在消费者界面中实现准确的运动跟踪

文章：查尔斯·帕

我们的生活已经通过便携式，连接的小工具改造 - 最显然是智能手机，也是众多的智能手机，如智能手表，健身跟踪器和听力。这些设备将数据收集与处理电源和无线连接相结合。

但是，在所有其他特征中，它很容易忽视运动传感器的重要性，使我们的小工具更具功能性和直观。无论是在手机上更改屏幕方向，计算SmartWatch上的步骤，与我们的XR眼镜匹配我们的头部运动，或攻丝耳塞以改变歌曲，运动感测是用户体验和接口的重要组成部分。

对于嵌入式工程师来说，选择和集成运动传感器可能很棘手。如何确保您选择正确的技术以获得所需的准确性，而不会不必要地增加成本或功耗？您应该如何确保您充分利用传感器，并且不要错过可能改善您最终产品的性能或功能？

运动传感器基本面

首先，快速回顾我们通过运动传感器的意思。有三种常用的：加速度计，陀螺和磁力计。

加速度计测量加速度，这可以包括由于重力引起的加速度。这意味着它可以感测重力相对于传感器 - 基本上是哪种方式。陀螺仪通过测量角速度来测量角度位置的变化。

对于每个加速度计和陀螺仪的三度自由度或轴，组合两者都给我们提供6轴运动传感器或惯性测量单元（IMU）（参见图1）。对于许多应用，我们需要添加磁力计，测量地球磁场的强度和方向，因此我们可以估计我们的标题。在加速度计和陀螺仪上添加3轴磁力计可创建9轴IMU。

出于这篇文章的目的，我们将讨论IMUS。虽然我们讨论的某些物业可以应用于加速度计，陀螺仪或磁力计，但它们组合至少两个这些传感器的挑战是我们想要阐明的内容。

图1：与IMU的运动感应（来源：CEVA）

保持准确

所以现在我们提醒自己的理论，它在实践中如何工作？我们如何获得所需的准确性？

对于IMU，确定我们的设备标题中所实现的准确性是我们可以从中启动的基本指标。我们的要求可能在一两年内，而另一个申请可以接受较低的准确性。例如，XR耳机的精度要求将比儿童机器人玩具的准确性更严格。然后，我们应该考虑这种数据的稳定性，以及它是否会随时间和温度而变化。

获得IMU的最高精度输出需要使用传感器融合，这是组合来自多个传感器的数据的概念，以创建大于其部件的总和。我们的IMU的每个传感器都有不同的优势和弱点融合为此解决方案。

考虑传感器融合的一种方法是将其基于“信任”。在这种情况下，我们可以使用“信任”表示来自特定传感器的数据对于其准确性和相关性具有合理的置信度。说你是一个国家的总统，并必须确定政策。您有经济，健康和军事顾问。每个人都给你输入，但他们都知道不同的区域。他们猜测他们的意见如何影响他们的同行，而是唉，他们只是猜测。由您来处理并将其信息融入最佳决定。

同样，您有两个或三个“顾问”您可以从IMU中呼吁进行定向数据：加速度计，陀螺仪，有时是磁力计。陀螺仪是最容易解释的。消费级陀螺仪可以信任相对取向在短时间内的相对取向变化，但输出将漂移超过较长的时间间隔，数十秒加。加速度计有助于测量重力长期，但可以通过某些场景混淆，例如汽车中的恒定加速度。我们可以在稳定的磁环境中相信磁力仪，如乡村或树林，但在磁干扰时较少，例如在用钢柱构建的办公室内。

简而言之，陀螺仪对于短期测量和加速度计和磁力计进行了准确的，用于更长的术语测量。通过仔细了解其局限性，他们的数据可以融合在一起，以便更准确地了解设备的方向。

当我们有多个传感器输出（例如9轴IMU）时，传感器融合使我们有机会结合和比较数据以提高准确性。例如，如果我们的传感器融合软件包括磁力计输出导致由于磁干扰导致的意外或突然变化的算法，则可以自动对加速度计和陀螺数据进行更多的置信度，直到磁力计再次稳定。

采样率对于精度也很重要 - 您所选择的传感器是否经常提供数据以满足您的需求？当然，这是应用程序的依赖性：例如，对于基本步骤计数器，每秒读数可能很多，但对于大多数应用，建议使用100Hz至400Hz。然而，对于XR应用中的精确头跟踪可能需要1kHz或更高的样品速率（XR是虚拟，混合和增强现实的捕获术语）。快速采样率对于实现低延迟也很重要，这在我们的头部跟踪示例中是沉浸式VR体验与感觉运动的差异！

