科学网 › 标签 › IMU

标签: IMU

相关帖子	版块	作者	回复/查看	最后发表

没有相关内容

相关日志

[转载]惯性导航丨自动驾驶不可或缺的定位系统核心: wxs4ever 2020-7-8 20:42; 惯性导航定位系统将成为自动驾驶刚需（1）自动驾驶已成为汽车行业发展的确定性趋势。自动驾驶的三个核心问题：在哪里？去哪里？如何去？定位系统在自动驾驶中专注于解决“在哪里？”这个问题。（2）自动驾驶定位系统的最核心关键词是高精度。高精定位能够实现极端天气和环境下的车道级定位、高精度定位要能实现感知信息的时空同步、降低自动驾驶系统运算力要求、降低系统复杂度、有利于实现V2X应用及自动驾驶的安全性和舒适性。（3）惯性导航系统是高精定位中必不可少的关键部件。惯性导航系统是唯一可以输出完备的六自由度数据的设备、数据更新频率高、是定位信息的融合中心。目前GNSS+IMU构成的组合导航系统是主流的定位系统方案。车用惯导系统进入快速发展阶段，爆发可期（1）惯性导航系统应用从军工走向汽车。惯性导航技术发展至今已有百余年历史。惯导在军事领域的应用相对成熟，目前已开始应用在自动驾驶领域，迎来快速增长。（2）2022年惯导系统全球市场空间将达45亿美元。惯性传感器IMU到2022年将达9亿美元，惯导系统至2022年为45亿美元，对应2018-2022年CAGR为54%。（3）国内惯导系统研发尚处起步阶段。中国整体处于具备部分研发能力的第三梯队。国内的惯性导航组合研发起步较晚，技术上与国外存在不小的差距。车用惯导系统的核心关键在算法及芯片（1）惯导系统短期内是算法的竞争。惯导中使用的核心算法主要包括3种：1. 惯性导航解算算法；2. 组合导航的卡尔曼滤波器的耦合。3. 环境特征信息与惯性导航融合是必然趋势。（2）惯导系统长期竞争力在芯片的设计及封装。汽车用的传感器对性能、体积、寿命要求非常高，决定了车用惯导传感器将采用MEMS技术。同时对高性能、低功耗惯性器件及系统的需求，使得MEMS惯性器件朝着高精度、集成化、低成本、组合化和多功能化方向发展。MEMS的封装技术是决定MEMS惯性器件的性能的重要因素。 1 惯性导航定位系统将成为自动驾驶刚需 1.1 自动驾驶为什么需要定位层？自动驾驶已成为汽车行业发展的确定性趋势。自动驾驶最大的意义在于解放驾驶员的双手，带来人类空间意义首次的无缝连接，智能汽车使汽车的角色不再局限于交通工具，可以是移动的生活空间，通讯工具，娱乐平台等更富有想象力的定位。 2020年将是自动驾驶关键一年。按照SAE制定的自动化标准，自动驾驶可分为L0-L5级别，目前自动驾驶的量产车型处于于L2/L3之间的状态。随着芯片、算法、高精度地图等技术的日趋成熟，政策法规的不断完善，激光雷达等传感器技术发展，预计2020年将迎来L3级自动驾驶的爆发。JP Morgan 预计2021年全球智能驾驶汽车超200万台，2024年超1000万台。当使用自动驾驶车辆的时候，核心的三个问题：在哪里？去哪里？如何去？定位系统在自动驾驶中专注于解决“在哪里？”这个问题。自动驾驶的核心内涵包括定位、感知、决策、执行四个部分，其中定位是决策和执行的前提，是自动驾驶中必不可少的关键环节。 1.2 自动驾驶要什么样的定位？自动驾驶使用的定位系统是以高精地图为依托，通过惯性传感器（IMU）和全球定位系统（GNSS），来定位车辆的位置。高精地图（HD MAP）为车辆环境感知提供辅助，提供超视距路况信息，并帮助车辆进行规划决策；惯导系统是不依赖于外部信息、使用惯性传感器来进行定位的自主式导航系统；全球定位系统是通过卫星信号定位，使用三角定位法定位地球表面或近地空间的任何地点的定位系统。