在许多论坛旁边阅读了许多关于如何根据加速度数据测量距离的研究和论文 我找到了双重积分方法，但与此方法相关的误差很大，并且随着时间的推移而增加。 另外我找到了一些建议卡尔曼滤波器的人我读了一些关于它的参考文献，但我不清楚如何使用它。 还有一些人正在谈论融合传感器...但在阅读之后我没有得到任何新的想法。 所以我仍然感到困惑，我没有找到正确的答案...... 抱歉这个漫长的介绍。
问题
让我们考虑一下我手里拿着9轴传感器，然后向某个方向移动手，我怎么能在空间找到我手的新位置？如何获取从初始点到新点的运动矢量我的意思是如何知道三个轴上的传递距离？
如果没有直接答案......一些建议或参考文献会很好或者某些算法可以提供准确的答案，我可以自己研究和使用它。 非常感谢你
答案 0 :(得分：16)
你问题的简短回答是你无法做到。
双重积分方法实际上是仅使用加速度计获取所需信息的唯一方法。您发现此方法存在问题。错误随着时间的推移而增加，并且通常无法提供许多人正在寻找的准确性。
卡尔曼滤波通常需要2个设备，基本上可以充分利用两个设备并滤除坏设备。见下面的例子。
卡尔曼过滤是一个非常棘手的主题，我试图深入研究高级设计，但从未在我的有限测试中找到任何有意义的结果。开始理解这个主题的好地方是youtube video series 。
这是与斯坦福大学一起赢得DARPA挑战的人，并以一种易于理解的方式解释了这个话题。整个课程是一个6单元的视频系列，关于编程机器人移动和了解他们在未知环境中的位置。值得一看，如果你有时间和兴趣。
听起来你正在尝试做类似于我为高级设计做的事情，给出真正特定的相对位置信息。
另一个伟大的卡尔曼过滤read this（如果此链接不起作用谷歌卡尔曼过滤器平衡机器人并点击TKJ博客链接）。基本上这个人使用加速度计和陀螺仪来跟踪现实世界中的方向。
要了解wiki实时动态的其他内容。这适用于拖拉机和联合收割机，以提供真正准确的位置信息。 John Deere出售一套系统，但它就像是20,000美元。以下是使用GPS and beagleboard
的穷人版本答案 1 :(得分：4)
不考虑轮换：
让我们考虑在时间t=t0，您处于[ x0 , y0 , z0 ]位置，速度向量为[ vx0 , vy0 , vz0 ]。
在t=t1，您读取的加速度矢量为[ ax1 , ay1 , az1 ]（来自t0和t1的平均加速度）。
然后，t=t1处的速度矢量将为：
[ vx1 , vy1 , vz1 ] = [ vx0 + ax1 * (t1 - t0) , vy0 + ay1 * (t1 - t0) , vz0 + az1 * (t1 - t0) ]
t0和t1之间的平均速度为
[ vx01 , vy01 , vz01 ] = [ (vx0 + vx1) / 2 , (vy0 + vy1) / 2 , (vz0 + vz1) / 2 ]
t=t1的位置将是：
[ x1 , y1 , z1 ] = [x0 + vx01 * (t1 - t0), y0 + vy01 * (t1 - t0), y0 + vy01 * (t1 - t0) ]
如您所见，误差与t^2一起传播，因此惯性系统需要通过外部参考（如GPS）进行补偿。
答案 2 :(得分：4)
通过9轴传感器我假设这意味着：
如果不使用另一个使用外部参考的传感器（如GPS），则无法从这种类型的9轴传感器获得实际位置估算。
理论上，如果您知道物体在空间中的加速度及其初始位置和速度，您将能够通过将有关其加速度和速度的信息传播回初始位置来计算物体的新位置（即，加速两次）。实际上不可能的原因是加速度计有噪音。该噪声将具有非零均值，因此当对加速度信号进行积分时，非零平均噪声被连续地添加并累积在所得到的速度信号中。这被视为传感器漂移。速度估计开始时相当正确，但由于累积的噪声而迅速漂移。通过重复该过程，第二次集成以获得该职位只会使情况恶化。
通过使用诸如GPS的外部参考，卡尔曼滤波器可用于将慢速更新的GPS信号和快速更新的加速度信号组合在一起以产生可靠的位置估计。 GPS具有将通过对加速度信号进行积分而累积的漂移归零的效果。
我建议你看一下Khamey建议的Udacity Youtube视频。在学习卡尔曼滤波器时，它有助于清楚地概述目标是什么以及卡尔曼滤波器正在做什么。然后算法的数学和实际步骤将更容易理解。在学习卡尔曼滤波器时，另一件有用的事情是一次为一个状态变量而不是整个状态向量。这只会帮助您将注意力集中在卡尔曼滤波器的实际操作上，这样您就不会被矩阵代数所困扰。
答案 3 :(得分：0)
如果有基本地图并且您确信传感器沿着已知路径（例如道路）行进，则可以使用基本地图来校正噪声读数。见Jun Han，Emmanuel Owusu，Thanh-Le Nguyen，Adrian Perrig和Joy Zhang＆＃34; ACComplice：在智能手机上使用加速度计的位置推断＆＃34; “第四届国际通信系统与网络会议论文集”（COMSNETS 2012），印度班加罗尔，2012年1月3日至7日。
http://www.netsec.ethz.ch/publications/papers/han_ACComplice_comsnets12.pdf