Source : 2014 IEEE International Conference on Robotics & Automation (ICRA), Hong Kong, 31 mai - 7 juin 2014, pp. 3042-3049 · DOI non imprimé dans le PDF · Université de Padoue (Dept. of Information Engineering) et Sapienza Rome (Pretto) · accès OPEN · PDF Tedaldi2013-IMUCalibrationNoRig.pdf, sha256 5bd2db5cc5ecbcfa360135faafc5e2b120836c0788eadb125a6e61ebff85a580, 8 pages (pagination de la revue : 3042 à 3049) Lu le : 2026-11-02. LECTURE COMPLÈTE (texte, équations, tableaux I à XII et figures 4 et 5 relus sur les pages du PDF). Statut summarized. Thème : fusion · calibration d’une IMU MEMS Métadonnées vérifiées dans le PDF : auteurs D. Tedaldi, A. Pretto, E. Menegatti ; année 2014 (ICRA) ; titre ci-dessus. Écarts avec le corpus : l’entrée indique l’année 2013, le titre « Accurate Calibration of MEMS IMU Sensors without External Equipment » et source: thesis ; le PDF est l’article ICRA 2014, pas une thèse. La clé ...2013-... est conservée telle quelle. Le même fichier PDF (même sha256) existe aussi sous Tedaldi2014-IMUCalibNoRig.pdf.

Contexte et question

Les IMU MEMS bon marché (20 à 100 $, ou celles des smartphones) souffrent de facteurs d’échelle imprécis, de désalignements d’axes et de biais non nuls ; les IMU industrielles à 1000-2000 $ sont étalonnées en usine sur des équipements coûteux (§I). Les auteurs cherchent une procédure qui estime échelle, désalignement et biais pour l’accéléromètre et le gyromètre, sans plateau tournant, sans caméra ni GPS, en déplaçant seulement le capteur à la main entre des poses statiques.

Méthode

• Modèle d’erreur (§II) : pour chaque triade, a_O = T_a K_a (a_S + b_a + ν_a) (Éq. 6) et ω_O = T_g K_g (ω_S + b_g + ν_g) (Éq. 7), avec T triangulaire (désalignements), K diagonale (échelles), b biais. Le repère du corps est supposé confondu avec le repère orthogonal de l’accéléromètre, d’où 9 paramètres par triade (Éq. 8 et 12). Les sensibilités croisées sont négligées, car difficiles à distinguer des désalignements (§I).
• Accéléromètres (§III) : principe multi-position, la norme de l’accélération statique doit valoir celle de la gravité locale. Coût Σ (‖g‖² − ‖h(a_k, θ)‖²)² (Éq. 10) sur les M intervalles statiques, minimisé par Levenberg-Marquardt. ‖g‖ se lit dans des tables publiques (latitude, longitude, altitude).
• Gyromètres (§III) : biais obtenu par moyenne sur la période initiale sans mouvement. Le gyromètre est intégré entre deux poses statiques consécutives pour prédire la direction de la gravité, comparée à celle donnée par l’accéléromètre calibré : coût Σ ‖u_a,k − u_g,k‖² (Éq. 13), minimisé par LM.
• Détecteur statique (§IV-A) : variance de l’accélération sur une fenêtre de 2 s (t_w = 2 s), comparée à un multiple entier du carré de la magnitude de variance de la période initiale. Le multiplicateur est choisi automatiquement : l’algorithme 1 balaie i = 1..k et retient celui qui minimise le résidu de calibration de l’accéléromètre. Les auteurs jugent les détecteurs à filtre passe-bande (comme celui de Fong et al.) moins fiables sur données réelles et réglés par trois paramètres.
• Intégration (§IV-B) : quaternions, Runge-Kutta d’ordre 4 normalisé (RK4n, Éq. 15 à 21). Les auteurs écrivent que RK4n bat l’intégration linéaire standard, mais « experiments not reported for space constraints » (p. 3046) : ce résultat n’est pas démontré dans l’article.
• Période initiale (§IV-C) : sa durée T_init est lue sur la variance d’Allan des trois axes gyroscopiques (t0 = 1 s, tn = 225 s). Pour l’Xsens MTi, 50 s conviennent (Fig. 4).
• Protocole (§IV-D) : minimum de 9 attitudes pour l’observabilité ; les auteurs retiennent 36 ≤ N ≤ 50 poses et 1 s ≤ t_wait ≤ 4 s, comme compromis entre précision, stabilité des biais et réduction du bruit.

