分GPS（DGPS） 0.5-2 m 1-3 m 农业植保无人机 RTK GPS 1-3 cm 2-5 cm 测绘、精准农业 PPK GPS 1-3 cm 2-5 cm 航测、后处理 =============== ======== ======== ================ RTK GPS：厘米级定位 ~~~~~~~~~~~~~~~~~~~ RTK（Real-Time Kinematic，实时动态差分）是目前无人机获取厘米级定位精度的主流方案。 **RTK工作原理**\ ： 1. **基站**\ ：架设在已知精确坐标的位置，持续接收卫星信号 2. **流动站**\ ：安装在无人机上的GPS接收机 3. **数据链**\ ：基站通过电台或网络将校正数据实时发送给流动站 4. **差分解算**\ ：流动站利用校正数据消除大气延迟、卫星轨道误差等共性误差 **RTK的两种工作模式**\ ： =============== ====== ======== ====== 模式 精度 解算时间 可靠性 =============== ====== ======== ====== 浮点解（Float） 分米级 即时 较低 固定解（Fixed） 厘米级 10-60秒 高 =============== ====== ======== ====== .. **应用场景**\ ：RTK GPS适用于测绘航拍、精准农业喷洒、电力巡线等需要高精度定位的场景。但其缺点是需要额外的基站设备，增加了系统复杂度和成本。 Pixhawk 6C常用GPS模块 ~~~~~~~~~~~~~~~~~~~~~ +---------+---------------+--------------------------+---------------+-----------+ | 模块 | GNSS芯片 | 支持系统 | 定位精度 | 更新率 | +=========+===============+==========================+===============+===========+ | u-blox | M8N | GPS/GLONASS/Galileo/北斗 | 2.5m CEP | 10Hz | | NEO-M8N | | | | | +---------+---------------+--------------------------+---------------+-----------+ | u-blox | F9P | GPS/GLONASS/Galileo/北斗 | 1cm + | 20Hz | | ZED-F9P | | | 1ppm（RTK） | | +---------+---------------+--------------------------+---------------+-----------+ | HERE3 | M8P | GPS/GLONASS | 2.5m / | 8Hz | | | | | 1cm（RTK） | | +---------+---------------+--------------------------+---------------+-----------+ 室内定位方案 ------------ GPS信号在室内环境中会被建筑物遮挡和反射，无法提供可靠的定位。室内无人机需要采用其他定位方案。 UWB超宽带定位 ~~~~~~~~~~~~~ UWB（Ultra-Wideband，超宽带）是一种基于脉冲信号的无线定位技术，特别适合室内环境。 **UWB定位原理**\ ： UWB系统由固定的\ **锚点（Anchor）**\ 和移动的\ **标签（Tag）**\ 组成。标签发射超短脉冲信号，锚点接收后通过以下方法计算位置： 1. **双边测距（TWR, Two-Way Ranging）**\ ：标签与锚点之间进行信号往返，测量飞行时间 2. **到达时间差（TDoA, Time Difference of Arrival）**\ ：多个锚点同时接收信号，利用时间差定位 **TWR测距公式**\ ： .. math:: d = \frac{c \cdot (T_{round} - T_{reply})}{2} 其中 :math:`T_{round}` 是往返时间，\ :math:`T_{reply}` 是应答处理延迟。 **UWB系统特点**\ ： ========== ========================= 特点 说明 ========== ========================= 定位精度 10-30 cm（典型值） 更新率 10-100 Hz 覆盖范围 单锚点10-50m，系统可扩展 抗干扰能力 强，不受WiFi、蓝牙干扰 部署要求 需要至少4个锚点实现3D定位 ========== ========================= **常用UWB模块**\ ： ================== ======== ======== ============================ 产品 芯片方案 定位精度 特点 ================== ======== ======== ============================ Nooploop LinkTrack DW1000 ±10cm 支持伪GPS输出，可直接替代GPS Pozyx DW1000 ±10cm 开源友好，ROS支持良好 Decawave DWM1001 DW1000 ±10cm 开发套件丰富，性价比高 ================== ======== ======== ============================ 动作捕捉系统（Motion Capture） ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 动作捕捉系统是实验室环境下精度最高的定位方案，常用于无人机算法研究和室内集群飞行。 **工作原理**\ ： 1. 在被跟踪物体上安装反光标记球（Marker） 2. 多台红外相机同时拍摄标记球 3. 通过多视角几何计算标记球的三维坐标 4. 