MPU6050简介

MPU6050 是一款集成了三轴加速度计三轴陀螺仪六轴传感器模块 ,由InvenSense公司开发。它广泛应用于运动检测、姿态感知、手势识别、无人机控制等领域。

MPU6050的主要功能与特点

  1. 6轴传感器

    • 三轴加速度计:用于测量物体在X、Y、Z三个轴向上的线性加速度(如重力或运动产生的加速度)。
    • 三轴陀螺仪:用于测量物体在X、Y、Z三个轴向上的角速度(即旋转速度)。

欧拉角的定义

欧拉角用三个角度来描述物体的姿态变化,这些角度通常对应的是绕着不同坐标轴的旋转。具体来说,欧拉角包括以下三个角:

  1. 横滚角(Roll, φ) :绕物体的X轴的旋转角度。它描述了物体左右倾斜的程度。
  2. 俯仰角(Pitch, θ) :绕物体的Y轴的旋转角度。它描述了物体上下俯仰的程度。
  3. 偏航角(Yaw, ψ) :绕物体的Z轴的旋转角度。它描述了物体朝向的方位,即水平面内的旋转。

MPU6050参数

16位ADC采集传感器的模拟信号,量化范围:-32768~32767

加速度计满量程选择:±2、±4、±8、±16(g)

陀螺仪满量程选择: ±250、±500、±1000、±2000(°/sec) 满量程选择越小,测量精度越高

分辨率=满量程​/65536

可配置的数字低通滤波器

可配置的时钟源

可配置的采样分频

I2C从机地址:1101000(AD0=0) 1101001(AD0=1)

分频器配置

MPU6050 的采样频率分频器配置通过设置其 Sample Rate Divider (SMPRT_DIV) 寄存器来实现。该寄存器位于 MPU6050 的地址 0x19。

  • SMPRT_DIV 寄存器
    • 该寄存器的值可以从 0 到 255 进行配置。
    • 采样频率(F_s)可以通过以下公式计算:
分频器配置示例
  • 如果将 SMPRT_DIV 设置为 0,则输出采样频率为 1 kHz。
  • 如果将 SMPRT_DIV 设置为 1,则输出采样频率为 500 Hz。
  • 如果将 SMPRT_DIV 设置为 4,则输出采样频率为 200 Hz。
  • 如果将 SMPRT_DIV 设置为 9,则输出采样频率为 100 Hz。

加速度计配置寄存器

  • 寄存器地址:0x1C
  • 寄存器名称:ACCEL_CONFIG
配置选项

ACCEL_CONFIG 寄存器的位定义如下:

第 5 到 7 位(XA_ST、YA_ST 和 ZA_ST)用于激活加速度计的自检功能。这些位的具体功能如下:

  • XA_ST(第 5 位):激活 X 轴的自检。
  • YA_ST(第 6 位):激活 Y 轴的自检。
  • ZA_ST(第 7 位):激活 Z 轴的自检。

第 0 到 2 位(ACCEL_HPF[2:0])用于配置数字高通滤波器(DHPF)。这些位的具体功能通常用于选择高通滤波器的截止频率,以便过滤掉低频噪声和偏移。具体的截止频率设置可以在相关的产品规格文档中找到,通常包括不同的滤波器模式或频率选项。通过配置这些位,可以根据应用需求调整加速度计的响应特性。

加速度计满量程设置

根据 AFS_SEL 的配置,MPU6050 的加速度计满量程可选择以下四个选项:

第 3 到 4 位(AFS_SEL[1:0])用于选择加速度计的满量程范围。具体如下:

  • 00: ±2g
  • 01: ±4g
  • 10: ±8g
  • 11: ±16g
相关推荐
charlie1145141911 小时前
现代C++嵌入式教程:C++98基础特性:从C到C++的演进(1)
c语言·开发语言·c++·笔记·学习·教程
喜欢吃豆1 小时前
我把 LLM 技术栈做成了一张“可复用的认知地图”:notes-on-llms 开源仓库介绍
学习·语言模型·架构·开源·大模型·多模态
学烹饪的小胡桃2 小时前
【运维学习】实时性能监控工具 WGCLOUD v3.6.2 更新介绍
linux·运维·服务器·学习·工单系统
nnsix2 小时前
QFramework学习笔记
笔记·学习
我想我不够好。2 小时前
电工实操 电路的接线和理解以及练习 12.21
学习
ys~~2 小时前
git学习
git·vscode·python·深度学习·学习·nlp·github
知识分享小能手2 小时前
Ubuntu入门学习教程,从入门到精通,Ubuntu 22.04的桌面环境 (4)
linux·学习·ubuntu
05大叔3 小时前
多线程的学习
java·开发语言·学习
就是蠢啊3 小时前
51单片机——DAC数模转换实验(一)
单片机·嵌入式硬件·51单片机
لا معنى له3 小时前
目标分割介绍及最新模型----学习笔记
人工智能·笔记·深度学习·学习·机器学习·计算机视觉