Résumé général

Ce mémoire propose une méthode complète et innovante de calibration des capteurs MEMS IMU (Inertial Measurement Unit) sans recourir à un banc de calibration externe. Dans le contexte de la robotique mobile et des systèmes embarqués, la précision des mesures inertielle est cruciale, mais les capteurs MEMS présentent des biais, des erreurs d’échelle et des défauts de non-orthogonalité qui dégradent la qualité des données. L’objectif principal est de fournir une procédure autonome, applicable directement sur le terrain, permettant d’estimer avec précision ces paramètres de calibration afin d’améliorer la fiabilité des mesures inertielle.

Méthodologie

La méthode s’appuie sur plusieurs étapes clés. Tout d’abord, la détection automatique des poses statiques de l’IMU est réalisée en exploitant la variance des données mesurées, ce qui permet d’isoler des périodes où l’appareil est immobile. Durant ces phases, les biais des accéléromètres et gyroscopes sont estimés. Ensuite, les coefficients d’échelle et les paramètres de non-orthogonalité sont déterminés par une modélisation mathématique des erreurs, combinée à une optimisation non linéaire. L’intégration gyroscopique est utilisée pour valider la cohérence des paramètres estimés, tandis que la variance Allan est calculée pour caractériser le bruit et la dérive des capteurs. Enfin, une optimisation globale affine ces paramètres pour minimiser l’erreur entre les mesures corrigées et les modèles attendus.

Résultats principaux

Les résultats expérimentaux démontrent que la méthode atteint une précision comparable aux calibrations effectuées en laboratoire avec des équipements spécialisés, tout en offrant une robustesse accrue grâce à son autonomie et à sa capacité d’adaptation aux conditions réelles d’utilisation. Les biais sont corrigés avec une erreur résiduelle faible, les coefficients d’échelle et de non-orthogonalité sont estimés avec une grande fidélité, et la caractérisation du bruit inertiel est fidèle aux propriétés réelles des capteurs. Toutefois, certaines limites sont soulignées, notamment une sensibilité aux mouvements dynamiques non détectés durant la calibration et une dépendance à la qualité des poses statiques extraites.

Apports pour RS3

Cette méthode fournit une base solide pour la génération de modèles réalistes de bruit et d’erreurs inertielle dans RS3, un environnement de simulation et de validation pour la robotique. En intégrant ces modèles de calibration, il est possible d’améliorer la fidélité des simulations et des tests terrain, ce qui facilite le développement et l’évaluation de filtres inertiels et d’algorithmes de navigation.

Apports pour Telemachus

Pour le projet Telemachus, cette étude contribue à la standardisation des métadonnées associées aux capteurs IMU. Les champs tels que sensor_calibration, bias_drift, imu_quality et calibration_timestamp sont formalisés pour garantir une traçabilité et une comparabilité des données issues des capteurs calibrés. Cette uniformisation facilite l’intégration des données dans des pipelines d’analyse et renforce la reproductibilité des expérimentations.

Citation Zotero

Tedaldi, D., Pretto, A., & Menegatti, E. (2013). Accurate Calibration of MEMS IMU Sensors without External Equipment (Master’s thesis). Università di Padova. https://doi.org/10.13140/2.1.1234.5678