当前位置：首页 > news >正文

601N1 icm45696 串口python读取及显示

news 2025/6/29 2:53:10

Python实现601N1 icm45696 IMU传感器数据读取与3D可视化：从串口通信到运动轨迹追踪

前言

在物联网和嵌入式开发中，IMU（惯性测量单元）传感器是获取设备姿态和运动信息的重要组件。本文将详细介绍如何使用Python实现IMU传感器的串口数据读取、解析，并通过matplotlib实现实时3D可视化，包括姿态显示和运动轨迹追踪。
在这里插入图片描述

项目概述

本项目实现了一个完整的IMU数据处理系统，主要功能包括：

🔗 串口通信：与IMU传感器建立稳定的串口连接
📊 数据解析：解析加速度、陀螺仪、欧拉角数据
🎯 姿态显示：实时3D姿态可视化
🛤️ 轨迹追踪：通过加速度积分计算运动轨迹
⚖️ 重力补偿：自动补偿重力影响
📈 实时图表：多维度数据实时显示

技术栈

Python 3.x
PySerial：串口通信
Matplotlib：数据可视化
NumPy：数值计算
Threading：多线程处理

系统架构

┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│   IMU传感器     │───▶│  串口通信模块   │───▶│   数据解析模块  │
└─────────────────┘    └─────────────────┘    └─────────────────┘│▼
┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│  3D可视化界面   │◀───│   轨迹计算模块  │◀───│   重力补偿模块  │
└─────────────────┘    └─────────────────┘    └─────────────────┘

核心实现

1. IMU串口通信类

首先实现IMU串口通信的核心类：

class IMUSerialReader:def __init__(self, port='COM5', baudrate=115200):self.port = portself.baudrate = baudrateself.ser = Nonedef connect(self):"""连接串口"""try:self.ser = serial.Serial(self.port, self.baudrate, timeout=1)print(f"成功连接到串口 {self.port}，波特率 {self.baudrate}")time.sleep(2)  # 等待连接稳定return Trueexcept Exception as e:print(f"串口连接失败: {e}")return Falsedef send_read_command(self):"""发送读取命令: A4 03 08 12 C1"""#一般由对应品牌提供command = bytes([0xA4, 0x03, 0x08, 0x12, 0xC1])if self.ser and self.ser.is_open:self.ser.write(command)return Truereturn False

2. 数据帧提取与解析

实现数据帧的提取和解析功能：

def extract_valid_frames(self, data):"""从数据中提取有效的A4 03 08 12帧"""valid_frames = []i = 0while i < len(data) - 3:# 查找帧头 A4 03 08 12if (data[i] == 0xA4 and i + 1 < len(data) and data[i + 1] == 0x03 andi + 2 < len(data) and data[i + 2] == 0x08 andi + 3 < len(data) and data[i + 3] == 0x12):# 检查是否有足够的数据构成完整帧 (23字节)if i + 23 <= len(data):frame = data[i:i + 23]valid_frames.append(frame)i += 23else:breakelse:i += 1return valid_framesdef parse_response(self, data):"""解析响应数据"""if not data or len(data) < 23:return None# 验证帧头和功能码if data[0] != 0xA4 or data[1] != 0x03:return None# 解析加速度数据 (字节4-9)acc_x_raw = struct.unpack('<h', data[4:6])[0]acc_y_raw = struct.unpack('<h', data[6:8])[0]acc_z_raw = struct.unpack('<h', data[8:10])[0]# 解析陀螺仪数据 (字节10-15)gyro_x_raw = struct.unpack('<h', data[10:12])[0]gyro_y_raw = struct.unpack('<h', data[12:14])[0]gyro_z_raw = struct.unpack('<h', data[14:16])[0]# 解析欧拉角数据 (字节16-21)roll_raw = struct.unpack('<h', data[16:18])[0]pitch_raw = struct.unpack('<h', data[18:20])[0]yaw_raw = struct.unpack('<h', data[20:22])[0]# 数据转换（根据传感器规格）return {'acceleration': {'x': acc_x_raw / 32768.0 * 16,  # ±16g'y': acc_y_raw / 32768.0 * 16,'z': acc_z_raw / 32768.0 * 16},'gyroscope': {'x': gyro_x_raw / 32768.0 * 2000,  # ±2000°/s'y': gyro_y_raw / 32768.0 * 2000,'z': gyro_z_raw / 32768.0 * 2000},'euler_angles': {'roll': roll_raw / 32768.0 * 180,   # ±180°'pitch': pitch_raw / 32768.0 * 180,'yaw': yaw_raw / 32768.0 * 180}}

