Although current data fusion techniques for estimating 3D orientation using a magnetic, angular rate, and gravity (MARG) sensor show high accuracy under static motion, the accuracy is deteriorated under dynamic motion due to the external acceleration and change of magnetic dip angle. This study proposes a 3D orientation estimation method based on constrained extended Kalman filtering to overcome the external acceleration and varying magnetic dip angle problems under dynamic motion. The proposed method estimates the external acceleration and change of magnetic dip angle and constrains the norm of the DCM to unit vector to estimate directional cosine matrix (DCM). A series of lab scale experiments were conducted to verify the accuracy and the results were compared to other approaches: (1) a conventional extended Kalman filter, (2) a complimentary filter based on a gradient descent algorithm (Madgwick algorithm), (3) an extended Kalman filter based on a switching approach (4) an extended Kalman filter based on an acceleration model approach. While the proposed method had the accuracy similar to other approaches under static motion, it showed better performance under dynamic motion.
Keywords: 3D orientation, Constrained extended Kalman filter, MARG sensor, Data fusion
지구 자기장, 각속도, 가속도를 계측하는 MARG 센서를 활용한 기존 자세 추정 기법들은 정적 움직임 하에서 높은 정확도를 보이지만, 동적 움직임 하에서는 외부 가속도와 자기 복각의 변화로 인하여 오차가 발생한다. 본 연구에서는 제약 확장칼만필터를 통하여 외부 가속도와 자기 복각의 변화에도 강인한 정확도를 갖는 자세 추정 기법을 소개한다. 본 방법은 확장칼만필터를 통하여 외부 가속도와 자기 복각 변화량 추정하고, 방향 코사인 행렬을 구속하여 동적 움직임 하에서도 정확한 자세를 추정한다. 본 방법의 자세 추정 성능을 검증하기 위하여 실험실 규모 실험을 수행하였으며, 기존 기법들 (확장칼만필터, Madgwick 알고리즘, 적응 확장칼만필터) 과 계측 성능을 비교하였다. 실험을 통하여 정적 움직임 하에서는 기존 기법들과 비슷한 수준의 자세 추정 정확도를 갖지만, 동적 움직임하에서는 더 우수한 성능을 보임을 확인하였다.
