论坛首页 › Arduino › 零知开源——STM32F103RBT6驱动 ICM20948 九轴传感器及 vofa + 上位机可视化教程

lingzhiLab 发表于 2025-6-9 11:25

零知开源——STM32F103RBT6驱动 ICM20948 九轴传感器及 vofa + 上位机可视化教程

本帖最后由 lingzhiLab 于 2025-6-9 11:30 编辑

STM32F1      本教程使用零知标准板（STM32F103RBT6）通过I2C驱动ICM20948九轴传感器，实现姿态解算，并通过串口将数据实时发送至VOFA+上位机进行3D可视化。代码基于开源库修改优化，适合嵌入式及物联网开发者。在基础驱动上新增滤波参数优化，重点解决yaw值漂移问题，提供完整的参数调优方案和效果对比。
一、硬件准备1.硬件清单零知标准板（主控STM32F103RBT6）
ICM20948九轴传感器模块
USB转串口模块（用于调试和数据传输）
杜邦线若干
2.接线方式
ICM20948引脚 零知开发板引脚
VCC3.3V
GNDGND
SDAA4
ACLA5
硬件连接图
连接实物图

注意：确保I2C引脚正确，避免接反导致芯片损坏。

二、软件环境搭建开发环境
[*]零知 IDE + 零知开发板支持包
[*]所需库文件:
      AHRSAlgorithms.cpp（姿态解算库）
      ICM20948.cpp（传感器驱动库）


库文件关键功能
[*]AHRSAlgorithms.cpp
                Madgwick/Mahony滤波算法
                四元数实时输出 getQ()
                参数可调：Kp、Ki、beta


[*]ICM20948.cpp
                I2C通信底层驱动
                自动量程配置（加速度计±2/4/8/16g，陀螺仪±250/500/1000/2000dps）
                磁力计初始化 initAK09916()
                校准函数 calibrateICM20948()

三、核心代码实现主程序框架 (ICM20948_VOFA.ino)
/* ICM20948完整优化代码 */
#include "AHRSAlgorithms.h"
#include "ICM20948.h"

#define AHRS true
#define SerialDebug true

int myLed = LED_BUILTIN;
ICM20948 myIMU;

void setup() {
pinMode(myLed, OUTPUT);
digitalWrite(myLed, HIGH);

Serial.begin(115200);
Wire.begin();

// 初始化与自检
if(myIMU.begin()) {
    Serial.println("ICM20948初始化成功");
   
    // 执行两级校准
    myIMU.calibrateICM20948(myIMU.gyroBias, myIMU.accelBias);
    float magBias, magScale;
    myIMU.magCalICM20948(magBias, magScale);
   
    // 设置优化分辨率
    myIMU.getAres();
    myIMU.getGres();
    myIMU.getMres();
} else {
    Serial.println("传感器初始化失败!");
    while(1);
}
}

void loop() {
// 数据读取
if (myIMU.readByte(ICM20948_ADDRESS, INT_STATUS_1) & 0x01) {
    myIMU.readAccelData(myIMU.accelCount);
    myIMU.readGyroData(myIMU.gyroCount);
    myIMU.readMagData(myIMU.magCount);
   
    // 单位转换
    myIMU.ax = (float)myIMU.accelCount * myIMU.aRes;
    myIMU.ay = (float)myIMU.accelCount * myIMU.aRes;
    myIMU.az = (float)myIMU.accelCount * myIMU.aRes;
    myIMU.gx = (float)myIMU.gyroCount * myIMU.gRes;
    myIMU.gy = (float)myIMU.gyroCount * myIMU.gRes;
    myIMU.gz = (float)myIMU.gyroCount * myIMU.gRes;
    myIMU.mx = (float)myIMU.magCount * myIMU.mRes - myIMU.magBias;
    myIMU.my = (float)myIMU.magCount * myIMU.mRes - myIMU.magBias;
    myIMU.mz = (float)myIMU.magCount * myIMU.mRes - myIMU.magBias;
}

// 更新时间基准
myIMU.updateTime();

// 姿态解算（使用优化参数）
MahonyQuaternionUpdate(
    myIMU.ax, myIMU.ay, myIMU.az,
    myIMU.gx * DEG_TO_RAD,
    myIMU.gy * DEG_TO_RAD,
    myIMU.gz * DEG_TO_RAD,
    myIMU.my, myIMU.mx, myIMU.mz, // 轴序修正
    myIMU.deltat
);

// 转换为欧拉角
const float* q = getQ();
myIMU.yaw   = atan2(2.0f*(q*q + q*q),
                   q*q + q*q - q*q - q*q) * RAD_TO_DEG;
myIMU.pitch = -asin(2.0f*(q*q - q*q)) * RAD_TO_DEG;
myIMU.roll= atan2(2.0f*(q*q + q*q),
                   q*q - q*q - q*q + q*q) * RAD_TO_DEG;