自动驾驶定位系统的最核心关键词是高精度。定位精度越高，自动驾驶的可靠性越高。高精度定位系统在自动驾驶中的重要性主要体现在5个方面： 1.2.1 高精度定位系统能够稳定实现极端天气和环境下的车道级位置感知高精度定位系统不易受环境及天气因素的影响，高精度定位系统配合高精度地图，车辆可以对自己的位置做出非常准确的判断。例如：雨天积水反射灯光、冬天路面积雪覆盖等情况下，利用视觉传感器和激光雷达很难识别车道线；而在没有车道线的道路，如开阔的广场，或较大的停车场等封闭区域，不一定有明显的道路边线，且周围没有相对比较容易辨识的参照物，视觉和激光雷达很难做出相对定位。此外，强阳光会短暂致盲摄像头，而夜间行车时车灯的照明距离有限，视觉系统的精度会受很大影响。而高精度定位系统需要不受以上等环境因素影响，能持续稳定地给出定位位置。 1.2.2 高精度定位要能实现感知信息的时空同步一般来说，不同的传感器有不同的工作时钟和延迟，在某些情况下，测量值和测量时刻的位置、时间对不上。例如，通常单纯采用GNSS的定位系统的延迟是100ms，在车辆行驶的时候，由于延迟，摄像头拍摄环境目标的时候图像实际位置和GNSS报告的位置其实是不一致的，在时速120km/h的时候,100ms的延迟意味着3.3米的误差。高精度定位系统的延迟比较低，通常在几ms，这样能确保拍摄图像的瞬间、位置和时间是能实时对应上的。 1.2.3 高精度定位系统能够降低自动驾驶系统运算力要求，降低系统复杂度如图2所示，自动驾驶中，决策层的信息来源包括感知层和定位层信息，其中感知层包含了特征提取、分类处理等模块，这些模块均需要较大的运算能力和较复杂的算法支撑。因此通过感知层获得精度较高的位置信息，系统的复杂程度也会随之提高。目前一些自动驾驶车的后备箱里，放置大型的服务器来运算和处理，这种模式很难实现工程化或者商业化应用。使用高精度定位系统可以在较少资源下获得较高的定位精度，从而减少数据运算量，降低系统复杂程度。 1.2.4 高精度定位系统有利于实现V2X应用 V2X（vehicle to everything，即车对外界的信息交换）。在交叉路口的车辆穿行和避让场景中，如果每一辆车都能够精确地定出自己的位置，通过车车通信和车路通信把自己的位置分享给其他车辆，由此每辆车都会对彼此的位置和路口的交通情况有清楚的了解，通过这种智能路车调度系统，可以实现交叉行驶车辆的调度。达到一定程度时，甚至可以取消红绿灯。 1.2.5 高精度定位系统有利于自动驾驶的安全性和舒适性车辆在高速路上行使时，如果有急弯道，用视觉或激光雷达的方式去判断，车辆必须快接近这个弯道时才能做出响应，这样便会造成急刹车、急转弯等现象，给驾驶的安全性和舒适性造成影响。如果使用高精度定位技术，车辆对自己的位置有清晰的了解，可以通过智能决策系统去判断，什么时候、提前多少米开始刹车、转向以及转向的角度，可以提升整个驾驶系统的安全性和舒适性。 1.3 高精度定位为什么少不了惯导？ 1.3.1 定位技术各有优劣自动驾驶获得定位的技术方法通常有3种： 1. 基于信号的定位：以通过全球卫星GNSS的卫星信号进行定位的技术为代表，其他还包括使用WIFI，FM微波等信号获取信息等技术； 2. 环境特征匹配：基于视觉或激光雷达定位，用观测到的特征和数据库里的语义地图或特征地图进行匹配，得到车辆的位置和姿态； 3. 惯性定位: 依靠惯性传感器获得加速度和角速度信息，通过推算获得当前的位置和方位的定位技术。 1. GNSS定位 GNSS定位技术是比较成熟的常用技术。