平衡车入门---MPU6050陀螺仪的使用
- 一.MPU6050简介
- 二.学习MPU6050的步骤
- 三.I2C协议简介
- 四.MPU6050硬件介绍
- 五.MPU6050的几个重要寄存器
- 六.原始数据的单位换算
- 七.角度换算(滤波算法)
一.MPU6050简介
MPU6050是一款陀螺仪模块，不过这个模块可不简单，它可以测量X、Y、Z三轴的角速度和加速度，还带有温度传感器和数字运动处理器(DMP)。假如我们要制作平衡车、四轴、空中鼠标，那么MPU6050就真的是派上大用场了。
二.学习MPU6050的步骤
1、先学习I2C协议，因为MPU6050是通过I2C协议进行驱动的，配置寄存器和获取数据都需要通过I2C协议去实现单片机与MPU6050之间的通信，所以I2C协议必须学习。
2、了解MPU6050的相关寄存器，可以看中文文档MPU6050的datasheet，再配合MPU6050的驱动库函数，了解库函数为什么要这样配置MPU6050的寄存器。
3、把获取到的原始数据进行处理，如通过互补滤波融合得到角度。要知道只有对原始数据进行处理才能够使用，才能发挥MPU6050的价值。
三.I2C协议简介
I2C协议是一种在单片机开发中非常常用的一个通信协议，它是通过数据总线SDA和时钟总线SCL去完成单片机与一些传感器模块的通信。SCL和SDA线根据I2C的协议的标准进行一系列高低电平的变化(时序)就可以完成信息的传输。
I2C协议还分为硬件I2C和软件I2C，硬件I2C就是通过硬件电路去实现的I2C协议，软件I2C就是通过在单片机上找两个IO口去充当SCL和SDA线，再通过人为编写软件去控制SCL和SDA线的高低电平变化去模拟I2C协议。
两者的区别是硬件I2C使用起来比较简单，执行速度比较快，耗时短，但是毕竟是硬件电路，稳定性不一定好，容易出现一些奇怪的问题。而软件I2C虽然是通过软件模拟的，执行速度不如硬件I2C快，有一定的耗时，不过稳定性就比硬件I2C好多了。智能车我们非常注重稳定性，所以推荐大家还是用软件I2C。
四.MPU6050硬件介绍
我们先来认识下MPU6050的硬件，这是MPU6050模块的图片，注意是模块，中间那个才是MPU6050，不过只有MPU6050是不够的，它还需要一些外围电路才能正常工作，我们可以类比一下51单片机和51单片机的最小系统的区别。
从MPU6050模块正面上我们还可以看到上面标注了X、Y轴的坐标系，那个就是MPU6050自身的坐标系，如最右图所示。
以下是MPU6050的相关管脚，不过平时我们使用MPU6050时其实只需要用到VCC、GND、SCL和SDA这四个管脚。不过我们要注意一点，就是AD0管脚的作用，我们知道I2C通信中从机是要有的地址的，以区别多个从机。当AD0管脚接低电平时，从机地址是0xD0。从MPU6050的寄存器中我们可以得到答案，MPU6050作为一个I2C从机设备的时候，有8位地址，高7位的地址是固定的，就是WHO AM I 寄存器中的默认值—0x68，最低一位是由AD0的连线决定的。
读取MPU6050原始数据这个过程中一个很重要的思路就是一步一步，确保每步都正确后就很容易读出正确的数据。我们对MPU6050进行读写传感器数据就是对MPU6050的寄存器用I2C协议进行读写。对此我们还要了解MPU6050的寄存器，这个过程跟学习51单片机差不多，就是配置寄存器，读取相关数据。
五.MPU6050的几个重要寄存器
1、SMPLRT_DIV寄存器，寄存器地址为0x19。
2、CONFIG寄存器，寄存器地址为0x1A。
3、GYRO_CONFIG寄存器，寄存器地址为0x1B。
4、ACCEL_CONFIG寄存器，寄存器地址为0x1C。
5、三轴加速度计的相关寄存器
ACCEL_XOUT_H(0x3B)、ACCEL_XOUT_L(0x3C)、
ACCEL_YOUT_H(0x3D)、ACCEL_YOUT_L(0x3E)、
ACCEL_ZOUT_H(0x3F)、ACCEL_ZOUT_H(0x40)。
6、三轴陀螺仪的相关寄存器
GYRO_XOUT_H(0x43)、GYRO_XOUT_L(0x44)、
GYRO_YOUT_H(0x45)、GYRO_YOUT_L(0x46)、
GYRO_ZOUT_H(0x47)、GYRO_ZOUT_H(0x48)。
7、温度传感器相关的寄存器
TEMP_OUT_H(0x41)和TEMP_OUT_L(0x42)。
8、PWR_MGMT_1寄存器，寄存器地址为0x6B。
9、WHO_AM_I寄存器，寄存器的地址为0x75。
10、初始化MPU6050的常用寄存器配置：
//**************************************
//初始化MPU6050
//**************************************
void InitMPU6050()
{
Single_WriteI2C(PWR_MGMT_1, 0x00);//解除休眠状态
Single_WriteI2C(SMPLRT_DIV, 0x07);//陀螺仪采样率为1K/(1+0x07)=125Hz
Single_WriteI2C(CONFIG, 0x06); //低通滤波器的截止频率为1K,带宽为5Hz
Single_WriteI2C(GYRO_CONFIG, 0x18);//配置陀螺仪量程为2000deg/s,不自检
Single_WriteI2C(ACCEL_CONFIG, 0x00);//配置加速度计量程为2g，不自检
}六.原始数据的单位换算
由于MPU6050数据寄存器是一个16位的，由于最高位是符号位，故而数据寄存器的输出范围是-7FFF~7FFF ,也既是-32767~32767。
如果选择陀螺仪范围是±2000，那么意味着-32767对应的是-2000(°/s)，32767对应是2000(°/s)，当读取陀螺仪的值是1000时，对应的角速度计算如下：32767/2000 =1000/x; 既x = 1000/16.4（°/s），可以看出32767/2000 = 16.4 ，对应手册中的精度 16.4 LSB/(°/s)，其他范围也是如此。
如果是加速度计，采用和陀螺仪同样的计算方法，当AFS_SEL=3时，数字-32767对应-16g，32767对应16g。把32767除以16，就可以得到2048， 即我们说的灵敏度。把从加速度计读出的数字除以2048，就可以换算成加速度的数值。举个例子，如果我们从加速度计读到的数字是1000，那么对应的加速度数据是1000/2048=0.49g。g为加速度的单位，重力加速度定义为1g, 等于9.8米每平方秒。
