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

lingzhilab

已于 2025-06-09 14:55:21 修改

阅读量1.4k

点赞数 21

CC 4.0 BY-SA版权

文章标签： stm32 信息可视化嵌入式硬件

于 2025-06-06 18:58:45 首次发布

本文链接：https://blog.youkuaiyun.com/lingzhilab/article/details/148475533

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
VCC	3.3V
GND	GND
SDA	A4
SCL	A5

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[3], magScale[3];
    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[0] * myIMU.aRes;
    myIMU.ay = (float)myIMU.accelCount[1] * myIMU.aRes;
    myIMU.az = (float)myIMU.accelCount[2] * myIMU.aRes;
    myIMU.gx = (float)myIMU.gyroCount[0] * myIMU.gRes;
    myIMU.gy = (float)myIMU.gyroCount[1] * myIMU.gRes;
    myIMU.gz = (float)myIMU.gyroCount[2] * myIMU.gRes;
    myIMU.mx = (float)myIMU.magCount[0] * myIMU.mRes - myIMU.magBias[0];
    myIMU.my = (float)myIMU.magCount[1] * myIMU.mRes - myIMU.magBias[1];
    myIMU.mz = (float)myIMU.magCount[2] * myIMU.mRes - myIMU.magBias[2];
  }
  
  // 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[1]*q[2] + q[0]*q[3]), 
                   q[0]*q[0] + q[1]*q[1] - q[2]*q[2] - q[3]*q[3]) * RAD_TO_DEG;
  myIMU.pitch = -asin(2.0f*(q[1]*q[3] - q[0]*q[2])) * RAD_TO_DEG;
  myIMU.roll  = atan2(2.0f*(q[0]*q[1] + q[2]*q[3]),
                   q[0]*q[0] - q[1]*q[1] - q[2]*q[2] + q[3]*q[3]) * 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[3], accelBias[3];
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	静止时缓慢旋转，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

ICM20948九轴传感器动态测试

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:

零知标准板驱动ICM20948项目工程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