GNSS是使用三角定位法，通过3颗以上的卫星，可以准确地定位地球表面的任一位置。自动驾驶通常使用实时动态技术(RTK)获得较高精度的定位。首先需要在地面上建基站（Base Station，基站建立时，可得到基站的经纬度等精确位置信息。当基站的GNSS接收机与车载GNSS接收机相距30km时，可认为两者的GNSS信号通过同一片大气区域，即两者的信号误差基本一致。根据基站的精确位置和信号传播的时间，反推此时的信号传播误差，之后利用该误差修正车载的GNSS信号，即可降低云层、天气等对信号传输的影响，从而实现高精度(分米甚至厘米级)的定位。 GNSS-RTK技术的定位结果精度较高且稳定，目前已广泛应用于自动驾驶导航系统中，但该方法也有比较明显的缺陷——依赖卫星信号。定位成功至少需三颗可见卫星，然而在实际的运行环境中，例如城市峡谷，由于多路径效应、卫星信号被遮挡等原因，会使可见星数目不足，这种情况将影响GNSS-RTK 定位和测速的精确性以及其可靠性。 2．环境特征匹配使用摄像头和激光雷达等传感器，获取周围环境信息，经过处理后也可以获得定位信息。以激光定位为例，激光点云定位一般先通过激光雷达，获取车上的实时点云，获得目标空间分布和目标表面特性的海量点集合。经过处理后的点云数据与预先制作的地图进行匹配，最终得到车辆的距离、角度和边界信息。 3. 惯性定位从惯性传感器（包含加速度计和陀螺仪）得到每一刻的加速度和角速度，通过时间积分，得到速度和角度，再通过空间累加，就可以推算出实时的位置。这三种定位方法各有优劣。而惯性导航定位可保证不受外界信息影响，在任何时刻以高频次输出车辆运动参数，为决策中心提供连续的车辆位置、姿态信息，具有任何传感器都无法比拟的优势。 1.3.2 惯性导航系统是自动驾驶中必不可少的关键部件惯性导航在自动驾驶定位系统中具有不可替代性。惯导具有输出信息不间断、不受外界干扰等独特优势，可保证在任何时刻以高频次输出车辆运动参数，为决策中心提供连续的车辆位置、姿态信息，这是任何传感器都无法比拟的。 1. 惯性导航系统是唯一可以输出完备的六自由度数据的设备，惯导能够计算x, y, z三个维度的平动量（位置、速度、加速度）和转动量（角度、角速度），并可以通过观测模型，推测其他传感器状态的测量值，再用预测值和测量值的差用于加权滤波。若要获得实时的姿态角、方位角、速度和位置，惯导是唯一的选择。 2. 惯性导航的数据更新频率更高，可以提供高频率的定位结果输出。摄像头的帧率一般是30Hz，时间不确定性为33ms；GNSS延迟一般是100-200ms；而惯导预测状态的延迟最短只有几ms，因此可以用惯导估算并补偿其他传感器的延迟，实现全局同步。在车辆行驶的时候，GNSS的延迟是100ms，摄像头拍摄环境目标时，图像实际位置和GNSS报告的位置将会出现不一致，假设汽车时速120km/h，100ms的延迟意味着3.3米的距离的延迟，此时地图和目标识别的精度再高也失去意义。而如果使用组合惯导，位置的延迟将约为2.5ms，由此导致的误差仅为0.08m，更能够保证行车的安全性。 3.惯性导航可以作为定位信息的融合中心，融合激光雷达、摄像头、车身系统的信息。在L3及更高级别的自动驾驶汽车中，将引入更多的传感器来支撑系统的功能，惯导系统是所有定位技术中最容易实现与其他传感器提供的定位信息进行融合的主体，作为定位信息融合的中心，将视觉传感器、雷达、激光雷达、车身系统信息进行更深层次的融合，为决策层提供精确可靠的连续的车辆位置、姿态的信息。 