A Magnetometer Calibration Method Using Single-Axis Motion Trajectory and Unscented Kalman Filter for Body Motion Capture Applications
Notice bibliographique
Résumé
Magnetometer calibration is a pre-processing step in the Attitude and Heading Reference Systems (AHRS) which has an essential role in many applications. The main purpose of this article is to derive an innovative and precise calibration approach for a magnetometer set installed on human body. To execute this calibration method, all the error parameters of multiple magnetometers are considered in an Unscented Kalman Filter (UKF) model for accurate estimation of calibration parameters. As achieving a precise estimation in Kalman filters-based algorithms needs an accurate and complete observation model, a special single-axis rotation trajectory for Inertial Measurement Unit (IMU) is performed to increase the observability rank of the calibration model. To evaluate the proposed method, five body-mounted sensors were experimented in the laboratory at the same time for applying in the body motion capture system. The results showed that all five sensors were well-calibrated without any need to be detached from the body and using any rotational robot arm. The resolution and precision of the proposed calibration method are assessed by the ellipsoid-fitting representation method. Consequently, all the body-mounted magnetometers were calibrated, on average, by about 1% uncertainty. The method can be used in every motion capture and AHRS applications due to its feasibility and simplicity.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».