根据标记球的空间配置识别和跟踪刚体 **主流动作捕捉系统**\ ： +-----------+---------------+----------------------------------+-----------+---------------+ | 系统 | 定位精度 | 覆盖范围 | 更新率 | 参考价格 | +===========+===============+==================================+===========+===============+ | OptiTrack | < 0.3mm | 可扩展至 | 120-360Hz | $15,000+ | | | | :math:`10m \times 10m \times 5m` | | | +-----------+---------------+----------------------------------+-----------+---------------+ | Vicon | < 0.5mm | 可扩展 | 100-330Hz | $50,000+ | +-----------+---------------+----------------------------------+-----------+---------------+ | NOKOV | < 0.5mm | 可扩展 | 100-340Hz | $20,000+ | +-----------+---------------+----------------------------------+-----------+---------------+ .. **为什么研究人员喜欢使用动作捕捉？** - **亚毫米级精度**\ ：可以作为其他定位系统的”真值”（Ground Truth） - **高更新率**\ ：适合高速运动跟踪 - **低延迟**\ ：通常 < 20ms，适合实时控制 - **多目标跟踪**\ ：可同时跟踪数十个无人机 定位方案对比 ~~~~~~~~~~~~ =========== ======= ========= ============== ==== ====== 方案 精度 更新率 环境 成本 复杂度 =========== ======= ========= ============== ==== ====== GPS（单点） 1-5m 1-10Hz 室外 低 低 RTK GPS 1-3cm 10-20Hz 室外 中 中 UWB 10-30cm 10-100Hz 室内 中 中 动作捕捉 < 1mm 100-360Hz 室内（实验室） 高 高 视觉SLAM 1-10cm 10-30Hz 室内外 低 高 =========== ======= ========= ============== ==== ====== 数据接口与ROS话题 ----------------- 定位传感器通过特定的接口与飞控或机载计算机通信。 硬件接口类型 ~~~~~~~~~~~~ ======== ============ =============== 传感器 常用接口 数据协议 ======== ============ =============== IMU SPI / I2C 寄存器读取 GPS UART（串口） NMEA-0183 / UBX UWB UART / USB 自定义协议 动作捕捉 以太网 VRPN / NatNet ======== ============ =============== ROS中的定位相关话题 ~~~~~~~~~~~~~~~~~~~ 在Prometheus仿真环境中，定位数据通过以下ROS话题发布： +-------------------------------------------+--------------------------------+-------------------------------------------+-----------+ | 话题名称 | 消息类型 | 内容 | 频率 | +===========================================+================================+===========================================+===========+ | ``/mavros/imu/data`` | ``sensor_msgs/Imu`` | IMU原始数据（加速度、角速度、姿态四元数） | 50-200Hz | +-------------------------------------------+--------------------------------+-------------------------------------------+-----------+ | ``/mavros/global_position/global`` | ``sensor_msgs/NavSatFix`` | GPS全球坐标（经度、纬度、高度） | 1-10Hz | +-------------------------------------------+--------------------------------+-------------------------------------------+-----------+ | ``/mavros/local_position/pose`` | ``geometry_msgs/PoseStamped`` | 本地位置和姿态 | 30-50Hz | +-------------------------------------------+--------------------------------+-------------------------------------------+-----------+ | ``/mavros/local_position/velocity_local`` | ``geometry_msgs/TwistStamped`` | 本地速度 | 30-50Hz | +-------------------------------------------+--------------------------------+-------------------------------------------+-----------+ IMU消息结构解析 ~~~~~~~~~~~~~~~ ``sensor_msgs/Imu`` 消息包含以下字段： :: std_msgs/Header header # 时间戳和坐标系 geometry_msgs/Quaternion orientation # 姿态四元数 (x, y, z, w) float64[9] orientation_covariance # 姿态协方差 geometry_msgs/Vector3 angular_velocity # 角速度 (rad/s) float64[9] angular_velocity_covariance # 角速度协方差 