一、IMU，惯性测量单元，是一种传感器模块，用来测量机器人的空间姿态

在这里插入图片描述

二、先来看看ROS是怎么描述空间姿态的

1、搜索ROS index 点击进入

在这里插入图片描述

2、搜索sensor_msgs

在这里插入图片描述

3、选择noetic版本

在这里插入图片描述

4、再点击进入Website

在这里插入图片描述

5、找到这个传感器消息列表，点击imu消息格式

在这里插入图片描述

6、这便是ROS对IMU消息格式的定义

在这里插入图片描述
在这里插入图片描述

7、消息的头部是个header，记录了消息发送的时间戳和坐标系ID

在这里插入图片描述

8、这是angular_velocity，角速度，它的数据类型是Vector3，它和速度控制消息Twist里的angular角速度一样，是描述机器人在三个坐标轴XYZ上的旋转速度

在这里插入图片描述

9、这是linear_acceleration，矢量加速度，类型也是Vector3

在这里插入图片描述

10、这三个数据成员各自都带了一个协方差矩阵，主要用于后期的优化和滤波,注释部分对协方差矩阵的使用做了相关说明

在这里插入图片描述
在这里插入图片描述

11、angular_velocity角速度和linear_acceleration矢量加速度，都各自包含了XYZ三个数值分量，一共六个数值，这便是六轴IMU。另外有一些IMU模块额外提供了XYZ三个轴的磁力计输出，就变成了九轴IMU

在这里插入图片描述

12、上述都是IMU传感器直接测量到的数值，也叫裸数据，将上述数值进行算法融合可以得到空间姿态描述，也就是前面没有提到的消息格式中的orientation,它描述的是机器人的朝向相对于空间中XYZ三个坐标轴的偏移量，也就是机器人的位姿。

在这里插入图片描述

13、orientation的类型是Quaternion,四元数的意思，采用四元数有效的避免了万向锁的问题

在这里插入图片描述
在这里插入图片描述

# 学习 # 单片机 # c语言
Logo
天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

graphify 视频音视频转写全流程解析：从 detect 结果到知识图谱文档的 Step 2.5

graphify 的核心能力是把任意语料（代码、文档、PDF、图片）转化为可查询的知识图谱，而视频与音频文件无法被直接阅读，必须先把它们转写成文本。本文围绕 `graphify` 运行手册中的转写参考文档 [transcribe.md](https://link.gitcode.com/i/d3285781588e0f1b84886dfdbc4fe7f6)，完整讲解 "Step 2.5 - Tra

avatar 天工造物局

ML-For-Beginners 终章：经典机器学习在金融、医疗、零售等八大行业中的真实落地场景

本篇技术指南基于开源课程仓库 ML-For-Beginners 的收尾课程《Postscript: Machine learning in the real world》（对应仓库目录 [9-Real-World/1-Applications](https://link.gitcode.com/i/6b23002df80861c20abf34d7db63ef41)）编写。该课此前 11 周的教学带

avatar 天工造物局

graphify 知识图谱查询实战：query / path / explain 与可审计的答案闭环

本指南以 graphify 的 Trae 版查询技能参考（[graphify/skills/trae/references/query.md](https://link.gitcode.com/i/72a7875d46ec6d3706d31791f3cdcbe0)）为主体，系统讲解如何针对**已构建好的知识图谱**执行三类查询：语义相关节点遍历（query）、两概念间最短路径（path）、单节点关

avatar 天工造物局