Seekur系统使用的MEMS陀螺仪可直接测量Seekur关于偏航（垂直）轴的旋转速率，该轴在Seekur导航参考坐标系内与地球表面垂直。用于计算相对驶向的数学关系式是固定时间内（t1 至t2）角速率测量结果的简单积分。

惯性传感器是怎样促进移动机器人自主工作的？

该方法的主要优势之一是连接至机器人机架的陀螺仪可测量车辆的实际运动，而无需依靠齿轮比、齿轮隙、轮胎几何形状或表面接触完整性。不过，驶向估算需要依靠传感器精度，而该精度取决于偏置误差、噪声、稳定性和灵敏度等关键参数。固定偏置误差转换为驶向漂移速率，如包含偏置误差ωBE的下列关系式所示：

惯性传感器是怎样促进移动机器人自主工作的？

偏置误差可分为两种：当前误差和条件相关误差。Seekur系统估算的是未运动时的当前偏置误差。这要求导航电脑能够识别未执行位置变化命令的状态，同时还要方便进行数据收集偏置估算和校正系数更新。该过程的精度取决于传感器噪声以及可用于收集数据并构建误差估算的时间。如图7所示，Allan方差曲线提供了偏置精度与求均值时间之间的简便关系式，进而确定了ADIS16265的关系式。ADIS16265是一款与Seekur系统目前所用的陀螺仪类似的iSensor? MEMS器件。本例中，Seekur可将20秒内的平均偏置误差减小至0．01°／秒以下，并可通过在约100秒的周期内求均值来优化估算结果。

图7． ADIS16265 Allan方差曲线。

Allan 方差4 关系式还有助于深入了解最佳积分时间（τ ＝ t2 – t1）． 该曲线上的最低点通常被确定为运行中偏置稳定度。通过设置积分时间τ，使其等于与所用陀螺仪的Allan方差曲线上最低点相关的积分时间，可优化驶向估算结果。

包括偏置温度系数在内的条件相关误差会影响性能，因此它们可决定需要每隔多久停止一次机器人的运行，以更新其偏置校正。使用预校准的传感器有助于解决最常见的误差源，例如温度和电源变化。例如，将ADIS16060 改为预校准的ADIS16265可能会增加尺寸、价格和功率，但可以将相对于温度的稳定性提高18倍。对于2°C温度变化，ADIS16060的最大偏置为0．22°／秒，而ADIS16265只有0．012°秒。

如以下关系式所示灵敏度 误差源与实际驶向变化成正比：

惯性传感器是怎样促进移动机器人自主工作的？

商用MEMS传感器的额定灵敏度误差通常在±5％至±20％以上，因此需要进行校准以减小这些误差。例如ADIS16265和ADIS16135等预校准MEMS5 陀螺仪的额定误差小于±1％，在受控环境中甚至可以达到更高性能。

应用范例：

仓库库存交货

仓库自动化系统目前使用叉车和传送带系统移动材料，以管理库存并满足需求。叉车需要直接人为控制，而传送带系统则需要定期维护。为了最大化仓库价值，许多仓库正在进行重新配置，从而为自主机器人平台的应用敞开了大门。一组机器人仅需要更改软件、对机器人导航系统进行再培训就能适应新任务，完全不需要实施大量工程作业来改造叉车和传送带系统。仓库交货系统中的关键性能要求是机器人必须能够保持行程模式的一致性，可在有障碍物移动的动态环境下安全执行机动动作，并且保证人员安全。为了说明在此类应用中MEMS陀螺仪反馈对Seekur的价值，Adept MobileRobots用实验方式分别展示了在不使用（图8）和使用（图9）MEMS陀螺仪反馈的情况下，Seekur保持重复路径的能力。应注意，为了研究MEMS陀螺仪反馈的影响，该实验未采用GPS或激光扫描校正。

图8． 未使用MEMS陀螺仪反馈时的Seekur路径精度。

图9． 使用MEMS陀螺仪反馈时的Seekur路径精度。

比较图8和图9中的路径轨迹，很容易看出两者在保持路径精度上的差异。应注意，这些实验中采用的是早期MEMS技术，支持～0．02°／秒的稳定度。目前的陀螺仪在相同成本、尺寸和功率水平下性能可提高2到4倍。随着这一趋势的延续，在重复路径上维持精确导航的能力将继续改善，这将为开发更多市场和应用（例如医院标本／补给品递送）带来机遇。