geometry_msgs/Vector3 linear_acceleration # 线加速度 (m/s²) float64[9] linear_acceleration_covariance # 加速度协方差 **四元数到欧拉角的转换公式**\ ： .. math:: \begin{aligned} \phi &= \arctan2(2(qw \cdot qx + qy \cdot qz), 1 - 2(qx^2 + qy^2)) \\ \theta &= \arcsin(2(qw \cdot qy - qz \cdot qx)) \\ \psi &= \arctan2(2(qw \cdot qz + qx \cdot qy), 1 - 2(qy^2 + qz^2)) \end{aligned} 动手实践：读取Gazebo中的定位数据 -------------------------------- 现在让我们在Gazebo仿真环境中实际操作，读取和理解定位传感器的数据。 实验一：查看IMU原始数据 ~~~~~~~~~~~~~~~~~~~~~~~ **步骤1**\ ：启动仿真环境 .. raw:: latex \diilbookstyleinputcell .. code:: bash roslaunch prometheus_gazebo sitl_indoor_1uav_P450.launch **步骤2**\ ：查看IMU话题列表 .. raw:: latex \diilbookstyleinputcell .. code:: bash rostopic list | grep imu 预期输出： :: /mavros/imu/data /mavros/imu/data_raw /mavros/imu/diff_pressure /mavros/imu/mag /mavros/imu/static_pressure /mavros/imu/temperature_imu **步骤3**\ ：实时显示IMU数据 .. raw:: latex \diilbookstyleinputcell .. code:: bash rostopic echo /mavros/imu/data 观察输出中的以下字段： - ``orientation``\ ：姿态四元数 - ``angular_velocity``\ ：角速度（rad/s） - ``linear_acceleration``\ ：线加速度（m/s²） **思考**\ ：当无人机静止在地面时，\ ``linear_acceleration.z`` 的值约为多少？为什么？ 实验二：将四元数转换为欧拉角 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 创建一个Python脚本来实时显示无人机的姿态角： .. raw:: latex \diilbookstyleinputcell .. code:: python #!/usr/bin/env python # -*- coding: utf-8 -*- """ 文件名: imu_euler_display.py 功能: 订阅IMU数据，将四元数转换为欧拉角并显示 """ import rospy from sensor_msgs.msg import Imu import math def quaternion_to_euler(q): """ 将四元数转换为欧拉角（ZYX顺序） 参数: q: 四元数对象，包含x, y, z, w属性 返回: roll, pitch, yaw: 欧拉角（单位：度） """ # Roll (x-axis rotation) sinr_cosp = 2 * (q.w * q.x + q.y * q.z) cosr_cosp = 1 - 2 * (q.x * q.x + q.y * q.y) roll = math.atan2(sinr_cosp, cosr_cosp) # Pitch (y-axis rotation) sinp = 2 * (q.w * q.y - q.z * q.x) if abs(sinp) >= 1: pitch = math.copysign(math.pi / 2, sinp) # 万向锁处理 else: pitch = math.asin(sinp) # Yaw (z-axis rotation) siny_cosp = 2 * (q.w * q.z + q.x * q.y) cosy_cosp = 1 - 2 * (q.y * q.y + q.z * q.z) yaw = math.atan2(siny_cosp, cosy_cosp) # 转换为度 return math.degrees(roll), math.degrees(pitch), math.degrees(yaw) def imu_callback(msg): """IMU数据回调函数""" roll, pitch, yaw = quaternion_to_euler(msg.orientation) # 清屏并显示 print("\033[2J\033[H") # ANSI转义码：清屏并移动光标到左上角 print("=" * 50) print(" 无人机姿态实时显示") print("=" * 50) print(f"横滚角 (Roll) : {roll:8.2f}°") print(f"俯仰角 (Pitch): {pitch:8.2f}°") print(f"偏航角 (Yaw) : {yaw:8.2f}°") print("-" * 50) print(f"角速度 X: {math.degrees(msg.angular_velocity.x):8.2f} °/s") print(f"角速度 Y: {math.degrees(msg.angular_velocity.y):8.2f} °/s") print(f"角速度 Z: {math.degrees(msg.angular_velocity.z):8.2f} °/s") print("-" * 50) print(f"加速度 X: {msg.linear_acceleration.x:8.2f} m/s²") print(f"加速度 Y: {msg.linear_acceleration.y:8.2f} m/s²") print(f"加速度 Z: {msg.linear_acceleration.z:8.2f} m/s²") print("=" * 50) print("按 Ctrl+C 退出") def