1.3.3 GNSS+IMU构成的组合导航系统（INS）是主流的定位系统方案惯性导航系统与卫星定位所得的车辆初始点结合，可以得到实时的精确定位。惯导系统原理是是通过加速度的二次积分，得到相对的位移变量。但仅依靠惯导，无法获得车辆的绝对位置，因此必须加入GNSS所得的车辆初始点信息，即通过原始参照点+相对位移的方法，共同实现既准确又足够实时的位置更新。 GNSS在卫星信号良好时可以提供厘米级定位，但地下车库和城市楼宇之间等卫星信号丢失或者信号微弱的场景，提供的定位精度会大大下降。惯导可以不依赖外界环境提供稳定的信号。 GNSS更新频率过低（仅有10Hz）不足以提供足够实时的位置更新，IMU的更新频率可以达到100Hz或者更高完全能弥补GNSS所欠缺的实时性。GNSS/IMU组合系统通过高达100Hz频率的全球定位和惯性更新数据，可以帮助自动驾驶完成定位。在卫星信号良好时，INS系统可以正常输出得到GNSS的厘米级的定位；而卫星信号较弱时，惯导系统可以依靠IMU信号提供定位信息。 2 车用惯导系统进入快速发展阶段，爆发可期 2.1 惯性导航系统的工作原理及核心部件惯性导航系统（INS）是利用惯性传感器（IMU）测量载体的比力及角速度信息，结合给定的初始条件，与 GNSS等系统的信息融合，从而进行实时推算速度、位置、姿态等参数的自主式导航系统。具体来说惯性导航系统属于一种推算导航方式。即从一已知点的位置根据连续测得的运载体航向角和速度推算出其下一点的位置，因而可连续测出运动体的当前位置。惯性导航系统采用加速度计和陀螺仪传感器来测量载体的运动参数。其中三个垂直布置的陀螺仪用于测量载体绕自身三个坐标轴的转动角速度，同时也敏感地球自转的角速度。加速度计基于牛顿第二定律，采用电容式、压阻式或热对流原理，通过在加速过程中对质量块对应惯性力的测量来获得加速度值。用来测量运动体坐标系上各轴的加速度。惯性导航系统分为平台式和捷联式两类。平台式惯导的传感器安装在多轴伺服平台上作为反馈元件，控制伺服平台的姿态达到设定值。捷联式惯导的传感器和载体一同运动，汽车用惯导目前都是采用捷联式的。惯导通过对陀螺仪测量的角速度进行积分运算和坐标变换，计算车体的姿态角（横滚、俯仰角）和方位角。根据姿态角可以计算出重力加速度在各个坐标轴上的分量，加速度计测量得的各轴加速度，减去重力加速度分量后积分，得到速度和位置。惯导计算得到的状态，用于预测车辆当前的位置，再和卫星定位接收机得到的位置（或观测数据）进行比较。比较的偏差包含了惯导的推算误差和卫星接收机的定位误差，通过数据融合算法进行加权后，用于修正惯导的预测，让惯导的预测越来越准确。 2.2 惯性导航系统应用从军工走向汽车惯性导航技术起源并发展于西方，发展至今已有百余年历史。其发展历程共分为四个阶段。下图中，折线下方为该阶段主要技术理论，上方为出现的惯性器件及其精度。各技术发展阶段间并没有完整界限。 20世纪初期，随着火箭技术的大规模发展，惯性技术开始蓬勃发展。德国率先以惯性技术为基础成功研制了V-Ⅱ火箭的制导系统，标志着惯性技术在导航领域的首次成功应用。其后惯性导航不断被应用于潜水艇、卫星、导弹、飞机、太空实验平台等工作环境复杂、数据要求全面的运载体之上。随着技术的进步，惯性技术应用的领域得到了不断的扩展。利用惯性技术实现对运动体高动态、全方位的测量，并在测量结果基础上实现对运动体的有效控制，成为了惯性技术在导航应用之外的新兴应用领域。近年来大量仪器仪表和任务设备车载、船载、机载化的需求，引发工业控制、测量、消费电子、石油、交通及通信等多个行业的产品正从静基座向动基座转变，惯性测量和惯性稳控作为其核心技术已在上述行业中得到广泛应用。