我制造了一个由Arduino和Processing控制的机器人，它通过自身旋转（如球体）在房间内移动。
我需要的是能够在地板移动后获得新位置（让我们说在3米x 3米的房间内）。我使用9DOF传感器（3轴加速度计数据，3轴陀螺仪和3轴磁力数据）来确定其滚转，俯仰和偏航及其方向。
如何准确识别机器人在笛卡尔坐标（x，y，z）坐标相对于其起始位置的位置？我不能使用GPS，因为每次旋转的移动距离小于20厘米，机器人将在室内使用。
我找到了一些室内测距和3D定位解决方案，如pozyx或使用固定相机。但是我需要它具有成本效益。
有没有办法转换9DOF数据以获取新位置或任何其他传感器来做到这一点？任何其他解决方案，如算法？
答案 0 :(得分：6)
正如人们在评论中指出的那样，积分加速度给出了速度，并且再次积分得到了位置。然而，这不是很准确，因为错误会立即累积。
相反，人们正在使用的是传感器融合＆＃34 ;,它将几个传感器的数据组合成更好的估计，例如这个职位。但是，如果你单独依靠加速度计和陀螺仪，它仍然会随着时间累积误差。磁矢量会帮助你，但它可能仍然是不准确的。
我在网上找到了以下指南，介绍了在arduino上使用卡尔曼滤波器进行传感器融合的介绍。
http://digitalcommons.calpoly.edu/cgi/viewcontent.cgi?article=1114&context=aerosp
警告：您需要了解一些数学知识才能启动并运行。
答案 1 :(得分：2)
我的以下答案不包括具体实施，我的专业知识不包括机器人。 （我是机器学习，NLP，AI领域的研究员。）但是，我相信我的缺乏细节的建议在某种程度上是有用的，因为你的问题设置仍然保持在一般水平。
SLAM是研究如何通过感觉 - 运动数据估计序贯机器人位置的最着名的领域之一。在现场，有很多研究通过感觉 - 运动数据来估计机器人的位置。
研究人员已经针对各种具体情况研究了SLAM方法，例如在柔软的地板和复杂形状的房间或有噪声的传感器等。我认为您当前的设置比那些研究中的设置稍微不那么具体。
所以，如果我是你，我会先尝试一些标准的SLAM方法。我会从SLAM教科书中学习一些流行的和通用的方法，并寻找实现这些方法的开源软件。
据我所知，particle filter（PF）是SLAM领域最受欢迎和最成功的方法之一。 PF是卡尔曼滤波器（KF）的高级方差。 PF很容易实现。数学比KF简单得多。我认为PF在你的情况下值得尝试。