1. 研究目的与意义（文献综述包含参考文献）

一、课题研究目的及意义

利用imu模块进行姿态估计的方法广泛应用于惯性导航，例如，无人机，航天器，水下作业导航，无人驾驶技术，智能机器人等等。姿态估计作为惯性导航技术的核心技术之一，尤其在水下这类复杂多变极端恶劣的环境，使用姿态检测的导航技术能发挥其精度高，误差小的优势。探测器的姿态信息是工作人员需要获取的关键信息之一，它的精度决定了作业的准确性，是测量结果是否有效的重要因素。其基本原理是：探测器系统采集加速度计和陀螺仪的数据，并估算出物体的姿态，位置等信息。但加速度计不能提供水平方向的角度变化信息，不能精确修复陀螺仪漂移引起的水平方向的误差。所以，可在原有的陀螺仪和加速度计的基础上，再加入磁传感器修正水平偏航角，从而获得了的水平偏航角的精确性。但磁传感器较易受周围磁场大小的影响，所以研究的关键就在于通过合适的滤波算法，从而达到更精准，误差最小的要求。与姿态识别问题相区别的是，姿态估计获得的是一个高维度的向量，而不是某个类别的类标。因此这一类方法需要研究的是一个从多维度观测向量到多维姿态向量间相对应的映射，现阶段，这在机器学习领域中还是一个非常困难的问题。 imu（惯性测量单元）是安装在运载体上的惯性测量系统，它有很强的独立性，不依赖外界环境，能迅速而精确地测量位置，方向等各项参数，极大的提高了的作业效率。基于imu的姿态估计技术在惯性导航，机器人视觉和vr（虚拟现实）等很多领域都有应用。

2. 研究的基本内容、问题解决措施及方案

一、 本课题要研究或解决的主要问题

本课题需要研究一种方法将imu测量的原始数据，包括笛卡尔坐标系下三轴加速度，角速度和角度，数据获取，进行滤波和融合。从而得到用四元数表示的机器人姿态的精确估计值。设计系统的功能，利用imu模块和卡尔曼滤波实现数据融合与滤波功能。要求了解c/c 语言。

二、 本课题研究手段与内容