我们还需要考虑校准。很多传感器都是“原样”，而不是在数据表上写的东西，供您考虑。可以完成的任何类型的校准将有助于最大化不同单独传感器之间的一致性。工厂校准可以是提高个人性能但相对昂贵的强大方法。该字段中的动态校准是另一种选择，需要详细了解传感器本身，或至少您的应用程序。传感器经历偏见，当未占用时，可以对整个输出产生负面影响到一种加剧任何现有错误的点。

最后，我们需要考虑如何验证我们获得并融合在一起的传感器数据。虽然这取决于我们跟踪的内容，但基本原则正在使用另一个独立的信息来源，以给我们一个我们可以检查我们的输出的真理。例如，机器人臂可以重复地恰好地移动到已知点，然后我们可以看看我们的传感器是否给我们相同的位置数据。当我们检测到错误时，可以通过计算来补偿它，或者可能需要被标记为需要进一步关注的错误。

启用新功能

一旦我们有能力以高精度测量运动，它不仅可以帮助现有应用程序 - 它可以打开便携式设备中的新功能的可能性。例如，对于有知位（图2），传统的用户界面是有问题的：用户不希望致力于拔出他们的手机来控制它们，并且听力本身太小而不能方便的按钮。相反，可以使用对听力的水龙头来跳过一首歌，并检测将它们从耳朵中取出的运动可以用来静音所有音频 - 因为这可能是当您想要声音无论如何时可能会停止。运动和“分类器”的使用是识别不同运动的算法，导致更方便和直观的用户体验。

图2：听力（资料来源：CEVA）

Accurate information from motion sensors can also mean that your portable device has more idea of what’s going on around you, or what activity you’re engaged in. This is known as context awareness, and can be used to deliver a more immersive experience, such as reducing the volume of your music when a hearable detects you’ve walked up to a pedestrian road crossing to let you hear the siren from a nearby ambulance.

对于健身跟踪应用，增加的精度可以区分不同的用户活动。例如，如果您的步骤跟踪器可以测量动作的大小，速度或其他特征，如果您只是正常行走，或者可能攀爬或下降楼梯，它可以解决。结合其他传感器数据，例如空气压力和GPS衍生的位置，软件可以建立动作的详细情况并估计燃烧的卡路里。

把它放在一起：传感器融合和软件

正如我们所讨论的那样，为了最大限度地提高运动数据的准确性和有用性，它不足以简单地产生原始数据源。设备需要处理数据，补偿系统的不准确性，以及组合来自多个传感器的信息。

这里有很多才能握住这里。传感器融合是复杂，并采取一定的诀窍在一个小包装中实现最佳结果。但是，有各种产品可用于集成所需的传感器和处理 - 例如BNO080 / 085.由Bosch和Ceva Hillcrest Labs之间的伙伴关系开发，包括高性能加速度计，磁力计和陀螺仪，以及低功耗32位臂Cortex M0 + MCU。

Hillcrest Labs'motieteNing在BNO085上预编程的™传感器集线器软件提供了6轴和9轴运动跟踪，以及智能功能，如分类用户活动，如行走，运行和站立（图3）。MotietEngine传感器集线器与领先的嵌入式加工架构和操作系统兼容，具有可用于可热量的专用版本，智能电视，机器人，移动计算，遥控器，低功耗移动应用程序等。

图3：综合传感器融合与算法（来源：CEVA）

实时将所有这些数据拉在一起，可能是具有挑战性的，并且需要非普通的处理性能。最好最好选择在传感器设备本身的MCU内核上运行一些这些算法，而不是要求主应用处理器接受这些琐事。特别是，对于“始终开启”的任务，如步骤计数，如果我们能避免每次检测到运动时都可以唤醒主处理器，它可以保持睡眠模式 - 因此降低了整体功耗，并增加了电池寿命。要回到我们的先前类比，SIP关注传感器融合就像拥有副总统处理某些决定，以便主席主席，主处理器可以专注于更直接的任务。

结论

运动传感器在许多应用中发挥着重要作用，但如何选择合适的设备并不总是显而易见的，以及如何实现您的应用所需的准确度 - 甚至可以准确。不同用例需要不同的精度等级，并且对所需的数据类型具有不同的要求。

集成传感器和传感器融合通常可以为此问题提供解决方案。通过使用合适的供应商，您可以确保您无法妥协，以获得准确，可靠的数据，以及特定应用的增值功能 - 同时将成本和功耗保持为最小。

- Charles Pao是CEVA传感器融合业务部门的SR.营销专家。