11

当您使用 TYPE_MAGNETOMETER 传感器时,您将获得与设备方向相关的磁场强度 X、Y、Z 值。我想要得到的是将这些值转换为全局参考框架,澄清:用户拿起设备,测量这些值,然后将设备围绕任何轴旋转一些度并获得〜相同的值。请在下面找到类似的问题: 获取全局坐标中 的磁场值 如何获得磁场矢量,与设备旋转无关? 在这个答案中描述了示例解决方案(它用于线性加速,但我认为没关系):https ://stackoverflow.com/a/11614404/2152255 我用了它,我得到了 3 个值,X 总是很小(不要认为它是正确的),Y 和 Z 都可以,但是当我旋转设备时它们仍然发生了一些变化。怎么可能调整?可以全部解决吗?我使用简单的卡尔曼滤波器来近似测量值,因为没有它,即使设备根本没有移动/旋转,我也会得到不同的值。请在下面找到我的代码:

import android.app.Activity;
import android.hardware.Sensor;
import android.hardware.SensorEvent;
import android.hardware.SensorEventListener;
import android.hardware.SensorManager;
import android.opengl.Matrix;
import android.os.Bundle;
import android.view.View;
import android.widget.CheckBox;
import android.widget.TextView;
import com.test.statistics.filter.kalman.KalmanState;
import com.example.R;

/**
 * Activity for gathering magnetic field statistics.
 */
public class MagneticFieldStatisticsGatheringActivity extends Activity implements SensorEventListener {

    public static final int KALMAN_STATE_MAX_SIZE = 80;
    public static final double MEASUREMENT_NOISE = 5;

    /** Sensor manager. */
    private SensorManager mSensorManager;
    /** Magnetometer spec. */
    private TextView vendor;
    private TextView resolution;
    private TextView maximumRange;

    /** Magnetic field coordinates measurements. */
    private TextView magneticXTextView;
    private TextView magneticYTextView;
    private TextView magneticZTextView;

    /** Sensors. */
    private Sensor mAccelerometer;
    private Sensor mGeomagnetic;
    private float[] accelerometerValues;
    private float[] geomagneticValues;

    /** Flags. */
    private boolean specDefined = false;
    private boolean kalmanFiletring = false;

    /** Rates. */
    private float nanoTtoGRate = 0.00001f;
    private final int gToCountRate = 1000000;

    /** Kalman vars. */
    private KalmanState previousKalmanStateX;
    private KalmanState previousKalmanStateY;
    private KalmanState previousKalmanStateZ;
    private int previousKalmanStateCounter = 0;

    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.main2);
        mSensorManager = (SensorManager) getSystemService(SENSOR_SERVICE);

        mAccelerometer = mSensorManager.getDefaultSensor(Sensor.TYPE_ACCELEROMETER);
        mGeomagnetic = mSensorManager.getDefaultSensor(Sensor.TYPE_MAGNETIC_FIELD);

        vendor = (TextView) findViewById(R.id.vendor);
        resolution = (TextView) findViewById(R.id.resolution);
        maximumRange = (TextView) findViewById(R.id.maximumRange);

        magneticXTextView = (TextView) findViewById(R.id.magneticX);
        magneticYTextView = (TextView) findViewById(R.id.magneticY);
        magneticZTextView = (TextView) findViewById(R.id.magneticZ);

        mSensorManager.registerListener(this, mAccelerometer, SensorManager.SENSOR_DELAY_FASTEST);
        mSensorManager.registerListener(this, mGeomagnetic, SensorManager.SENSOR_DELAY_FASTEST);
    }

    /**
     * Refresh statistics.
     *
     * @param view - refresh button view.
     */
    public void onClickRefreshMagneticButton(View view) {
        resetKalmanFilter();
    }

    /**
     * Switch Kalman filtering on/off
     *
     * @param view - Klaman filetring switcher (checkbox)
     */
    public void onClickKalmanFilteringCheckBox(View view) {
        CheckBox kalmanFiltering = (CheckBox) view;
        this.kalmanFiletring = kalmanFiltering.isChecked();
    }

    @Override
    public void onSensorChanged(SensorEvent sensorEvent) {
        if (sensorEvent.accuracy == SensorManager.SENSOR_STATUS_UNRELIABLE) {
            return;
        }
        synchronized (this) {
            switch(sensorEvent.sensor.getType()){
                case Sensor.TYPE_ACCELEROMETER:
                    accelerometerValues = sensorEvent.values.clone();
                    break;
                case Sensor.TYPE_MAGNETIC_FIELD:
                    if (!specDefined) {
                        vendor.setText("Vendor: " + sensorEvent.sensor.getVendor() + " " + sensorEvent.sensor.getName());
                        float resolutionValue = sensorEvent.sensor.getResolution() * nanoTtoGRate;
                        resolution.setText("Resolution: " + resolutionValue);
                        float maximumRangeValue = sensorEvent.sensor.getMaximumRange() * nanoTtoGRate;
                        maximumRange.setText("Maximum range: " + maximumRangeValue);
                    }
                    geomagneticValues = sensorEvent.values.clone();
                    break;
            }
            if (accelerometerValues != null && geomagneticValues != null) {
                float[] Rs = new float[16];
                float[] I = new float[16];