在惯导的众多应用领域当中，军事领域的应用相对成熟，而自动驾驶领域，仍是惯导系统应用一片亟待开发的蓝海市场。目前市场上车载组合系统的价格普遍在10万元以上，不能满足乘用车的成本和产量要求，主要瓶颈在高精度惯组芯片设计、封装以及组合导航算法设计技术上。 2.3 2022年惯导系统全球市场空间将达45亿美元惯导系统的市场正起步，2022年全球市场空间将达45亿美元。车用高精度的惯性导航是随着智能驾驶的兴起新增的市场。根据半导体/传感器研究机构Yole development的估计，惯性传感器IMU的2018年的全球市场空间为1.6亿美元，到2022年将达9亿美元。惯性导航传感器价格一般是惯性导航系统的1/5，由此测算惯导系统的全球市场空间在2018年为8亿美元，至2022年为45亿美元，对应2018-2022年CAGR为54%。 2.4 国内惯导系统研发尚处起步阶段美国国防部把从事惯性技术领域研究和开发的国家分为 4 个层次，中国整体处于具备部分研发能力的第三梯队。国内的惯性导航组合研发起步较晚，技术上与国外存在不小的差距。惯性导航传感器的核心元器件是加速度传感器和陀螺仪，应用领域分为消费级、工业级和汽车级、军工级和宇航级。各个领域中均是国外企业占据领先地位。全球市场：全球高性能的MEMS惯导主要掌握在以下几家企业手中：Honeywell、Analog Devices Inc、Sensonor、Silicon Sensing Systems及Systron Donner (QMEMS)。但面向武器装备和船舶为主，高精度，高成本，几乎全线禁运，并且价格高昂，最便宜的ADI低端战术级精度价格2万元。国内市场：国内传统惯导技术源头包括航天科技13所、航天科工33所、船舶707所、航空618所及兵器214所等。主要为军工企业，面向武器装备为主，高精度，高成本，低产量，对民用市场不敏感。 3 车用惯导系统的核心关键在算法及芯片 3.1 惯导系统短期内是算法的竞争惯性导航系统在自动驾驶中的应用属于起步阶段，短期内竞争力主要体现在算法上。算法的优劣决定传感器是否能发挥其最佳性能，也决定了惯性导航系统的稳定性和可靠性。惯导中使用的核心算法主要包括3种： 1. 惯性导航解算算法。包括MEMS惯性传感器的标定等硬件信息的处理，速度、加速度、航向及姿态的确定等； 2. 组合导航的卡尔曼滤波器的耦合。对IMU及GNSS等的输出信号进行融合。 3.环境特征信息与惯性导航融合是必然趋势。 3.1.1 惯性导航解算算法具体以百度阿波罗的惯性导航算法为例，通常分以下几步：姿态更新：对陀螺仪输出的角速度进行积分得到姿态增量，叠加到上次的姿态上；比力坐标转换：从IMU载体坐标系到位置、速度求解坐标系（惯性坐标系）；速度更新：需要考虑重力加速度的去除，得到惯性系下的加速度，通过积分得到速度；位置更新：通过速度积分得到位置。在惯性导航中，导航方程的每一次迭代都需要利用上一次的导航结果作为初始值，因此惯导的初始化是比较重要的部分之一。姿态对准是指得到IMU的roll, pitch, yaw。roll, pitch的对准过程一般称为调平。使当车静止时，加速度计测量的比力仅由重力导致，可以通过f=C*g来求解；对于非常高精度的IMU可通过罗经对准的方式，车静止时，通过测量载体系中的地球自转来确定载体的方位(yaw)。 3.1.2. 基于卡尔曼滤波器组合导航的定位结果融合使用Kalman滤波器的耦合，对IMU和GNSS即点云定位结果进行融合。可分为松耦合和紧耦合两种方法。