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

eefocus_4087784

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

连线实物图

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)

1. /* ICM20948完整优化代码 */
   
2. #include "AHRSAlgorithms.h"
   
3. #include "ICM20948.h"
   
4. 
   
5. #define AHRS true
   
6. #define SerialDebug true
   
7. 
   
8. int myLed = LED_BUILTIN;  
   
9. ICM20948 myIMU;
   
10. 
    
11. void setup() {
    
12.   pinMode(myLed, OUTPUT);
    
13.   digitalWrite(myLed, HIGH);
    
14.   
    
15.   Serial.begin(115200);
    
16.   Wire.begin();
    
17.   
    
18.   // 初始化与自检
    
19.   if(myIMU.begin()) {
    
20.     Serial.println("ICM20948初始化成功");
    
21.    
    
22.     // 执行两级校准
    
23.     myIMU.calibrateICM20948(myIMU.gyroBias, myIMU.accelBias);
    
24.     float magBias[3], magScale[3];
    
25.     myIMU.magCalICM20948(magBias, magScale);
    
26.    
    
27.     // 设置优化分辨率
    
28.     myIMU.getAres();
    
29.     myIMU.getGres();
    
30.     myIMU.getMres();
    
31.   } else {
    
32.     Serial.println("传感器初始化失败!");
    
33.     while(1);
    
34.   }
    
35. }
    
36. 
    
37. void loop() {
    
38.   // 数据读取
    
39.   if (myIMU.readByte(ICM20948_ADDRESS, INT_STATUS_1) & 0x01) {
    
40.     myIMU.readAccelData(myIMU.accelCount);
    
41.     myIMU.readGyroData(myIMU.gyroCount);
    
42.     myIMU.readMagData(myIMU.magCount);
    
43.    
    
44.     // 单位转换
    
45.     myIMU.ax = (float)myIMU.accelCount[0] * myIMU.aRes;
    
46.     myIMU.ay = (float)myIMU.accelCount[1] * myIMU.aRes;
    
47.     myIMU.az = (float)myIMU.accelCount[2] * myIMU.aRes;
    
48.     myIMU.gx = (float)myIMU.gyroCount[0] * myIMU.gRes;
    
49.     myIMU.gy = (float)myIMU.gyroCount[1] * myIMU.gRes;
    
50.     myIMU.gz = (float)myIMU.gyroCount[2] * myIMU.gRes;
    
51.     myIMU.mx = (float)myIMU.magCount[0] * myIMU.mRes - myIMU.magBias[0];
    
52.     myIMU.my = (float)myIMU.magCount[1] * myIMU.mRes - myIMU.magBias[1];
    
53.     myIMU.mz = (float)myIMU.magCount[2] * myIMU.mRes - myIMU.magBias[2];
    
54.   }
    
55.   
    
56.   // 更新时间基准
    
57.   myIMU.updateTime();
    
58.   
    
59.   // 姿态解算（使用优化参数）
    
60.   MahonyQuaternionUpdate(
    
61.     myIMU.ax, myIMU.ay, myIMU.az,
    
62.     myIMU.gx * DEG_TO_RAD,
    
63.     myIMU.gy * DEG_TO_RAD,
    
64.     myIMU.gz * DEG_TO_RAD,
    
65.     myIMU.my, myIMU.mx, myIMU.mz, // 轴序修正
    
66.     myIMU.deltat
    
67.   );
    
68.   
    
69.   // 转换为欧拉角
    
70.   const float* q = getQ();
    
71.   myIMU.yaw   = atan2(2.0f*(q[1]*q[2] + q[0]*q[3]),
    
72.                    q[0]*q[0] + q[1]*q[1] - q[2]*q[2] - q[3]*q[3]) * RAD_TO_DEG;
    
73.   myIMU.pitch = -asin(2.0f*(q[1]*q[3] - q[0]*q[2])) * RAD_TO_DEG;
    
74.   myIMU.roll  = atan2(2.0f*(q[0]*q[1] + q[2]*q[3]),
    
75.                    q[0]*q[0] - q[1]*q[1] - q[2]*q[2] + q[3]*q[3]) * RAD_TO_DEG;
    
76.   
    
77.   // 发送到VOFA+
    
78.   Serial.print(myIMU.yaw, 1);   // yaw
    
79.   Serial.print(",");
    
80.   Serial.print(myIMU.pitch, 1); // pitch
    
81.   Serial.print(",");
    
82.   Serial.println(myIMU.roll, 1);// roll
    
83. 
    
84.   delay(10); // 100Hz输出
    
85. }

复制代码

关键配置修改

在ICM20948.cpp 中调整量程（根据应用需求）：

1. // 加速度计量程 (AFS_2G/AFS_4G/AFS_8G/AFS_16G)
   
2. void ICM20948::getAres()
   
3. {
   
4.   switch (Ascale)
   
5.   {
   
6.     // Possible accelerometer scales (and their register bit settings) are:
   
7.     // 2 Gs (00), 4 Gs (01), 8 Gs (10), and 16 Gs  (11).
   
8.     // Here's a bit of an algorith to calculate DPS/(ADC tick) based on that
   
9.     // 2-bit value:
   
10.     case AFS_2G:
    
11.       aRes = 2.0f / 32768.0f;
    
12.       break;
    
13.     case AFS_4G:
    
14.       aRes = 4.0f / 32768.0f;
    
15.       break;
    
16.     case AFS_8G:
    
17.       aRes = 8.0f / 32768.0f;
    
18.       break;
    
19.     case AFS_16G:
    
20.       aRes = 16.0f / 32768.0f;
    
21.       break;
    
22.   }
    
23. }
    
24. 
    
25. // 陀螺仪量程 (GFS_250DPS/GFS_500DPS/GFS_1000DPS/GFS_2000DPS)
    
26. void ICM20948::getGres()
    
27. {
    
28.   switch (Gscale)
    
29.   {
    
30.     // Possible gyro scales (and their register bit settings) are:
    
31.     // 250 DPS (00), 500 DPS (01), 1000 DPS (10), and 2000 DPS (11).
    
32.     // Here's a bit of an algorith to calculate DPS/(ADC tick) based on that
    
33.     // 2-bit value:
    
34.     case GFS_250DPS:
    
35.       gRes = 250.0f / 32768.0f;
    
36.       break;
    
37.     case GFS_500DPS:
    
38.       gRes = 500.0f / 32768.0f;
    
39.       break;
    
40.     case GFS_1000DPS:
    
41.       gRes = 1000.0f / 32768.0f;
    
42.       break;
    
43.     case GFS_2000DPS:
    
44.       gRes = 2000.0f / 32768.0f;
    
45.       break;
    
46.   }
    
47. }

复制代码

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

1. float gyroBias[3], accelBias[3];
   
2. IMU.calibrateICM20948(gyroBias, accelBias); // 上电时执行一次

复制代码

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：

1. // 原参数（漂移明显）
   
2. // #define Kp 2.0f * 5.0f
   
3. // #define Ki 0.0f
   
4. 
   
5. // 优化参数（大幅改善漂移）
   
6. #define Kp 3.0f    // 降低比例增益，减少高频噪声响应
   
7. #define Ki 0.1f   // 降低积分增益，抑制累积误差

复制代码

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/s?

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

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: 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