本文将为您介绍经典、热门的数据集，希望对您在选择适合的数据集时有所帮助。

1

Attitude-Estimation

• 更新时间：2024-6-9

• 访问地址: GitHub

• 描述：

  模拟 VTOL（无人机）的轨迹和姿态，并实施不同的静态和动态滤波器来估计姿态。

• 数据集网址：

  https://github.com/paogam1997/Attitude-Estimation

2

IMU-Attitude-Estimation

• 更新时间：2024-7-6

• 访问地址: GitHub

• 描述：

  该项目实现了一个管道，用于使用互补滤波器、Madgwick 滤波器和无迹卡尔曼滤波器来估计 IMU 的基于四元数的 3D 姿态。

• 用途：

  使用互补、Madgwick 和无迹卡尔曼滤波器的 6 DOF IMU 姿态估计

• 数据集网址：

  https://github.com/miheer-diwan/IMU-Attitude-Estimation

3

attitude-estimation-using-imu

• 更新时间：2024-3-28

• 访问地址: GitHub

• 描述：

  使用 Madgwick 和无迹卡尔曼滤波器的 6DoF 惯性测量单元对无人机进行姿态估计

• 数据集网址：

  https://github.com/rkulkarni1999/attitude-estimation-using-imu

4

3D_estimation

• 更新时间：2024-06-20

• 访问地址: GitHub

• 描述：

  基于 EKF 的 9 轴 IMU 姿态估计。

• 数据集网址：

  https://github.com/Willyee/3D_estimation

5

complementary_filter

• 更新时间：2024-06-27

• 访问地址: GitHub

• 描述：

  此存储库包含用于在四轴飞行器平台上进行实时姿态估计的补充滤波器的实现。该滤波器利用来自 Mini Pixhawk 飞行控制器上的加速度计、陀螺仪和磁力计传感器的数据。

• 用途：

  互补滤波器算法融合了加速度计-磁力计和陀螺仪数据，以获得相对不受所有传感器固有漂移影响的稳健姿态估计。

• 数据集网址：

  https://github.com/ahmetsduru/complementary_filter

6

KalmanAttitudeAuroraEstimator

• 更新时间：2024-07-19

• 访问地址: GitHub

• 描述：

  该存储库将用于学士论文“基于实时卡尔曼滤波的姿态和理论北极光方向估计””

• 数据集网址：

  https://github.com/PaulGlitchard/KalmanAttitudeAuroraEstimator

7

Implementation-of-Unscented-Kalman-Filter_Camera-and-IMU

• 更新时间：2024-9-27

• 访问地址: GitHub

• 描述：

  该项目的目标是利用 IMU 数据和估计的基于视觉的姿态和速度，使用 Unscented Kalman 滤波器实现传感器融合。基于视觉的位置和方向是通过投影变换获得的，线性和角速度是通过光流计算的。由于该系统是高度非线性的，因此无迹卡尔曼滤波器可以更好地捕捉模型的非线性，以估计四旋翼在实验空间中移动的状态。

• 用途：

  基于 UKF 的传感器融合相机数据 + IMU 数据，用于 MAV 姿态估计

• 数据集网址：

  https://github.com/andrew-dave/Implementation-of-Unscented-Kalman-Filter_Camera-and-IMU

8

Madgwick_ICM-20600_AK09918

• 更新时间：2024-11-07

• 访问地址: GitHub

• 描述：

  此存储库包含两个基本部分：IMU 传感器的驱动程序和使用 Madgwick 滤波器的 AHRS 系统，并具有适当的 beta 版本。 请注意，罗盘校准任务对于姿态估计非常重要，因此实施了两种可能性：一种 需要额外的软件：MotionCal 或类似工具用于生成硬铁，另一种是更简单的方法，即 直接在驱动程序内部实现。

• 数据集网址：

  https://github.com/MegaRaman/Madgwick_ICM-20600_AK09918

9

imu_ekf

• 更新时间：2024-04-16

• 访问地址: GitHub

• 描述：

  我自定义的扩展卡尔曼滤波算法实现，用于将陀螺仪测量与英特尔实感 D4 系列摄像头中的加速度计读数融合，以估计摄像头相对于节点启动的第一帧的姿态。EKF 预测步骤使用陀螺仪测量值通过积分来预测下一个状态，而观察步骤则利用加速度计读数。已实施两种集成方法。简单的 Euler 积分方法和 Runge-Kutta 四阶积分方法。有两种表示姿态的方法：欧拉角（滚动、俯仰和偏航）或四元数 （qw，qx，qy，qz）（汉密尔顿约定）。两者都已在此包中实现。将状态表示为欧拉角会带来在内部遇到 Gimbal Lock 的风险，因此转向基于四元数的表示，这是所有估计算法的标准。Roll 和 Pitch 估计非常准确且可靠，无法漂移。然而，偏航情况并非如此，因为加速度计无法提供有关偏航的任何信息，因此估计器被迫仅依赖嘈杂的陀螺仪测量值。

• 用途：

  一个存储库，包含我对扩展卡尔曼滤波器 （EKF） 的实现，用于通过陀螺仪和加速度计测量的传感器融合对 RealSense D400 系列摄像头进行姿态估计

• 数据集网址：

  https://github.com/PranavNedunghat/imu_ekf

10

Attitude_Estimation

• 更新时间：2024-02-16

• 访问地址: GitHub

• 描述：

  这个C++程序可以打开一个日志文件，其中包含来自 MMA8451 加速度计的数据，并根据传感器读数估计滚动和俯仰角，创建一个输出文件，其中包含所有读数的估计值以及俯仰和滚动的最小值和最大值。

• 用途：

  C++ 程序，用于根据加速度计数据估计滚动和俯仰角。

• 数据集网址：https://github.com/lavinaaa/Attitude_Estimation

END

​

 温馨  小贴士

如有您想了解的计算机方向数据集

请联系我们

免费为您提供数据集搜索服务