                if (SensorManager.getRotationMatrix(Rs, I, accelerometerValues, geomagneticValues)) {

                    float[] RsInv = new float[16];
                    Matrix.invertM(RsInv, 0, Rs, 0);

                    float resultVec[] = new float[4];
                    float[] geomagneticValuesAdjusted = new float[4];
                    geomagneticValuesAdjusted[0] = geomagneticValues[0];
                    geomagneticValuesAdjusted[1] = geomagneticValues[1];
                    geomagneticValuesAdjusted[2] = geomagneticValues[2];
                    geomagneticValuesAdjusted[3] = 0;
                    Matrix.multiplyMV(resultVec, 0, RsInv, 0, geomagneticValuesAdjusted, 0);

                    for (int i = 0; i < resultVec.length; i++) {
                        resultVec[i] = resultVec[i] * nanoTtoGRate * gToCountRate;
                    }

                    if (kalmanFiletring) {

                        KalmanState currentKalmanStateX = new KalmanState(MEASUREMENT_NOISE, accelerometerValues[0], (double)resultVec[0], previousKalmanStateX);
                        previousKalmanStateX = currentKalmanStateX;

                        KalmanState currentKalmanStateY = new KalmanState(MEASUREMENT_NOISE, accelerometerValues[1], (double)resultVec[1], previousKalmanStateY);
                        previousKalmanStateY = currentKalmanStateY;

                        KalmanState currentKalmanStateZ = new KalmanState(MEASUREMENT_NOISE, accelerometerValues[2], (double)resultVec[2], previousKalmanStateZ);
                        previousKalmanStateZ = currentKalmanStateZ;

                        if (previousKalmanStateCounter == KALMAN_STATE_MAX_SIZE) {
                            magneticXTextView.setText("x: " + previousKalmanStateX.getX_estimate());
                            magneticYTextView.setText("y: " + previousKalmanStateY.getX_estimate());
                            magneticZTextView.setText("z: " + previousKalmanStateZ.getX_estimate());

                            resetKalmanFilter();
                        } else {
                            previousKalmanStateCounter++;
                        }

                    } else {
                        magneticXTextView.setText("x: " + resultVec[0]);
                        magneticYTextView.setText("y: " + resultVec[1]);
                        magneticZTextView.setText("z: " + resultVec[2]);
                    }
                }
            }
        }
    }

    private void resetKalmanFilter() {
        previousKalmanStateX = null;
        previousKalmanStateY = null;
        previousKalmanStateZ = null;
        previousKalmanStateCounter = 0;
    }

    @Override
    public void onAccuracyChanged(Sensor sensor, int i) {
    }
}

感谢所有阅读这篇文章并提前发布有关该问题的想法的人。

4

3 回答 3

24

在我对您上面提供的链接上的检查答案的评论中,我参考了真北计算加速度时的简单答案

让我在这里再次回答更多的澄清。答案是旋转矩阵磁场值的乘积。如果您进一步阅读“X 总是非常小”是正确的值。

加速度计和磁场传感器分别测量设备的加速度和设备所在位置的地球磁场。它们是 3 维空间中的向量,我们分别称它们为 am
如果您静止不动并旋转您的设备,假设周围物体没有磁干扰,理论上m不会改变(实际上m应该变化不大,如果您四处走动,因为地球的磁场在很短的距离内应该变化不大)。但是a确实会发生变化,即使在大多数情况下它不应该是激烈的。

现在 3 维空间中的向量v可以表示为相对于某个基(e_1e_2e_3 )的三元组(v_1、v_2、v_3 ),即v = v_1 e_1 + v_2 e_2 + v_3 e_3。(v_1, v_2, v_3) 称为v相对于基础 ( e_1 , e_2 , e_3 ) 的坐标。

在 Android 设备中,基础是 ( x , y , z ),对于大多数手机来说,x沿着较短的一侧并指向右侧,y沿着较长的一侧并指向上方,z垂直于屏幕并指向外面。
现在这个基础随着设备位置的变化而变化。可以将这些基础视为时间的函数(x (t), y (t), z (t)),在数学术语中它是一个移动坐标系。

因此即使m没有变化,但是由于基础不同,传感器返回的event.values是不同的(我稍后会讨论波动)。事实上,event.values是无用的,因为它为我们提供了坐标,但我们不知道基础是什么,即关于我们知道的某些基础。

现在的问题是:是否有可能找到am相对于固定世界基准(w_1w_2w_3)的坐标,其中w_1指向东方,w_2指向磁北, w_3指向天空?