// 发送到VOFA+
Serial.print(myIMU.yaw, 1);   // yaw
Serial.print(",");
Serial.print(myIMU.pitch, 1); // pitch
Serial.print(",");
Serial.println(myIMU.roll, 1);// roll

delay(10); // 100Hz输出
}
关键配置修改 在 ICM20948.cpp 中调整量程（根据应用需求）：

// 加速度计量程 (AFS_2G/AFS_4G/AFS_8G/AFS_16G)
void ICM20948::getAres()
{
switch (Ascale)
{
    // Possible accelerometer scales (and their register bit settings) are:
    // 2 Gs (00), 4 Gs (01), 8 Gs (10), and 16 Gs(11).
    // Here's a bit of an algorith to calculate DPS/(ADC tick) based on that
    // 2-bit value:
    case AFS_2G:
      aRes = 2.0f / 32768.0f;
      break;
    case AFS_4G:
      aRes = 4.0f / 32768.0f;
      break;
    case AFS_8G:
      aRes = 8.0f / 32768.0f;
      break;
    case AFS_16G:
      aRes = 16.0f / 32768.0f;
      break;
}
}

// 陀螺仪量程 (GFS_250DPS/GFS_500DPS/GFS_1000DPS/GFS_2000DPS)
void ICM20948::getGres()
{
switch (Gscale)
{
    // Possible gyro scales (and their register bit settings) are:
    // 250 DPS (00), 500 DPS (01), 1000 DPS (10), and 2000 DPS (11).
    // Here's a bit of an algorith to calculate DPS/(ADC tick) based on that
    // 2-bit value:
    case GFS_250DPS:
      gRes = 250.0f / 32768.0f;
      break;
    case GFS_500DPS:
      gRes = 500.0f / 32768.0f;
      break;
    case GFS_1000DPS:
      gRes = 1000.0f / 32768.0f;
      break;
    case GFS_2000DPS:
      gRes = 2000.0f / 32768.0f;
      break;
}
}
四、VOFA+上位机配置数据协议设置            选择 FireWater 协议
            格式：q0, q1, q2（逗号分隔+换行符）
            波特率：115200
控件添加         3D立方体：显示实时姿态、绑定四元数数据通道、设置模型缩放比例
         波形图：各轴角速度/加速度
         仪表盘：显示偏航角（Yaw）

界面效果

      实时显示传感器3D姿态及运动波形
五、滤波参数优化与动态效果对比1.传感器校准
float gyroBias, accelBias;
IMU.calibrateICM20948(gyroBias, accelBias); // 上电时执行一次

2.问题现象使用默认参数(Kp=10.0, Ki=0.0)时，VOFA+显示yaw值持续漂移（约2-5°/s），动态运动时零漂明显




3.优化方案： 在AHRSAlgorithms.h中调整Mahony滤波参数：

// 原参数（漂移明显）
// #define Kp 2.0f * 5.0f
// #define Ki 0.0f

// 优化参数（大幅改善漂移）
#define Kp 3.0f    // 降低比例增益，减少高频噪声响应
#define Ki 0.1f   // 降低积分增益，抑制累积误差

效果对比：

            参数状态    Yaw漂移率            VOFA+动态表现   
      默认(Kp=10f,Ki=0.0f)      2-5°/s   静止时快速旋转，运动后复位慢
   优化(Kp=3.0f,Ki=0.1f)           <0.5°/s      静止稳定，运动后快速收敛



4.优化后效果

参数调整原理：
    Kp过高：对加速度计噪声敏感，导致高频抖动
    Ki过高：积分累积误差引起零漂
          黄金比例：Kp/Ki ≈ 20-30 时平衡动态响应与稳定性

六、效果演示静态测试
      传感器平放时，VOFA+显示俯仰角/横滚角接近0°
      Z轴加速度≈9.8 m/s²


动态测试
   旋转开发板，3D模型同步跟随
   快速晃动时波形图显示各轴加速度变化
https://www.bilibili.com/video/BV1jeTYz9E8D/?share_source=copy_web&vd_source=75d3b293c1933aa8dc6757ac429e12da

输出速率调优
   ICM20948原始数据输出率约100Hz(10ms/次)
   当delt_t=60ms时，姿态解算循环(16.7Hz)与传感器更新周期不同步
   导致部分数据帧被重复使用或跳过



完整工程代码百度网盘获取完整工程文件，链接如下:    https://pan.baidu.com/s/11tr8XJvNrNernqwK1zA9Mw?pwd=pbxd


七、 效果验证与结论测试结果


指标优化前优化后
静态yaw漂移2-5°/s<0.5°/s
动态收敛时间>3s<1s
高温稳定性漂移增加300%漂移增加<50%


结论：
      通过调整Kp/Ki比例可有效抑制yaw漂移
      磁力计轴序修正提升方位角精度
      VOFA+可视化提供直观参数调优依据
      三阶段校准确保全温度范围稳定性
✔(●'◡'●)
有关本篇博客的任何问题、或者任何想法和建议等，欢迎您在底部评论区留言，一起交流~~      
零知开源是一个真正属于国人自己的开源软硬件平台，在开发效率上超越了Arduino平台并且更加容易上手，大大降低了开发难度。
零知开源在软件方面提供了完整的学习教程和丰富示例代码，让不懂程序的工程师也能非常轻而易举的搭建电路来创作产品，测试产品。快来动手试试吧！
www.lingzhilab.com

查看完整版本: 零知开源——STM32F103RBT6驱动 ICM20948 九轴传感器及 vofa + 上位机可视化教程