Design and implementation of an inertial navigation system using Kalman filter

Abstract

The basis of this project is to be able to track a person in an outdoor environment. For this purpose, an Inertial Navigation System is proposed and the feasibility of its implementation is studied. The structure of the proposed INS is divided into four subsystems: hardware, signal filtering, signal processing and software. In the context of this project, no external references, such as GPS, can be used. This project is focused on the position and orientation calculation. First, the raw acceleration signals are filtered by three different methods: Kalman filter, Noise filter and Simple Average Moving filter, giving special emphasis to the Kalman filter. Next, the filtered signal is integrated by the trapezoidal rule. The position is obtained with great drift. An already proposed slow-pass filter is used to diminish the accumulated error obtained through the integration, improving the results, but not enough. Finally, the orientation is calculated implementing Kalman filter to subtract gravitational acceleration and obtain gravity-free acceleration. Results turn out to be unsatisfactory. The acceleration and angular velocity are obtained through Arduino UNO with an ATmega328p microcontroller and the six-axis sensor MPU6050. A 3D printed platform is used only for testing purposes and a rail is set up on the ground to compare more objectively the filters used. La base de este proyecto es poder rastrear a una persona en un ambiente al aire libre. Para este propósito, se propone un sistema de navegación inercial y se estudia la factibilidad de su implementación. La estructura del INS propuesto se divide en cuatro subsistemas: hardware, filtrado de señal, procesamiento de señal y software. En el contexto de este proyecto no se pueden usar referencias externas, como el GPS. Este proyecto se enfoca en el cálculo de posición y orientación. Primero, la señal de aceleración bruta es filtrada por tres métodos diferentes: filtro de Kalman, Noise filter y filtro de Media Móvil Simple, dando especial énfasis al filtro de Kalman. Luego, la señal filtrada se integra mediante la regla trapezoidal. La posición obtenida presenta altas desviaciones llamadas drift. Un filtro de paso lento ya propuesto se usa para disminuir el error acumulado que se obtiene a través de la integración, mejorando los resultados, pero no lo suficiente. Finalmente, la orientación se calcula implementando el filtro de Kalman para poder restar la aceleración gravitacional y obtener la aceleración libre de gravedad. Los resultados resultan ser insatisfactorios. La aceleración y la velocidad angular se obtienen a través de Arduino UNO con un microcontrolador ATmega328p y el sensor de seis ejes MPU6050. Una plataforma impresa en 3D es utilizada solo para fines de prueba y un riel es posicionado en el suelo para comparar de manera objetiva los filtros usados.