答案是肯定的,前提是满足 2 个重要假设。
有了这两个假设,很容易计算(只是几个叉积)基矩阵R从基 ( x , y , z ) 到基 ( w_1 , w_2 , w_3 ) 的变化,在 Android 中称为旋转矩阵。然后向量v相对于基础 ( w_1 , w_2 , w_3 ) 的坐标通过将Rv相对于 ( x , y ) 的坐标相乘得到, z )。因此,m相对于世界坐标系的坐标只是旋转矩阵TYPE_MAGNETIC_FIELD传感器返回的 event.values 的乘积,对于a 也是如此。

在 android 中,旋转矩阵是通过调用getRotationMatrix (float[] R, float[] I, float[] Gravity, float[] geomagnetic)获得的,我们通常将返回的加速度计值传递给重力参数和磁场值地磁。

两个重要的假设是:
1-重力参数表示位于w_3中的向量,更具体地说,它是仅受重力影响的向量的负值。
因此,如果您在没有过滤的情况下传入加速度计值,则旋转矩阵将略微偏离。这就是为什么您需要对加速度计进行过滤,以便过滤值大约是负重力矢量。由于重力加速度是加速度计矢量中的主要因素,通常低通滤波器就足够了。
2-地磁参数表示位于由w_2w_3 个向量。那就是它位于北天位面。因此,就 ( w_1 , w_2 , w_3) 基础上,第一个坐标应该是 0。因此,上面所说的“X 总是很小”是正确的值,理想情况下应该是 0。现在磁场值会波动很大。这是意料之中的,就像普通的罗盘针如果你把它放在你的手中并且你的手有点颤抖,它就不会静止不动。此外,您可能会受到周围物体的干扰,在这种情况下,磁场值是不可预测的。我曾经测试我的指南针应用程序坐在“石头”桌子附近,我的指南针偏离了 90 多度,只有通过使用真正的指南针,我发现我的应用程序没有任何问题,并且“石头”桌子产生了真正的强磁场。
以重力为主导因素,您可以过滤加速度计值,但在没有任何其他知识的情况下,您如何拟合磁值?你怎么知道周围物体是否有干扰?

通过了解旋转矩阵,您可以做更多的事情,例如全面了解您的设备空间位置等。

于 2013-03-10T01:13:34.657 回答
8

按照上面的解释,这样做

private static final int TEST_GRAV = Sensor.TYPE_ACCELEROMETER;
private static final int TEST_MAG = Sensor.TYPE_MAGNETIC_FIELD;
private final float alpha = (float) 0.8;
private float gravity[] = new float[3];
private float magnetic[] = new float[3];

public void onSensorChanged(SensorEvent event) {
    Sensor sensor = event.sensor;
    if (sensor.getType() == TEST_GRAV) {
            // Isolate the force of gravity with the low-pass filter.
              gravity[0] = alpha * gravity[0] + (1 - alpha) * event.values[0];
              gravity[1] = alpha * gravity[1] + (1 - alpha) * event.values[1];
              gravity[2] = alpha * gravity[2] + (1 - alpha) * event.values[2];
    } else if (sensor.getType() == TEST_MAG) {

            magnetic[0] = event.values[0];
            magnetic[1] = event.values[1];
            magnetic[2] = event.values[2];

            float[] R = new float[9];
            float[] I = new float[9];
            SensorManager.getRotationMatrix(R, I, gravity, magnetic);
            float [] A_D = event.values.clone();
            float [] A_W = new float[3];
            A_W[0] = R[0] * A_D[0] + R[1] * A_D[1] + R[2] * A_D[2];
            A_W[1] = R[3] * A_D[0] + R[4] * A_D[1] + R[5] * A_D[2];
            A_W[2] = R[6] * A_D[0] + R[7] * A_D[1] + R[8] * A_D[2];

            Log.d("Field","\nX :"+A_W[0]+"\nY :"+A_W[1]+"\nZ :"+A_W[2]);

        }
    }
于 2015-08-13T21:48:19.700 回答
0

随机给出了一个我觉得比这里发布的更好的答案。

https://stackoverflow.com/a/16418016/4033525

它似乎SensorManager.getOrientation()无法正确转换为世界框架。

正确的代码是:

SensorManager.getRotationMatrix(gravityCompassRotationMatrix, inclinationValues, gravityValues, magnitudeValues);
SensorManager.remapCoordinateSystem(currentOrientationRotationMatrix.matrix, worldAxisX, worldAxisY, adjustedRotationMatrix);
float sin = adjustedRotationMatrix[1] - adjustedRotationMatrix[4];
float cos = adjustedRotationMatrix[0] + adjustedRotationMatrix[5];
float m_azimuth_radians = (float) (sin != 0 && cos != 0 ? Math.atan2(sin, cos) : 0);

于 2020-11-25T23:49:06.380 回答