总结起来就是，只要对原始数据除以它在该量程下的灵敏度就可以获得实际的物理单位，原始数据时加速度的话，物理单位就为g，原始数据为角速度的话，物理单位就为°/s。
七.角度换算(滤波算法)
当我们得到MPU6050的原始数据时，接下来如果我们要真正用上这些数据，通常我们都会利用数学方法把它们转换成角度。常用的方法有：一阶互补滤波、清华角度滤波、卡尔曼滤波、四元数解算得到角度和直接利用MPU6050自带的数字运动处理器(DMP)直接得到角度。
这几种方法中，从难度上来看，一阶互补滤波和清华角度滤波是比较容易理解的，而且它们的本质其实是相同的，都是利用了权重互补，它们调试起来比较简单，而卡尔曼滤波和四元数解算的方法比较难理解。当然利用DMP直接输出角度也是可以的，不过移植起来也不太容易。从滤波效果上来看，本人的理解是：DMP直接输出角度>卡尔曼滤波>=四元数解算>清华角度滤波>=一阶互补滤波。不过其实一阶互补滤波只要把调试得比较好，得到的角度还是够用的。
1、一阶互补滤波
void Get_Balance_Angle(void)
{
uint8 gyro_offset = 1;//静置时角速度的偏移量
float gyro_dt = 0.004f;//陀螺仪角速度积分系数,增长缓慢就增加
float Filter_Weight = 0.02;//滤波权重
Get_GyroData();//获取原始三轴角速度
Get_AccData();//获取原始三轴加速度
g_fBalance_Gyro = mpu_gyro_y - gyro_offset;//原始角速度减去零偏值得到实际角速度
g_fAccel_Angle = (float)atan2(mpu_acc_x,mpu_acc_z) * 57.296;//两轴加速度求反三角得到加速度角度，乘以57.296,是把弧度转化为度
//一阶互补滤波核心公式,得到融合角度
g_fBalance_Angle = Filter_Weight * g_fAccel_Angle + (1-Filter_Weight) * (g_fBalance_Angle - g_fBalance_Gyro * gyro_dt);
}2、清华角度滤波
//**************************************************************************
// 清华角度滤波方案
//*************************************************************************
/*
* 功能说明：清华角度滤波
* 参数说明： G_angle 加速度计角度0-90内
* Gyro 陀螺仪角速度转花后的数值
* GRAVITY_ADJUST_TIME_CONSTANT 时间校正系数
DT 定时器时间 单位s
* 函数返回：无符号结果值
* 修改时间：2013-2-10
* 备注：参考清华源码
*/
//
//*************************************************************************
void QingHua_AngleCalaulate(float G_angle,float Gyro)
{
float fDeltaValue;
g_fCarAngle = g_fGyroscopeAngleIntegral; //最终融合角度
fDeltaValue = (G_angle - g_fCarAngle) / GRAVITY_ADJUST_TIME_CONSTANT; //时间系数矫正
g_fGyroscopeAngleIntegral += (Gyro + fDeltaValue) * DT; //融合角度
}3、卡尔曼滤波(难理解)
*//**************************************************************************
// Kalman滤波
//**************************************************************************
float angle, angle_dot; //外部需要引用的变量
//angle_m为角速度角度和gyro_m为测到的角速度
void Kalman_Filter(float angle_m,float gyro_m)
{
const float Q_angle=0.001, Q_gyro=0.003, R_angle=0.5, dt=0.005;
//注意：dt的取值为kalman滤波器采样时间;
static float P[2][2] = { { 1, 0 },{ 0, 1 } };
static float Pdot[4] ={0,0,0,0};
static const char C_0 = 1;
static float q_bias, angle_err, PCt_0, PCt_1, E, K_0, K_1, t_0, t_1;
angle+=(gyro_m-q_bias) * dt;
Pdot[0]=Q_angle - P[0][1] - P[1][0];
Pdot[1]=- P[1][1];
Pdot[2]=- P[1][1];
Pdot[3]=Q_gyro;
P[0][0] += Pdot[0] * dt;
P[0][1] += Pdot[1] * dt;
P[1][0] += Pdot[2] * dt;
P[1][1] += Pdot[3] * dt;
angle_err = angle_m - angle;
PCt_0 = C_0 * P[0][0];
PCt_1 = C_0 * P[1][0];
E = R_angle + C_0 * PCt_0;
K_0 = PCt_0 / E;
K_1 = PCt_1 / E;
t_0 = PCt_0;
t_1 = C_0 * P[0][1];
P[0][0] -= K_0 * t_0;
P[0][1] -= K_0 * t_1;
P[1][0] -= K_1 * t_0;
P[1][1] -= K_1 * t_1;
angle += K_0 * angle_err;//最终融合角度
q_bias += K_1 * angle_err;
angle_dot = gyro_m-q_bias;//角速度
}