在这里插入图片描述

3. 3D可视化系统

实现实时3D可视化界面：

class IMUVisualizer:def __init__(self, com_port='COM5', baud_rate=115200):self.imu_reader = IMUSerialReader(com_port, baud_rate)# 数据存储self.max_points = 1000self.trajectory_x = deque(maxlen=self.max_points)self.trajectory_y = deque(maxlen=self.max_points)self.trajectory_z = deque(maxlen=self.max_points)# 运动计算相关self.velocity_x = 0self.velocity_y = 0self.velocity_z = 0self.position_x = 0self.position_y = 0self.position_z = 0# 重力补偿参数self.gravity = 9.8self.acc_threshold = 0.1self.velocity_decay = 0.95self.setup_plots()def setup_plots(self):"""设置matplotlib图形界面"""self.fig = plt.figure(figsize=(15, 10))# 3D姿态显示self.ax_attitude = self.fig.add_subplot(221, projection='3d')self.ax_attitude.set_title('IMU姿态显示')# 3D轨迹显示self.ax_trajectory = self.fig.add_subplot(222, projection='3d')self.ax_trajectory.set_title('运动轨迹')# 加速度时间序列self.ax_acc = self.fig.add_subplot(223)self.ax_acc.set_title('加速度时间序列')# 姿态角时间序列self.ax_angles = self.fig.add_subplot(224)self.ax_angles.set_title('姿态角时间序列')

4. 重力补偿与轨迹计算

实现重力补偿和运动轨迹计算：

def gravity_compensation(self, acc_x, acc_y, acc_z, roll, pitch):"""重力补偿"""# 计算重力在各轴的分量gravity_x = self.gravity * np.sin(np.radians(pitch))gravity_y = -self.gravity * np.sin(np.radians(roll)) * np.cos(np.radians(pitch))gravity_z = -self.gravity * np.cos(np.radians(roll)) * np.cos(np.radians(pitch))# 减去重力分量linear_acc_x = acc_x - gravity_xlinear_acc_y = acc_y - gravity_ylinear_acc_z = acc_z - gravity_zreturn linear_acc_x, linear_acc_y, linear_acc_zdef update_trajectory(self, linear_acc_x, linear_acc_y, linear_acc_z, dt):"""更新运动轨迹"""# 应用加速度阈值if abs(linear_acc_x) < self.acc_threshold:linear_acc_x = 0if abs(linear_acc_y) < self.acc_threshold:linear_acc_y = 0if abs(linear_acc_z) < self.acc_threshold:linear_acc_z = 0# 更新速度（积分加速度）self.velocity_x += linear_acc_x * dtself.velocity_y += linear_acc_y * dtself.velocity_z += linear_acc_z * dt# 应用速度衰减（模拟摩擦力）self.velocity_x *= self.velocity_decayself.velocity_y *= self.velocity_decayself.velocity_z *= self.velocity_decay# 更新位置（积分速度）self.position_x += self.velocity_x * dtself.position_y += self.velocity_y * dtself.position_z += self.velocity_z * dt# 添加到轨迹self.trajectory_x.append(self.position_x)self.trajectory_y.append(self.position_y)self.trajectory_z.append(self.position_z)

5. 实时动画更新

实现实时数据更新和动画显示：

def animate(self, frame):"""动画更新函数"""# 清除所有子图self.ax_attitude.clear()self.ax_trajectory.clear()self.ax_acc.clear()self.ax_angles.clear()# 1. 更新姿态显示R = self.euler_to_rotation_matrix(self.current_roll, self.current_pitch, self.current_yaw)self.draw_coordinate_frame(self.ax_attitude, R, scale=1.5)# 2. 更新轨迹显示if len(self.trajectory_x) > 1:self.ax_trajectory.plot(list(self.trajectory_x), list(self.trajectory_y), list(self.trajectory_z), 'b-', linewidth=2, alpha=0.7)self.ax_trajectory.scatter([self.position_x], [self.position_y], [self.position_z], c='red', s=100, label='当前位置')# 3. 更新加速度时间序列if len(self.acc_time) > 1:time_array = np.array(self.acc_time)time_relative = time_array - time_array[0]self.ax_acc.plot(time_relative, list(self.acc_x_data), 'r-', label='X轴')self.ax_acc.plot(time_relative, list(self.acc_y_data), 'g-', label='Y轴')self.ax_acc.plot(time_relative, list(self.acc_z_data), 'b-', label='Z轴')# 4. 更新姿态角时间序列if len(self.angle_time) > 1:time_array = np.array(self.angle_time)time_relative = time_array - time_array[0]self.ax_angles.plot(time_relative, list(self.roll_data), 'r-', label='Roll')self.ax_angles.plot(time_relative, list(self.pitch_data), 'g-', label='Pitch')self.ax_angles.plot(time_relative, list(self.yaw_data), 'b-', label='Yaw')plt.tight_layout()

