我們的生活已經被便攜式、連接的小工具改變了——最明顯的是智能手機，還有許多其他的，比如智能手表、健身追蹤器和耳戴式設備。這些設備將數據收集與處理能力和無線連接相結合。

但是，在所有其他功能中，很容易忽視運動傳感器在使我們的小工具更實用和更直觀方面的重要性。無論是在我們的手機上改變屏幕方向、在智能手表上計算步數、將我們的頭部動作與我們的 XR 眼鏡相匹配，還是輕敲耳塞來改變歌曲，運動感應都是用戶體驗和界面的重要組成部分。

對于嵌入式工程師來說，選擇和集成運動傳感器可能很棘手。您如何確保選擇正確的技術來獲得所需的精度，而不會增加不必要的成本或功耗？您應該如何確保充分利用傳感器，并且不錯過可以改進最終產品的性能或功能？

運動傳感器基礎知識

首先，快速回顧一下我們所說的運動傳感器的含義。常用的有加速度計、陀螺儀和磁力計三種。

加速度計測量加速度，其中可能包括重力加速度。這意味著它可以感應相對于傳感器的重力方向——基本上，哪個方向是向上的。陀螺儀通過測量角速度來測量角位置的變化。

對于加速度計和陀螺儀，每個加速度計和陀螺儀具有三個自由度或軸，將兩者結合起來就可以得到一個 6 軸運動傳感器或慣性測量單元 (IMU)（參見圖 1）。對于許多應用，我們需要添加一個磁力計，它可以測量地球磁場的強度和方向，這樣我們就可以估計我們的航向。在加速度計和陀螺儀頂部添加一個 3 軸磁力計可創建一個 9 軸 IMU。

出于本文的目的，我們將討論 IMU。盡管我們討論了某些可以單獨應用于加速度計、陀螺儀或磁力計的特性，但我們想要說明的是，將這些傳感器中的至少兩個結合起來所面臨的挑戰。

圖 1：使用 IMU 進行運動感應（來源：CEVA）

保持準確

所以現在我們已經提醒自己這個理論，它在實踐中是如何運作的？我們如何才能獲得所需的準確性？

對于 IMU，確定設備航向的準確度是我們可以開始的基本指標。我們的要求可能在一到二度之內，而對于另一個應用程序來說，精度較低是可以接受的。例如，XR 耳機的精度要求將比兒童機器人玩具的精度要求嚴格得多。然后我們應該考慮這些數據的穩定性，以及它是否會隨著時間和溫度而變化。

從我們的 IMU 獲得最高精度的輸出需要使用傳感器融合，這是將來自多個傳感器的數據組合在一起以創建大于其部分的總和的概念。我們 IMU 的每個傳感器都有不同的優勢和劣勢，可以將它們融合在一起以實現該解決方案。

考慮傳感器融合的一種方法是以“信任”為基礎。在這種情況下，我們可以使用“信任”來表示來自特定傳感器的數據對其準確性和相關性具有合理的置信度。假設您是一個國家的總統，并且必須確定政策。你有一位經濟、健康和軍事顧問。每個人都會給你輸入，但他們都知道不同的領域。他們猜測他們的意見將如何影響他們的同行，但可惜他們只是猜測。由您來處理他們的信息并將其融合到最佳決策中。

同樣，你有兩三個“顧問”，你可以從你的 IMU 中獲取方向數據：加速度計、陀螺儀，有時還有磁力計。陀螺儀是最容易解釋的。消費級陀螺儀在幾秒鐘的短時間內相對方向變化是值得信賴的，但輸出會在較長的時間間隔內漂移，幾十秒以上。加速度計有助于長期測量重力，但可能會被某些場景混淆，例如汽車中的恒定加速度。我們可以在穩定的磁場環境中信任磁力計，例如在鄉村或樹林中，但在有磁場干擾的情況下就不那么可靠了，例如在用鋼柱建造的辦公室內。

簡而言之，陀螺儀適用于短期測量，而加速度計和磁力計適用于長期測量。通過仔細了解它們的局限性，可以將它們的數據融合在一起，以更準確地了解設備的方向。

當我們有多個傳感器輸出（例如 9 軸 IMU）時，傳感器融合為我們提供了組合和比較數據以提高準確性的機會。例如，如果我們的傳感器融合軟件包含一種算法來檢測由于磁干擾導致的磁力計輸出的意外或突然變化，那么它可以自動對加速度計和陀螺儀數據置信度更高，直到磁力計再次穩定。

采樣率對準確性也很重要——您選擇的傳感器是否經常提供數據以滿足您的需求？當然，這取決于應用程序：例如，對于基本計步器來說，每秒幾個讀數可能就足夠了，但對于大多數應用程序，建議使用 100Hz 到 400Hz。然而，在 XR 應用中精確的頭部跟蹤可能需要 1kHz 或更高的采樣率（XR 是虛擬、混合和增強現實的統稱）。快速采樣率對于實現低延遲也很重要，在我們的頭部跟蹤示例中，這是身臨其境的 VR 體驗和感覺暈車的區別！

