論文の概要: Design and Implementation of a Kalman Filter-Infused Algorithm for Tilt Estimation

• arxiv url: http://arxiv.org/abs/2609.00730v2
• Date: Thu, 10 Sep 2026 06:44:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 19:20:15.665674
• Title: Design and Implementation of a Kalman Filter-Infused Algorithm for Tilt Estimation
• Title（参考訳）: ティルト推定のためのカルマンフィルタ注入アルゴリズムの設計と実装
• Authors: Yuehan Ma, Hongji Dai,
• Abstract要約: 本稿では,MPU6050慣性測定器を用いた単軸傾斜角推定システムを提案する。 提案手法は, 騒音測定を効果的に低減し, 動的応答を良好に保ちながら長期間のドリフトを抑制する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate tilt angle estimation is important in many engineering applications, such as robotics, motion tracking, and embedded control systems. However, measurements from low-cost inertial sensors are often degraded by noise and drift. This paper presents a single-axis tilt angle estimation system based on the MPU6050 inertial measurement unit, implemented on an RP2040 microcontroller platform, with sensor fusion achieved through a Kalman filter. The accelerometer provides a direct estimate of tilt angle from gravity but is sensitive to noise and short-term fluctuations. The gyroscope provides smooth angular rate measurements, but integration over time introduces drift. To overcome these limitations, a Kalman filter is used to combine measurements from both sensors, leveraging the long-term stability of the accelerometer and the short-term smoothness of the gyroscope. Both simulation and hardware experiments are performed. In simulation, sensor noise and drift are modeled to evaluate the filter performance under control conditions. In the hardware implementation, real-time MPU6050 data is acquired and processed by the RP2040 platform, and the estimated tilt angle is compared with accelerometer-only and gyroscope-only outputs. The results show that the proposed method effectively reduces noise measurements and suppresses long-term drift while preserving good dynamic response. Overall, the system provides more stable and accurate tilt estimation than either sensor alone, demonstrating a practical and accessible approach for Kalman filter based sensor fusion in embedded application.
• Abstract（参考訳）: 正確な傾き角推定は、ロボット工学、モーショントラッキング、組込み制御システムなどの多くの工学的応用において重要である。 しかし、低コストの慣性センサーによる測定は、しばしばノイズやドリフトによって劣化する。 本稿では,RP2040マイクロコントローラプラットフォーム上に実装されたMPU6050慣性測定器に基づく単軸傾斜角推定システムについて述べる。 加速度計は重力からの傾き角を直接推定するが、騒音や短期変動に敏感である。 ジャイロスコープは滑らかな角速度の測定を提供するが、時間とともに統合することでドリフトがもたらされる。 これらの制限を克服するために、カルマンフィルタは、加速度計の長期的な安定性とジャイロスコープの短期的な滑らかさを活かして、両方のセンサーからの測定を組み合わせるために用いられる。 シミュレーションとハードウェアの実験の両方が実施される。 シミュレーションでは、制御条件下でのフィルタ性能を評価するために、センサノイズとドリフトをモデル化する。 ハードウェア実装では、RP2040プラットフォームによりリアルタイムMPU6050データを取得処理し、推定傾角を加速度計のみの出力とジャイロスコープのみの出力と比較する。 その結果,提案手法は騒音測定を効果的に低減し,良好な動的応答を保ちながら長期間のドリフトを抑制できることが示唆された。 全体として、このシステムはいずれのセンサ単独よりも安定かつ正確な傾き推定を提供し、Kalmanフィルタベースのセンサフュージョンを組込みアプリケーションに応用するための実用的でアクセスしやすいアプローチを実証している。

