Micro contrôleurs AVR/Travail pratique/Utilisation du MPU9250

Une page de Wikiversité.
Sauter à la navigation Sauter à la recherche

Le MPU9250 est composé d'un MPU6050 (déjà présenté dans un TP précédent) et d'un magnétomètre AK8963. Il dispose donc des six axes du MPU6050 (3 pour l'accéléromètre et 3 pour le gyroscope) et des trois axes du magnétomètre. Un tel dispositif sera donc qualifié de 9 axes (9 Degree Of Freedom = 9 DOF).

L'objectif de ce TP est d'amener l'étudiant à comprendre les différences de comportements des accéléromètres, des gyroscopes et des magnétomètres avec comme objectif de résoudre au mieux le problème de mesure de l'attitude c'est à dire la rotation des axes de cet objet MPU9250 par rapport à un repère d'inertie.

Documentation[modifier | modifier le wikicode]

Une présentation en français de l' IMU9250 est disponible ICI. Elle a été réalisée par Vincent Kerhoas.

Introduction aux spécifications[modifier | modifier le wikicode]

Nous allons passer en revue un ensemble de spécifications sur le MPU 9250. Elles nous permettront de comprendre ce que l'on peut envisager de faire avec ce composant. Ces spécifications sont disponibles ICI (MPU9250 datasheet).

Spécifications du gyroscope[modifier | modifier le wikicode]

Nous donnons seulement un extrait des caractéristiques du gyroscope :

Gyroscope MPU9250
Paramètre Conditions min Typique max Unités
Pleine échelle FS_SEL=0 +/- 250 °/s
FS_SEL=1 +/- 500 °/s
FS_SEL=2 +/- 1000 °/s
FS_SEL=3 +/- 2000 °/s
Sensibilité FS_SEL=0 131 LSB/(°/s)
FS_SEL=1 65.5 LSB/(°/s)
FS_SEL=2 32.8 LSB/(°/s)
FS_SEL=3 16.4 LSB/(°/s)

Dans le cas d'un choix FS_SEL à 0, la mesure sera donnée avec 131/(°/s). Autrement dit, une mesure de 250 °/s donnera 131*250 soit 32750. Ceci montre que les données sont sur 16 bits et elles sont signées. Le type C pour les récupérer est donc soit "int" soit "int16_t".

Spécifications de l'accéléromètre[modifier | modifier le wikicode]

Nous donnons seulement un extrait des caractéristiques de l'accéléromètre :

Accéléromètre MPU9250
Paramètre Conditions min Typique max Unités
Pleine échelle AS_SEL=0 +/- 2 g
AS_SEL=1 +/- 4 g
AS_SEL=2 +/- 8 g
AS_SEL=3 +/- 16 g
Sensibilité AS_SEL=0 16384 LSB/g
AS_SEL=1 8192 LSB/g
AS_SEL=2 4096 LSB/g
AS_SEL=3 2048 LSB/g

Dans le cas d'un choix à 0, la mesure sera donnée avec 16384/g. Autrement dit, une mesure d'un g donnera 16384 tandis que deux g donnera 32768. Ceci montre que les données sont sur 16 bits et elles sont signées. Le type C pour les récupérer est donc soit "int" soit "int16_t".

Spécification du magnétomètre[modifier | modifier le wikicode]

Nous donnons seulement un extrait des caractéristiques du magntomètre :

Magnétomètre MPU9250
Paramètre Conditions min Typique max Unités
Pleine échelle 4800 uT
Nb bits CAN 14 bits
Sensibilité 0.6 uT/LSB
Tolérence initiale +/- 500 LSB

Faire fonctionner le MPU9250 en simple i2c[modifier | modifier le wikicode]

Installation de la librairie correspondante[modifier | modifier le wikicode]

Il y a plusieurs librairies utilisables pour le MPU9250. On vous demande d'installer bolderflight/MPU9250 de Brian R Taylor et de réussir à faire fonctionner l'exemple Basic_I2C. Il s'agit d'une simple lecture des données de l'accéléromètre, des données du gyroscope et des données du magnétomètre et de leur affichage à l'aide d'une liaison série dans le moniteur série de l'Arduino. Une fois que tout fonctionne vous êtes prêt pour réaliser l'application 1.

