如何利用传感器融合增强设备性能

　　随着智能手机等功能强大的智能设备不断进步，新的应用层出不穷，系统开发经常跟不上不断变化的新要求。如今，诸如室内导航和增强现实等使用运动或位置数据的新应用，都要求用户接受原本是为简单游戏应用开发的、不太完美的传感器融合。但是，最终用户很容易发现这些实现具有相当多的缺点，并且精度很低。

　　传感器融合是一种创新的工程技术，通过整合来自各种系统传感器的数据，来保证更加精确、完整和可靠的传感器信号或感知信息。要想实现始终精确的传感器融合，工程师在决定如何优化整合来自这些传感器的数据之前，深入理解传感器的优缺点很重要。一种可成功实现的方法是使用基于加速度计、磁力计和陀螺仪等传感器信号的融合数据库，并通过补偿每种传感器的缺点，来提供高精度、可靠和稳定的方位数据。

　　随着最终用户不断接触到这些新的应用，他们希望能有更加精确和可靠的解决方案。将传感器用于在已知固定位置之间跟踪用户的室内导航与早期的GPS设备非常类似，只有质量优异的传感器融合，才可以提供所要求的逼真度、精度乃至用户信心。OEM厂商都明白这一点，因此大多数厂商都认为这是实现产品差异化的良好契机。

　　另外一个例子是从虚拟现实到增强现实的进步。在虚拟现实(VR)系统中，用户与现实世界相隔离，沉浸于一个人造世界中。而在增强现实(AR)系统中，用户仍能与现实世界相接触，同时又能与他们周围的虚拟物体进行互动。利用现有的技术，信息传送的延迟对用户来说是不能忍受的—增强现实中的这种错位可能导致非常糟糕的用户体验。

　　对OEM厂商和平台开发人员(即操作系统开发人员)来说，最大的挑战是需要确保所有器件都能提供满足这些应用稳定工作要求的性能。举例来说，安卓设备中有许多不同的软硬件组合，每种组合都会产生不同的输出质量。目前没有标准的测试程序，这意味着应用开发人员不能依靠安卓传感器数据在许多不同平台上实现相同的性能。以下是用运动跟踪摄像头系统分析和比较不同软硬件组合性能从而设定最小性能标准的建议。性能分析是通过测量系统的4个关键性能指标(KPI)实现的，这些指标是：静态精度、动态精度、方位稳定时间和校准时间。

　　摄像头系统通过跟踪物体上的标记根据物体(智能手机)的运动产生方位矢量，这些矢量再与手机中传感器创建的矢量进行比较。数据记录应用程序对这些矢量进行同时记录，该应用程序支持最终用户设备的直接比较。

　　本文将介绍智能手机环境中传感器融合的概念，讨论如何使用传感器融合软件提高总体精度，并介绍在许多旗舰智能手机上执行的、包括性能结果测量在内的一种测试方法。

　　文章所描述的融合库使用加速度计、磁力计和陀螺仪传感器信号补偿彼此的缺点，并提供高精度、可靠和稳定的方位数据。下面着重分析这些关键器件的优缺点，以及它们是如何补偿彼此缺点的(图1)。

　　图1：MEMS传感器的固有特性。

　　物体的方位描述了它在三维空间中是如何放置的，一般来说，方位是相对于一个坐标系中规定的参考系进行定义的。至少需要3个独立的值作为三维矢量的一部分，用于描述真正的方位。物体的所有点在旋转过程中都会改变它们的位置，位于旋转轴上的点除外。

　　磁力计

　　磁力计对干扰性的本地磁场和畸变高度敏感，它们容易造成计算得到的磁航向出现错误。陀螺仪可以用来在没有旋转记录的情况下检测这种干扰和航向变化。传感器融合随后通过给陀螺仪数据提供比磁力计数据更多的权重，就可以精确地进行补偿。

　　地球磁场的水平分量用于计算磁航向，而俯仰角和滚转角分别是沿着水平(X)和垂直(Y)轴的倾斜角。这些倾斜角影响XY轴方向的磁场。当设备不处于水平位置时，即倾斜角不是零时，航向计算将不正确。因此在利用加速度计，通过旋转XY平面对方位进行计算之前，确保这些倾斜角得到补偿很重要。