関連論文リスト

• Stretch-ICP: A Continuous-Trajectory Registration and Deskewing Algorithm in Scenarios of Aggressive Motions [6.270809447204512]
  不均一または滑りやすい地形における安定性の喪失は、極端な加速と角速度を引き起こす。 メカニカルライダーと慣性測定ユニット(IMU)が丘を転がり落ちる様子を収録したTumbling-induced Gyroscope Saturationデータセットを紹介した。 データセットには、類似データセットの最大4倍の角速度が含まれており、公開されている。
  論文  参考訳（メタデータ） (2026-05-17T05:13:18Z)
• Diffusion Denoiser-Aided Gyrocompassing [5.718538232143911]
  本稿では,新しい拡散デノイザ支援ジャイロコンパス手法を提案する。 拡散に基づくdenoisingフレームワークと、強化された学習ベースの方向推定モデルを統合する。 ジャイロコンパスの精度はモデルベースのジャイロコンパスに比べて26%向上し、他の学習駆動アプローチに比べて15%向上する。
  論文  参考訳（メタデータ） (2025-07-28T18:06:46Z)
• Estimating Scene Flow in Robot Surroundings with Distributed Miniaturized Time-of-Flight Sensors [41.45395153490076]
  本研究では,ロボット本体上に分散した時間飛行(ToF)センサから得られた低密度・雑音点雲からのシーンフロー推定手法を提案する。 提案手法は,連続するフレームからクラスタリングし,高密度な動きの流れを推定するために反復閉点(ICP)を適用した。 我々は、静止点と移動点を区別するために適合度に基づく分類と、幾何学的対応を洗練させるために不整合除去戦略を用いる。
  論文  参考訳（メタデータ） (2025-04-03T09:57:51Z)
• OptiState: State Estimation of Legged Robots using Gated Networks with Transformer-based Vision and Kalman Filtering [42.817893456964]
  脚のあるロボットの状態推定は、非常にダイナミックな動きとセンサーの精度による制限のために困難である。 本稿では,ロボットのトランクの状態を推定するために,プロピロセプションと外部受動的情報を組み合わせたハイブリッドソリューションを提案する。 このフレームワークは正確なロボットの状態推定を行うだけでなく、センサの測定や学習によるモデルの単純化から生じる非線形誤差を最小限に抑えることができる。
  論文  参考訳（メタデータ） (2024-01-30T03:34:25Z)
• DoorINet: Door Heading Prediction through Inertial Deep Learning [2.594420805049218]
  慣性センサーは様々な用途で広く使われている。 このような課題に対処するため、姿勢基準系アルゴリズムを適用する。 室内環境では、磁力計は性能を低下させる干渉に悩まされる。 ドアマウント型,低コストな慣性センサから方向角を計算するための,エンドツーエンドのディープラーニングフレームワークであるDoorINetを提案する。
  論文  参考訳（メタデータ） (2024-01-24T05:28:29Z)
• Learning IMM Filter Parameters from Measurements using Gradient Descent [45.335821132209766]
  トラック下のターゲットの固有のパラメータは、システムがデプロイされるまで完全に観測不可能である。 最先端のセンサーシステムはますます複雑になり、パラメータの数が自然に増加する。 本稿では,対話型多重モデル (IMM) フィルタのパラメータを計測のみで最適化する。
  論文  参考訳（メタデータ） (2023-07-13T08:35:40Z)
• Deep Learning for Inertial Sensor Alignment [1.9773109138840514]
  慣性測定ユニット(IMU)を装備したスマートフォンのヨー装着角度を学習し,車に装着するデータ駆動型アプローチを提案する。 提案モデルは、IMUからの加速度計とジャイロスコープのみを入力として使用する。 トレーニングされたモデルはAndroidデバイスにデプロイされ、推定されたヨー装着角度の精度をテストするためにリアルタイムで評価される。
  論文  参考訳（メタデータ） (2022-12-10T07:50:29Z)
• Incremental learning of LSTM framework for sensor fusion in attitude estimation [2.064612766965483]
  本稿では,Long-Short Term Memory (LSTM) ネットワークの漸進的学習による3次元空間における物体の姿勢推定手法を提案する。 慣性センサデータはLSTMネットワークに送られ、徐々に更新され、実行時に発生する動作の動的変化を組み込む。 提案フレームワークは,高度に動的な環境であっても,従来の手法と比較して,結果を著しく改善する。
  論文  参考訳（メタデータ） (2021-08-04T09:03:53Z)
• TLIO: Tight Learned Inertial Odometry [43.17991168599939]
  IMUのみの状態推定のための密結合拡張カルマンフィルタフレームワークを提案する。 ヘッドセットからの歩行者データでトレーニングされた我々のネットワークは、統計的に一貫した測定と不確実性を生み出すことができる。
  論文  参考訳（メタデータ） (2020-07-06T03:13:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。