松耦合滤波器采用位置、速度量测值和解算的位置速度之差作为组合导航滤波器输入，也即卡尔曼滤波器的量测量。紧耦合的数据包括GNSS的导航参数、定位中的伪距、距离变化等。以百度阿波罗使用的惯导系统为例，采用了松耦合的方式，并且使用了一个误差卡尔曼滤波器。惯性导航解算的结果用于Kalman滤波器的时间更新，即预测；而GNSS、点云定位结果用于Kalman滤波器的量测更新。Kalman滤波会输出位置、速度、姿态的误差用来修正惯导模块，IMU期间误差用来补偿IMU原始数据。 3.1.3. 环境特征信息与惯性导航融合是必然趋势目前常用的GNSS+IMU组合惯导方案在一些场景的定位精度稳定性仍不能完全满足自动驾驶的要求。例如，城市楼宇群、地下车库等GNSS长时间信号微弱的场景下，依靠GNSS信号更新精确定位稳定性不足，因此必须引入新的精确定位更新数据源，在组合惯导中引入并融合激光雷达/视觉传感定位等环境信息进行融合定位成为必然趋势。环境特征信息与惯性导航融合可以大大提升高精度定位系统的场景覆盖能力。通过GNSS-RTK的定位技术可以实现65%综合场景定位误差小于20cm的覆盖率，GNSS+IMU的组合惯导则可以实现85%左右的覆盖，但距离自动驾驶对定位误差小于20cm的综合场景覆盖要达到97.5%以上的要求仍有差距。而GNSS+IMU+LiDAR/CV的融合高精度定位系统可以实现使覆盖率达到97.5%以上。组合导航系统与环境特征信息融合将成为必然趋势。以百度阿波罗的多传感器融合定位系统解决方案为例，惯性导航系统处于定位模块的中心位置，模块将IMU、GNSS、Lidar等定位信息进行融合，通过惯性导航系统解算修正后最终输出满足自动驾驶需求的6个自由度的高精度位置信息。 3 .2 惯导系统长期竞争力在芯片的设计及封装汽车用的传感器对性能、体积、寿命要求非常高，决定了车用惯导传感器将采用MEMS技术。从长远看，惯性导航系统的竞争力在惯性传感器芯片设计和封装能力。随着自动驾驶技术级别的提升，对MEMS惯性传感器芯片的性能要求将持续提高；同时随着惯性导航系统算法的不断成熟，通过算法优化来提升系统性能的空间越来越小，而对惯性传感器芯片硬件性能的依赖程度则会相应提高。汽车行业使用的MEMS传感器必须兼备高精度、长期稳定性和大批量生产的特性。MEMS惯性传感器芯片的设计、制造、封测及标定将成为惯性导航系统中比较关键的环节。同时对高性能、低功耗惯性器件及系统的需求，使得MEMS惯性器件朝着高精度、集成化、低成本、组合化和多功能化方向发展。 2011年，惯性传感器仅和磁传感器融合，发展到2017年，惯性传感器已经演变到9轴，并且能够实现与MCU的融合。这种出现在移动终端的MEMS惯性传感器高集成化的趋势，汽车MEMS惯性传感器也在经历这种过程。对MEMS惯性传感器芯片的设计提出了更高的要求，芯片的设计能力也成核心的竞争力。 MEMS惯性传感器的封装技术是决定MEMS惯性器件的性能的重要因素。 MEMS陀螺仪的器件级真空封装的难点是如何降低封装应力、提高真空度以及高真空保持度。对于MEMS惯性传感器，其性能更是容易受封装的应力、真空度、气密性、隔离度等影响。例如气密性，MEMS陀螺的可靠性和稳定性受气密性影响很大，必须在稳定的气密条件下次才能可靠长期地工作。此外，MEMS封装通常需要考虑电源分配、信号分配、散热通道、机械支撑和环境保护等内容。 MEMS惯性传感器高集成化的趋势，也对封装技术提出了新的要求。MEMS惯性芯片的封装技术已成为核心的技术。转自《基业常青经济研究院》作者：曾凯、吴梓薇; 个人分类: 汽车工程|13488 次阅读|0 个评论