Application 1 : inclinomètre[modifier | modifier le wikicode]

On va maintenant se servir de la position de l'accélération de pesanteur par rapport à nos axes pour essayer de trouver l'attitude de notre repère. En clair nous allons abandonner (momentanément) les données du gyroscope, du magnétomètre et de la température pour ne garder que celles de l'accéléromètre.

Projection de l'accélération de pesanteur sur deux axes X et Z

On va d’abord simplifier le problème en le ramenant en deux dimensions. L'accéléromètre que vous utilisez a ses deux axes X et Y clairement indiqués. Naturellement l'axe Z est perpendiculaire à ces deux axes.

On va s'intéresser à une rotation autour de l'axe Y (tangage). L'accéléromètre devra donc rester horizontal par rapport à l'axe X !!!

A l'aide de la figure explicative ci-dessous, on vous demande de retrouver l'angle de tangage de votre repère.

Indication : Quelle est la relation entre les coordonnées ax et az et l'angle ? Le calcul d'une tangente inverse est en général mieux réalisé par la primitive atan2 que atan. Chercher la documentation sur ce point sur Internet.

Note : Il est possible que vous considériez l'axe Z dans l'autre sens ! Tout dépend comment vous tenez l'accéléromètre.

Application 2 : inclinomètre sur deux axes[modifier | modifier le wikicode]

Les deux axes en question dans le titre de cette section sont le tangage et le roulis (Tilt (Pitch) et Roll en anglais). Un cours sur le sujet est disponible dans Youtube en anglais. La leçon 6 nous intéresse particulièrement : 9-Axis IMU LESSON 6: Determine Tilt From 3-axis Accelerometer.

Ce que l'on vous demande de réaliser est tout simplement ce qu'il y a dans cette leçon 6 avec un matériel complètement différent :

Panneau d’avertissement

Si vous faites fonctionner le code de la solution ci-dessus avec un accéléromètre en main vous vous apercevrez très rapidement que ce code possède un inconvénient de taille : si vous faites trembler horizontalement l'accéléromètre il vous donnera un angle de roulis ou un angle de tangage (ou les deux) suivant vos tremblements... et ceci malgré le fait que vous restez horizontal ! Ceci s'explique facilement : vous ajoutez une accélération supplémentaire qui va détruire les beaux calculs trigonométriques qui sont bâtis autour de l'hypothèse que seule la gravitation entre en jeux !

C'est à cause de ce défaut qu'il nous faudra ajouter plus tard les données du gyroscope dans nos calculs.

Application 3 : stabilisation[modifier | modifier le wikicode]

On vous demande de réaliser ce que montre la vidéo de cette page (ou directement dans youtube). Cela nécessite un servomoteur et un accéléromètre.

Voir aussi[modifier | modifier le wikicode]

Exploration du gyroscope[modifier | modifier le wikicode]

Un gyroscope mesure des vitesses angulaires et non des angles. Ce qui nous intéresse pour le problème de l'attitude sont des angles. Le problème semble à priori simple : pour passer des vitesses angulaires aux angles il suffit d'une intégration.

Propriétés de l'intégration[modifier | modifier le wikicode]

Mathématiquement, l'intégration est une fonctionnelle : vous lui donnez à manger une fonction et elle vous retourne un scalaire si la fonction est accompagnée de ses bornes d'intégration. Qu'en est-il d'un point de vue pratique ? La beauté mathématique s'efface car vous allez faire les calculs sur des données discrètes qui ne seront que des approximations des mesures réelles. Tout ceci introduit un bruit aléatoire de mesure et l'intégration d'un bruit donne toujours une dérive (drift en anglais).

Un autre problème mathématique est que la vitesse angulaire est un vecteur mais pas l'angle obtenu par intégration ! Cela veut tout simplement dire que si vous intégrez chacune des vitesses angulaires sur chacun des axes, les angles obtenus ne sont pas des angles que l'on peut utiliser dans une matrice de rotation ! Ceci est naturellement vrai si les rotations sont 3D. Pour les rotations 2D il n'y a pas de problème.

Application 4 : Intégration des données du gyroscope pour trouver les angles[modifier | modifier le wikicode]

On vous demande de réaliser ce qui est expliqué dans la vidéo disponible dans cette page : 9-Axis IMU LESSON 8: Using Gyros for Measuring Rotational Velocity and Angle et donc de montrer de manière pratique la dérive de l'angle en fonction du temps.

