MEMS惯导和里程计（Odometer）融合的定位方案（ODO/INS）由于其稳定可靠的自主推算能力而被广泛应用于轮式机器人导航中。但是连接里程计会面临硬件集成和时间同步等工程实现上的麻烦。能否仅利用一个传感器来实现与ODO/INS类似的功能呢？答案是肯定的。（文末开源代码和数据）

    我们最近发表在IEEE Transactions on Vehicular Technology上的一篇文章[1]中，提出了一套基于车轮安装MEMS IMU的航迹推算系统，命名为Wheel-INS。通过将IMU安装在车轮上（Wheel-IMU），利用陀螺角速率测量值和车轮半径来计算车轮前进速度，从而取代传统的车辆里程计或旋转编码器。此外，随着车轮周期性的旋转，IMU的常值偏差（如陀螺零偏）对位姿估计的影响会被调制成周期性的正弦信号，在转一整圈之后会相互抵消，从而进一步减小惯导的漂移误差（类似于高精度惯导中的旋转调制）。“利用车轮安装IMU实现航位推算”这种方案最早是芬兰坦佩雷大学（University of Tampere）的Collin博士于2014年提出的[3]，他后续还专门成立了公司来开发和推广相关产品（https://pacificinertial.com/products）。相比于该方案，我们的系统以捷联惯导解算为核心，精度不受载体加速度变化的影响，同时对误差建模更为细致，精度和稳定性更好。

    本文设计的Wheel-IMU的安装方式和相关坐标系的定义如下图所示，其中v-frame、b-frame和w-frame分别代表载体坐标系、IMU坐标系和车轮坐标系。

 

    Wheel-INS算法的实现方式和传统的ODO/INS融合算法架构类似：首先通过惯导机械编排推算载体的导航状态（位置、速度和姿态），然后根据陀螺x轴测量值和车轮半径计算载体前进速度作为观测值，最后通过误差状态卡尔曼滤波实现信息融合。

    实测实验表明：1）相比于传统的ODO/INS，Wheel-INS的定位和航向精度分别提升了23%和15%；2）Wheel-INS对陀螺零偏误差不敏感，非常适合于MEMS IMU这种低端传感器。如下图所示，我们分别对比传统ODO/INS方案和我们的Wheel-INS方案在如下三种陀螺零偏情况下的表现：

1）陀螺原始测量值中带有较大零偏误差（即未做陀螺零偏初始标定，“no initbg”）；

2）在陀螺原始测量值上再人为加上相当于10倍地球自转的陀螺零偏误差（“10e”）；

3）人为加上相当于50倍地球自转的陀螺零偏误差（“50e”）。

    显而易见，图a中传统ODO/INS方案得到的轨迹都像天女散花一样快速发散，而图b中Wheel-INS得到的轨迹却几乎没有受到影响。

 

a) 传统ODO/INS轨迹（受陀螺零偏影响显著）

 

b) Wheel-INS轨迹（不太受陀螺零偏影响）

    当然，将IMU安装在车轮上也会带来一些额外的问题：1）安装误差，即Wheel-IMU在车轮上的安装角误差以及IMU测量中心与车轮中心不重合带来的杆臂误差；2）IMU误差的可观性，即车轮的周期性旋转会使得Wheel-IMU某些轴系上的误差耦合在一起，与安装在车身上的IMU大不相同。这些问题会给系统带来什么样的影响？又该如何解决？请大家参考我们的论文[1]。我们也开源了相关代码和数据以便大家复现论文结果。

    此外，在算法设计和实验的过程中，我们意识到Wheel-IMU这一特殊设计不仅可以生成速度观测值，还可以：1）将速度投影到导航坐标系下进行积分得到位移观测值；2）利用Wheel-IMU姿态将速度投影到车轮触地点，利用该点相对于地面的速度为零这一条件构建约束（这类似于基于foot-mounted IMU的行人定位方案中的零速修正，只不过我们这里不需要探测零速，因为只要车轮不腾空或打滑，车轮上总有一点是触地的）。在近期发表的第二篇文章[2]中，我们推导了上述三种观测值（即速度观测、位移观测、触地点零速）的构建过程，并通过理论分析和实测实验对比讨论了这三种观测值的等价性和各自的特点。

    还需要说明的一点是，要想推广Wheel-INS在轮式机器人中的实际应用，必须解决模块的长时间供电问题。目前我们采用可充电锂电池，单次充满可工作约10小时。如果能在机器人工作过程中实现无线充电或从环境中收集电能，那么Wheel-INS就能成为一个“安装后免维护（install and forget）”的实用方案了。

    最后畅想一下，把一个小巧便宜的IMU模块粘在轮式机器人的轮毂上，就可以使其具备优越的自主推算定位能力了。从机器人的视角来看，这不就是给它配备的一种智能穿戴设备吗？沿着这个思路发散下去，还有多少专门给机器人用的智能穿戴技术和产品有待开发呢？

[1] Xiaoji Niu, Yibin Wu and Jian Kuang,"Wheel-INS: A Wheel-mounted MEMS IMU-based Dead Reckoning System,"IEEE Transactions on Vehicular Technology, doi: 10.1109/TVT.2021.3108008.

[2] Yibin Wu, Xiaoji Niu and Jian Kuang,"A Comparison of Three Measurement Models for the Wheel-mounted MEMSIMU-based Dead Reckoning System," IEEE Transactions on VehicularTechnology, doi: 10.1109/TVT.2021.3102409.

[3] J. Collin, “MEMS IMU carouseling forground vehicles,” IEEE Transactions on Vehicular Technology, vol. 64, no. 6,pp. 2242–2251, 2014.

相关代码和数据共享在：https://github.com/i2Nav-WHU/Wheel-INS

点击“阅读原文”可从我们团队网站下载论文全文：阅读原文