【数据处理方法】ADV-IMU数据处理方法参考网站: JerryYe 2018-7-24 09:40; Python--ADV-IMU数据处理; 个人分类: 数据处理方法|3074 次阅读|0 个评论

Fairchild六轴MEMS IMU：FIS1100: coofish 2015-9-21 09:37; Fairchild FIS1100 6-Axis MEMS IMU ——逆向分析报告购买该报告请联系：麦姆斯咨询吴越电话：15190305084；电子邮箱：wuyue@memsconsulting.com Fairchild首款消费类六轴IMU——FIS1100采用全新的体硅微机械加工工艺和硅通孔互联 FIS1100是Fairchild战略投资MEMS和运动跟踪技术以来推出的首款六轴MEMS惯性测量单元（IMU）产品。FIS1100 IMU集成了专有的AttitudeEngine™运动处理器以及业界最佳的九轴传感器融合算法，为设计人员提供易于实施的系统级解决方案，具有卓越的用户体验，低至十分之一的处理功耗，广泛应用于支持运动、采用电池供电的应用中。内置AttitudeEngine架构大幅降低系统功耗 FIS1100主要参数如下： * 采用3.3 x 3.3 x 1 mm LGA 封装的单芯片MEMS六轴IMU（陀螺仪+加速度计） * 包含九轴传感器融合库和内嵌式运动处理器 * 标定±3的纵横定位精度和±5的偏航/航向定位精度 * 从±32 dps至±2560 dps以及从±2 g至±8 g的较大动态范围 * 低噪音50 μg/√Hz加速计和10 mdps/√Hz陀螺仪 * 低延迟、高分辨率OIS模式 * 1536字节的较大FIFO，支持较低的系统功耗主机串连接口支持I2C或SPI * I2C主模式，用于与外部磁力计接口 FIS1100采用Fairchild的专有MEMS工艺，专门针对惯性传感器而设计。该工艺具有多个设计元素，能够实现最佳性能、尺寸和鲁棒性。FIS1100由一颗MEMS芯片和一颗ASIC芯片堆叠而成，通过引线键合方式连接。其中，MEMS芯片采用了体硅微加工工艺、共晶键合和直接键合，以实现三片晶圆键合。在MEMS芯片结构中采用硅通孔（TSV）方式实现电气连接，以更好地利用空间。 Fairchild六轴MEMS IMU：FIS1100拆解图 Fairchild董事长和首席执行官Mark Thompson说道：“Fairchild推出首款MEMS产品，这是个关键的里程碑，意味着公司将独特设计和制造专长应用到除电源以外的系统级解决方案。凭借因收购Xsens获得的先进算法和深度应用技术，我们支持客户开发针对各类快速增长的细分市场（如消费电子、工业和健康）的先进运动解决方案。” FIS1100 IMU采用内置AttitudeEngine运动处理器和XKF3™传感器融合，是一个低功率、高精度系统解决方案，为客户提供永不断线传感器技术，可用于很多应用，如运动、健身和保健用的可穿戴传感器、行人导航、自主机器人，以及虚拟和增强实境。 AttitudeEngine运动处理器的功耗和精度情况 IHS的MEMS传感器总监即高级首席分析师Jeremie Bouchaud说道：“消费电子设备运动跟踪已经从游戏接口和智能手机快速扩展到很多新型移动事物互联网应用。由于设计人员期待通过运动来实现其产品的差异化，在IMU中集成运动处理器和完整软件解决方案能够加速产品上市时间，同时确保实现竞争目标如小型化、较长的电池寿命和运动跟踪准确度等之间的最佳平衡。” AttitudeEngine在内部以高速率处理六轴惯性数据，并以与应用需要匹配的低速率输出给主机处理器，因此无需高频率中断。这样，系统处理器处于休眠模式的时间就更长，从而为客户提供更长的电池寿命，而不会牺牲功能或准确性。绑定的XKF3高性能9轴传感器融合算法综合了来自芯片上的陀螺仪和加速计的惯性传感器数据和来自外部磁力计的数据。传感器融合还包括背景自动校准，在准确度、一致性和流动性方面提供卓越的性能。结合XKF3传感器融合算法后，FIS1100成为世界上首款符合定位（四元素）规范的完整消费电子惯性测量装置，具有±3°的俯仰和侧滚准确度，以及±5°的偏航准确度。本报告包括FIS1100与ST新一代产品LSM6DS3、Bosch BMI160、InvenSense MPU-6500的对比分析，包括技术和成本两方面。精彩略览： FIS1100封装 FIS1100 AISC芯片标记 FIS1100 MEMS芯片标记 FIS1100成本构成（样刊模糊化）报告目录： Overview / Introduction Fairchild Company Profile Physical Analysis • Physical Analysis Methodology • Package  Package Characteristics Marking Pin-out  Package Opening Wire Bonding Process  Package Cross-Section • ASIC Die  View, Dimensions Marking  Delayering Main Blocks Identification  Process Identification  Cross-Section • MEMS Die  View, Dimensions Marking  Bond Pad Opening Bond Pads Details  Cap Removed Cap Details  Sensing Areas Details  Cross-Section (Sensor, Cap Sealing)  Process Characteristics  Fairchild Patents Technology comparison with STMicroelectronics LSM6DS0, Bosch Sensortec BMI160 and InvenSense MPU-6500 Manufacturing Process Flow • Global Overview • ASIC Front-End Process • MEMS Process Flow • Wafer Fabrication Units • Packaging Process Flow Assembly Unit Cost Analysis • Yields Hypotheses • ASIC Front-End Cost • ASIC Back-End : Probe Test Dicing Cost • ASIC Wafer Die Cost • MEMS Front-End Cost • MEMS Front-End Cost per process steps • MEMS Back-End : Probe Test Dicing Cost • MEMS Wafer Die Cost • Back-End : Packaging Cost • Back-End : Final Test Calibration Cost • FIS1100 Component Cost Price Analysis • Fairchild Financial Results • FIS1100 Selling Price Estimation Cost Price comparison with ST, Bosch Sensortec and InvenSense 6-Axis IMUs 若需要《Fairchild六轴MEMS IMU：FIS1100》样刊，请发E-mail：wuyue@memsconsulting.com; 个人分类: 研究报告|1322 次阅读|0 个评论

更多...

帐号		自动登录	找回密码
密码			注册

关闭 安全验证

标签: IMU

相关帖子

相关日志

关闭安全验证