Indication : vous pouvez garder les angles calculés par l'accéléromètre pour cet exercice.

Voir aussi[modifier | modifier le wikicode]

Vidéos dédiées au filtrage du gyroscope pour drones en anglais[modifier | modifier le wikicode]

Fusion de données accéléromètre gyroscope avec filtre complémentaire[modifier | modifier le wikicode]

L'objectif de cette section est simplement d'essayer d'utiliser les données de l'accéléromètre ainsi que celle du gyroscope pour en déduire les angles de roulis et de tangage. La sensibilité de l'accéléromètre aux hautes fréquences nous impose d'abord de réaliser un filtrage passe-bas de ses données.

Application 5 Filtrage passe-bas des angles de l'accéléromètre[modifier | modifier le wikicode]

On vous demande de réaliser ce qui est expliqué dans la vidéo disponible dans cette page : 9-Axis IMU LESSON 7: Understanding Low Pass Filters

Indication : Vous devez partir du code donné dans la correction de l'application 4 pour cet exercice. Vous ne travaillerez certes que sur les données de l'accéléromètre mais la présence du gyroscope simplifiera la réalisation de l'Application 6.

Application 6 : fusion de données par filtre complémentaire[modifier | modifier le wikicode]

On vous demande de réaliser ce qui est expliqué dans la vidéo disponible dans cette page : 9-Axis IMU LESSON 9: Accurate and Stable Tilt Using Accelerometers, Gyros and a Complementary Filter

Tout a l'air de se passer correctement pour les données globales qui sont données en degrés par ce code Arduino. L'application suivante va nous permettre de visualiser les données.

Application 7 : Visualisation graphique des données[modifier | modifier le wikicode]

Nous allons utiliser à partir de maintenant une visualisation des données en utilisant un programme Processing.org donné ci-dessous.

La seule modification par rapport à l'application 6, consiste à changer la sortie par liaison série pour qu'elle soit conforme à ce qu'est capable d'interpréter le programme donné.

L'exécution de ces deux codes (Processing et Arduino) vous montre :

  • à gauche la rotation calculée à partir des données du gyroscope : il est possible de voir à l’œil la dérive de celui-ci.
  • au centre la même chose à partir des données de l'accéléromètre qui sont filtrées d'où sa réponse assez lente.
  • à droite les deux données précédentes passées par un filtre complémentaire. Les mouvements y sont assez réactifs. C'est le mieux que l'on puisse obtenir à partir du MPU9250 de manière relativement simple.

Pour faire mieux il faut utiliser le DMP (Digital Motion Processor). Avant de regarder cet aspect, nous allons nous intéresser au magnétomètre.

Ajout d'un compas (magnétomètre)[modifier | modifier le wikicode]

Arrivés jusqu'ici, nous avons réussi à fusionner les données de l'accéléromètre et du gyroscope pour trouver les angles de roulis et de tangage pour l'attitude. Il reste cependant un angle important : c'est le lacet. Cet angle n'est pas accessible à un accéléromètre (voir démonstration ICI). Il n'est pas non plus dérivable à partir des données du gyroscope à cause de la dérive. Pour calculer cet angle, nous allons introduire un capteur supplémentaire, le détecteur de champ magnétique terrestre.

Application 8 : Utilisation du magnétomètre pour trouver le lacet[modifier | modifier le wikicode]

On vous demande de réaliser ce qui est expliqué dans la vidéo disponible dans cette page 9-Axis IMU LESSON 10: Making a Tilt Compensated Compass with Arduino

Vous allez procéder comme dans la vidéo, en deux étapes :

  • calcul de l'angle de lacet par rapport au nord magnétique avec qui permet de trouver où xm et ym sont les deux données du magnétomètre respectivement sur les axes x et y
  • amélioration du calcul précédent avec le prise en compte du roulis et du tangage

Première étape[modifier | modifier le wikicode]

Le calcul présenté dans cette première étape est tellement naïf qu'il ne convient pas à résoudre le problème correctement. Nous le présentons quand même pour des raisons pédagogiques.

Il est facile de voir à l'aide de ce code que l'inclinaison de tangage ou de roulis influent sur l'angle de lacet, ce qui n'est absolument pas souhaitable... d'où la deuxième étape. Avant de passer à la deuxième étape, chacun d'entre-vous aura remarqué que la rotation du magnétomètre selon l'axe vertical z n'est pas correctement reproduit par la figure 3D de processing.