Données

• Synthétiques (§V-A) : 1200 signaux, soit 40 jeux de paramètres de distorsion × 30 signaux idéaux, échantillonnés à 100 Hz, avec 5000 échantillons nuls initiaux et 400 échantillons nuls par intervalle statique, bruit blanc gaussien ajouté. Seul un jeu de distorsion est détaillé, les autres sont dits « very similar ». Logiciel, résultats synthétiques et un jeu réel sont annoncés à robotics.dei.unipd.it/~pretto/software/tpm_icra2014.zip (note de bas de page 4, p. 3047) ; lien non vérifié ici.
• Réels (§V-B) : une Xsens MTi (Fig. 1), pose initiale statique d’environ 50 s, puis 37 rotations séparées par des statiques de 2 à 4 s. Référence : le certificat d’étalonnage d’usine du constructeur.

Résultats chiffrés

Simulation, un jeu de distorsion (Tab. I et II, p. 3047-3048) :

• Valeurs moyennes estimées égales aux valeurs vraies à 3 ou 4 décimales près (ex. échelle accéléromètre en x : 0,9908 vrai, 0,9908 estimé ; biais en z : 0,0636 vrai, 0,0636 estimé). Le texte parle d’erreur moyenne d’ordre ≤ 10⁻⁴.
• RMS d’erreur la plus grande côté accéléromètre : 0,2138 ×10⁻³ (biais en y, Tab. I) ; côté gyromètre : 1,0630 ×10⁻³ (γxz, Tab. II).
• Cas le pire (Tab. III) : par exemple γyz estimé 0,0099 pour 0,0112 vrai, biais b_y^a estimé −0,0026 pour −0,0024 vrai.

Erreurs absolues par axe (Tab. IV et V, p. 3048) :

Erreur de divergence, accéléromètres (Tab. VI) : moyenne 0,0665 m/s² (0,0114 rad) avant, 0,0056 m/s² (0,0009 rad) après ; maximum observé 0,2133 (0,0226 rad) avant, 0,0299 (0,0035 rad) après. Le texte annonce une réduction d’un facteur 11,9 en magnitude et 12,7 en angle.

Erreur de divergence, gyromètres (Tab. VII) : moyenne 4,7125 (0,5494 rad) avant, 0,2208 (0,0256 rad) après ; maximum observé 9,2930 avant, 0,4469 après. Le texte annonce un facteur 21,4 en magnitude et 21,9 en angle. Les unités affichées dans l’en-tête du tableau (m/s²) sont reprises de l’article.

Données réelles, Xsens MTi (Tab. VIII à XII, p. 3048-3049), usine à gauche, méthode à droite :

• Échelle accéléromètre : 415 / 413 / 415 contre 414,41 / 412,05 / 414,61. Échelle gyromètre : 4778 / 4758 / 4766 contre 4778,0 / 4764,8 / 4772,6.
• Désalignement accéléromètre : termes hors diagonale de l’ordre de 0,01 à 0,02 en usine contre jusqu’à 0,0201 estimé (Tab. X) ; désalignement gyromètre : 0,04 en usine contre 0,0433 estimé pour un terme (Tab. XI).
• Offsets accéléromètre : 33123 / 33276 / 32360 contre 32768 / 32466 / 32485 (Tab. XII). L’écart est bien plus grand que sur l’échelle, et l’article ne le commente pas.

L’article ne donne aucune erreur chiffrée sur données réelles contre une vérité externe : la comparaison au certificat est qualitative (« very close », p. 3048).

Limites déclarées par les auteurs

• La précision du gyromètre dépend de celle de l’accéléromètre, utilisé comme référence ; bruit et biais dégradent aussi la détection des intervalles statiques (§I).
• Les hypothèses de stabilité locale de la gravité, de la température et des biais sont posées, pas testées (résumé, §I).
• La comparaison à l’usine inclut une erreur propagée par les valeurs arrondies de la fiche technique, lors du calcul de la rotation entre repères (p. 3048).
• Le détail du calcul de cette rotation est omis « for reduced space » (note 5).
• Travaux futurs : test sur IMU de smartphone, intégration à une calibration caméra-IMU (§VI).

Ce que ça change pour Teleforge (interprétation, hors de l’article)

• Le modèle à neuf paramètres par triade, avec un jeu explicite biais, échelle, désalignement, est un schéma de métadonnées de calibration IMU directement réutilisable dans nos descriptions de capteur.
• Le détecteur statique par variance sur fenêtre de 2 s est transposable à la détection d’arrêts pour estimer un biais gyroscopique en ligne ; son seuil, ici auto-estimé, serait à ré-étalonner sur nos signaux véhicule.
• Le protocole exige de poser le capteur dans 36 à 50 attitudes variées : réalisable sur un banc, pas sur un boîtier fixé dans un véhicule. Le papier sert donc à étalonner l’IMU avant montage, pas en circulation.
• Les gains chiffrés viennent de la simulation (bruit blanc, biais constant) ; sur capteur réel, l’article ne mesure pas l’erreur. À ne pas citer comme précision démontrée sur matériel.
• Un bruit réaliste de simulation peut reprendre le modèle de distorsion des Éq. 23 et 24 pour injecter des défauts connus et vérifier un redresseur d’orientation.