我們還需要考慮校準。許多傳感器都是“按原樣”提供的，只是數據表上寫的供您考慮。可以進行的任何類型的校準都將有助于最大限度地提高不同傳感器之間的一致性能。工廠校準可能是提高個人表現的有效方法，但成本相對較高。現場動態校準是另一種選擇，需要詳細了解傳感器本身，或至少了解您的應用。傳感器會遇到偏差，如果不加以考慮，可能會對整體輸出產生負面影響，從而加劇任何現有錯誤。

最后，我們需要考慮如何驗證我們已經獲得并融合在一起的傳感器數據。雖然這取決于我們跟蹤的內容，但基本原則是使用另一個獨立的信息源來為我們提供可以檢查輸出的真相。例如，機器人手臂可以非常精確地重復移動到一個已知點，然后我們可以查看我們的傳感器是否為我們提供了相同的位置數據。當我們檢測到錯誤時，可能會通過計算來補償它，或者可能需要將其標記為需要進一步注意的錯誤。

啟用新功能

一旦我們有能力以高精度測量運動，它不僅有助于現有應用程序 - 它還可以為便攜式設備的新功能開辟可能性。例如，對于耳戴式設備（圖 2），傳統的用戶界面存在問題：用戶不想承諾拿出手機來控制他們，而且耳戴式設備本身太小而沒有方便的按鈕。相反，輕敲可聽設備可用于跳過歌曲，檢測將其從耳朵中取出的動作可用于靜音所有音頻——因為這很可能是您希望聲音停止的時候。運動和“分類器”的使用是識別不同運動的算法，可以帶來更方便和直觀的用戶體驗。

來自運動傳感器的準確信息還意味著您的便攜式設備可以更好地了解您周圍發生的事情或您正在從事的活動。這稱為上下文感知，可用于提供更身臨其境的體驗，例如例如，當可聽設備檢測到您走到人行橫道時降低音樂音量，讓您聽到附近救護車的警報聲。

對于健身追蹤應用，提高精度可以區分不同的用戶活動。例如，如果您的計步器可以測量您的動作的大小、速度或其他特征，那么它可以判斷您是正常行走，還是爬樓梯或下樓梯。結合其他傳感器數據，例如氣壓和 GPS 派生的位置，軟件可以構建您的運動的詳細圖片并估計燃燒的卡路里。

放在一起：傳感器融合和軟件

正如我們所討論的，為了最大限度地提高運動數據的準確性和實用性，僅僅生成原始數據饋送是不夠的。設備需要處理數據，補償系統誤差，以及組合來自多個傳感器的信息。

這里有很多事情要處理。傳感器融合很復雜，需要一定的專業知識才能在小封裝中達到最佳效果。但是，有多種產品可以集成所需的傳感器和處理，例如由博世和 CEVA Hillcrest Labs 合作開發的BNO080/085，包括高性能加速度計、磁力計和陀螺儀，以及低- 供電 32 位 ARM Cortex M0+ MCU。

Hillcrest Labs 的MotionEngine ? 傳感器中樞軟件在 BNO085 上預編程，提供 6 軸和 9 軸運動跟蹤，以及諸如行走、跑步和站立等用戶活動分類等智能功能（圖 3）。MotionEngine 傳感器集線器與領先的嵌入式處理架構和操作系統兼容，并提供適用于可聽設備、智能電視、機器人、移動計算、遙控器、低功耗移動應用等的專用版本。

點擊查看完整大小的圖片

圖 3：綜合傳感器融合和算法（來源：CEVA）

將所有這些數據實時匯總在一起可能具有挑戰性，并且需要大量的處理性能。最好選擇在傳感器設備本身的 MCU 內核上運行其中一些算法的集成傳感器，而不是要求主應用處理器來承擔這些雜務。特別是對于像計步這樣的“永遠在線”任務，如果我們能夠避免在每次檢測到移動時喚醒主處理器，它就可以保持在睡眠模式——從而降低整體功耗，并延長電池壽命。回到我們之前的類比，專注于傳感器融合的 SiP 就像讓副總裁處理某些決策，以便主處理器總裁可以專注于更直接的任務。

結論

運動傳感器在許多應用中發揮著重要作用，但如何選擇正確的設備以及如何達到您的應用所需的準確度——甚至是您需要的準確度并不總是顯而易見的。不同的用例需要不同級別的精度，并且對所需數據的類型有不同的要求。

集成傳感器和傳感器融合通常可以解決這個問題。通過與合適的供應商合作，您可以確保在獲得準確、可靠的數據以及特定應用程序的增值功能方面不會妥協，同時將成本和功耗降至最低。

審核編輯 黃昊宇