Calibration du magnétomètre[modifier | modifier le wikicode]

Le seul coupable est le magnétomètre qu'il faut calibrer. Nous pourrions nous inspirer de l'article Simple and Effective Magnetometer Calibration pour cela, mais nous allons plutôt utiliser la fonction de calibration qui existe toute faite dans la librairie que l'on utilise. Cette fonction s'appelle calibrateMag() et il vous est demandé de réaliser une figure en forme de huit lors de son exécution. Une fois réalisée, nous allons afficher à l'aide de la liaison série les résultats trouvés que l'on peut trouver à l'aide des primitives toutes faites de la librairie, à savoir :

  • float MPU9250::getMagBiasX_uT()
  • float MPU9250::getMagScaleFactorX()
  • float MPU9250::getMagBiasY_uT()
  • float MPU9250::getMagScaleFactorY()
  • float MPU9250::getMagBiasZ_uT()
  • float MPU9250::getMagScaleFactorZ()

Les données affichées par la liaison série pour le programme ci-dessus sont : 11,066 - 27,122 - -60,339 - 1,089 - 1,063 - 0,876

Ces données sont très dépendantes de l'accéléromètre que vous utilisez et pour vous elles n'ont peu de chance de correspondre à celles-ci.

On peut imaginer négliger les trois facteurs d'échelle mais c'est à essayer pour le troisième sur l'axe des z.

Prise en compte de la calibration du magnétomètre[modifier | modifier le wikicode]

Ce n'est pas le tout de calibrer le magnétomètre, il faut positionner les valeurs que l'on a trouvé pour les offsets et les facteurs d'échelle de la section précédente et les utiliser pour le calcul du lacet. Voici le code Arduino correspondant.

A ce point, nous sommes assez avancé pour envisager maintenant de passer à la deuxième étape.


Deuxième étape[modifier | modifier le wikicode]

Il s'agit de prendre en compte le tangage et le roulis pour le calcul du lacet, de telle manière que ces deux premiers angles ne perturbent pas ce calcul (du lacet).

Panneau d’avertissement Nous ne sommes pas plus satisfait que cela du résultat obtenu ici. A revoir donc plus tard.

Utilisation du DMP (Digital Motions Processor)[modifier | modifier le wikicode]

Comme le MPU6050, le MPU9250 est équipé d'un processeur de fusion de données appelé DMP. La seule librairie DMP pour MPU9250 que nous connaissons à ce jour est la librairie Sparkfun de Jim Lindblom. Elle peut être téléchargée ICI (Arduino library for the MPU-9250 enabling its digital motion process (DMP) features). Elle a cependant un gros inconvénient pour le monde Arduino, c'est qu'elle est destinée aux 32 bits Arduino ZERO.

Nous avons cependant essayé la bibliothèque de Jeff Rowberg destinée au MPU6050 avec succès. Ceci est à la fois une bonne et une mauvaise nouvelle :

  • la bonne c'est qu'il n'y a pas à écrire une nouvelle librairie. Nous ne nous voyions pas porter une partie de la librairie de Jim Lindblom (Sparkfun) pour des microcontrôleurs 8 bits.
  • la mauvaise c'est que le DMP ne fonctionne que comme dans le MPU6050 c'est à dire en fusion de données de l'accéléromètre et du gyroscope et qu'il laisse de côté le magnétomètre.

En conséquence, si vous voulez que la fusion de données soit complète, il vous faudra vous intéresser au successeur du MPU9250, l'ICM20948. Mais il vous en coûtera environ 8 € (au lieu de 3 € en 2019 pour le MPU9250)

Reprise du problème de stabilisation[modifier | modifier le wikicode]

Le problème de stabilisation déjà évoqué dans ce TP est repris ici à l'aide du DMP. Ce problème n'est pas assez complexe pour donner des résultats meilleurs que ce que nous avons déjà fait. Il n'est donc repris ici que pour des raisons pédagogiques.

Fusion de données DMP magnétomètre : est-ce possible à réaliser soi-même ?[modifier | modifier le wikicode]

La fusion de données roulis/tangage avec un magnétomètre a été traité dans la section Ajout d'un compas (magnétomètre). Nous allons reprendre ce travail en essayant de remplacer le calcul par filtre complémentaire par le DMP.

Voir aussi[modifier | modifier le wikicode]