main(): rospy.init_node('imu_euler_display', anonymous=True) rospy.Subscriber('/mavros/imu/data', Imu, imu_callback) rospy.spin() if __name__ == '__main__': try: main() except rospy.ROSInterruptException: pass **运行脚本**\ ： .. raw:: latex \diilbookstyleinputcell .. code:: bash chmod +x imu_euler_display.py python imu_euler_display.py 实验三：查看GPS/本地位置数据 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~ **查看GPS全球坐标**\ ： .. raw:: latex \diilbookstyleinputcell .. code:: bash rostopic echo /mavros/global_position/global 输出示例： .. raw:: latex \diilbookstyleinputcell .. code:: yaml latitude: 47.3977421 longitude: 8.5455933 altitude: 535.4 **查看本地位置（ENU坐标系）**\ ： .. raw:: latex \diilbookstyleinputcell .. code:: bash rostopic echo /mavros/local_position/pose 输出示例： .. raw:: latex \diilbookstyleinputcell .. code:: yaml pose: position: x: 0.0234 y: -0.0156 z: 0.0892 orientation: x: 0.0012 y: -0.0008 z: 0.0034 w: 0.9999 实验四：可视化位置轨迹 ~~~~~~~~~~~~~~~~~~~~~~ 使用\ ``rqt_plot``\ 实时绘制位置曲线： .. raw:: latex \diilbookstyleinputcell .. code:: bash rqt_plot /mavros/local_position/pose/pose/position/x \ /mavros/local_position/pose/pose/position/y \ /mavros/local_position/pose/pose/position/z 或者使用RViz进行三维可视化： .. raw:: latex \diilbookstyleinputcell .. code:: bash rviz 在RViz中： 1. 设置Fixed Frame为\ ``map`` 2. 添加\ ``PoseStamped``\ 显示，话题选择\ ``/mavros/local_position/pose`` 3. 添加\ ``TF``\ 显示以查看坐标系关系 Gazebo中的IMU模型配置（选读） ----------------------------- 在Gazebo仿真中，IMU通过SDF/URDF文件配置。以下是P450模型中IMU的典型配置： .. raw:: latex \diilbookstyleinputcell .. code:: xml / mavros/imu/data base_link 200.0 0.0 0 0 0 0 0 0 **关键参数说明**\ ： ================= ================== ===================== 参数 含义 建议值 ================= ================== ===================== ``updateRateHZ`` 数据发布频率 50-400 Hz ``gaussianNoise`` 高斯噪声标准差 0-0.01（仿真可设为0） ``xyzOffset`` 传感器安装位置偏移 根据实际安装位置设置 ``rpyOffset`` 传感器安装角度偏移 根据实际安装角度设置 ================= ================== ===================== 如果要模拟真实IMU的噪声特性，可以添加以下配置： .. raw:: latex \diilbookstyleinputcell .. code:: xml true 200 0.0 0.0002 0.0 0.017 小结 ---- 本节我们学习了无人机定位系统的核心内容： 1. **定位系统的作用**\ ：回答”我在哪”、“我朝向哪”、“我怎么动”三个问题 2. **IMU**\ ：通过加速度计和陀螺仪感知自身运动，是姿态估计的核心，但存在积分漂移问题 3. **GNSS/GPS**\ ：室外绝对定位的主要手段，RTK可达厘米级精度 4. **室内定位**\ ：UWB适合通用室内场景，动作捕捉适合实验室研究 5. **数据接口**\ ：通过ROS话题获取定位数据，理解消息结构 **核心要点**\ ： - 单一定位方案都有局限性，实际系统通常融合多种传感器 - 精度与成本、复杂度之间需要权衡 - 理解传感器原理和参数有助于故障诊断和系统优化 练习题 ------ 基础题 ~~~~~~ 1. **判断题**\ ：IMU可以直接测量无人机的位置。（ ） 2. **填空题**\ ：Pixhawk 6C配备了双IMU冗余设计，主IMU型号是\_\_\_\_\_\_，备份IMU型号是\_\_\_\_\_\_。 3. **选择题**\ ：以下哪种定位方案精度最高？ - A. 单点GPS - B. RTK GPS - C. UWB - D. 动作捕捉系统 4. **计算题**\ ：某GPS接收机测得到卫星A的信号传播时间为0.07秒，计算该接收机到卫星A的伪距。（光速 :math:`c = 3 \times 10^8` m/s） 进阶题 ~~~~~~ 5. **实践题**\ ：编写一个ROS节点，订阅\ ``/mavros/local_position/pose``\ 话题，计算并打印无人机相对于起飞点的水平距离： .. math:: d_{horizontal} = \sqrt{x^2 + y^2} 6. **分析题**\ ：为什么高精度的IMU仍然需要与GPS融合使用？请从误差累积的角度分析。 思考题 ~~~~~~ 7. 如果你需要设计一套用于仓库盘点的无人机定位系统，应该选择什么方案？请说明理由。 8. 动作捕捉系统虽然精度极高，但为什么不适合实际的无人机产品部署？