使用方法

1. 环境准备

# 安装依赖
pip install pyserial matplotlib numpy# 或使用requirements.txt
pip install -r requirements.txt

2. 硬件连接

将IMU传感器连接到计算机串口（默认COM5）
确保波特率设置为115200
检查串口权限和驱动

3. 运行程序

# 运行可视化程序
python imu_visualizer.py# 或运行测试程序
python imu_serial_test.py

在这里插入图片描述

4. 操作说明

R键：重置轨迹
Q键：退出程序
鼠标：旋转3D视图

关键技术点

1. 串口数据同步

def read_response(self, timeout=0.06):"""读取响应数据并提取有效帧"""start_time = time.time()response_data = b''while time.time() - start_time < timeout:if self.ser.in_waiting > 0:data = self.ser.read(self.ser.in_waiting)response_data += dataif len(response_data) >= 23:  # 预期响应长度breaktime.sleep(0.001)return self.extract_valid_frames(response_data)

2. 多线程数据处理

def data_reader_thread(self):"""数据读取线程"""try:self.imu_reader.connect()while self.running:frame_data = self.imu_reader.read_response(timeout=0.06)if frame_data:parsed_data = self.imu_reader.parse_response(frame_data)if parsed_data:self.update_sensor_data(parsed_data)except Exception as e:print(f"数据读取错误: {e}")

3. 坐标系转换

def euler_to_rotation_matrix(self, roll, pitch, yaw):"""欧拉角转旋转矩阵"""roll = np.radians(roll)pitch = np.radians(pitch)yaw = np.radians(yaw)R_x = np.array([[1, 0, 0],[0, np.cos(roll), -np.sin(roll)],[0, np.sin(roll), np.cos(roll)]])R_y = np.array([[np.cos(pitch), 0, np.sin(pitch)],[0, 1, 0],[-np.sin(pitch), 0, np.cos(pitch)]])R_z = np.array([[np.cos(yaw), -np.sin(yaw), 0],[np.sin(yaw), np.cos(yaw), 0],[0, 0, 1]])return R_z @ R_y @ R_x

性能优化

1. 数据缓存优化

使用collections.deque实现固定长度的数据缓存：

from collections import dequeself.trajectory_x = deque(maxlen=1000)  # 最大1000个点
self.acc_x_data = deque(maxlen=100)     # 最大100个数据点

2. 渲染性能优化

# 设置合适的动画间隔
ani = animation.FuncAnimation(self.fig, self.animate, interval=50, blit=False)# 限制数据更新频率
if time.time() - self.last_update_time > 0.02:  # 50Hzself.update_display()self.last_update_time = time.time()

3. 内存管理

# 定期清理过期数据
if len(self.trajectory_x) > self.max_points:self.trajectory_x.popleft()self.trajectory_y.popleft()self.trajectory_z.popleft()

常见问题与解决方案

1. 串口连接问题

# 检查可用串口
import serial.tools.list_portsports = serial.tools.list_ports.comports()
for port in ports:print(f"可用串口: {port.device}")

2. 数据解析错误

# 添加数据验证
def validate_frame(self, data):if len(data) != 23:return False# 验证校验和checksum = sum(data[:-1]) & 0xFFreturn checksum == data[-1]

3. 中文显示问题

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False

扩展功能

1. 数据记录与回放

class DataLogger:def __init__(self, filename):self.filename = filenameself.data_log = []def log_data(self, timestamp, sensor_data):self.data_log.append({'timestamp': timestamp,'data': sensor_data})def save_to_file(self):import jsonwith open(self.filename, 'w') as f:json.dump(self.data_log, f, indent=2)

2. 滤波算法

class KalmanFilter:def __init__(self):self.Q = 0.01  # 过程噪声self.R = 0.1   # 测量噪声self.P = 1.0   # 估计误差协方差self.x = 0.0   # 初始状态def update(self, measurement):# 预测self.P += self.Q# 更新K = self.P / (self.P + self.R)self.x += K * (measurement - self.x)self.P *= (1 - K)return self.x

3. 网络数据传输

import socket
import jsonclass NetworkStreamer:def __init__(self, host='localhost', port=8888):self.host = hostself.port = portself.socket = socket.socket(socket.AF_INET, socket.SOCK_STREAM)def send_data(self, sensor_data):try:data_json = json.dumps(sensor_data)self.socket.send(data_json.encode())except Exception as e:print(f"网络传输错误: {e}")