matlab-fuse-inertial-sensors

使用する場合

MATLAB Navigation Toolbox で、慣性センサーフュージョンフィルターを選択、実装、または調整する場合に使用します。

使用しない場合

• 慣性センサーを使わない、ビジョンのみ、または LiDAR のみの SLAM：代わりに nav SLAM 関数を使用してください
• センサーのシミュレーションまたはデータ生成のみを行う場合：フィルターは不要です
• Simulink のモデルベースのセンサーフュージョン

---

フィルターの選択

ステップ 1 — 設定済みフィルターか、柔軟なフィルターか？

設定済みフィルターは、次のセンサーの組み合わせをそのまま扱えます。

• 加速度計 + 磁力計のみ（ジャイロなし）
• 加速度計 + ジャイロ（磁力計なし、GPS なし）
• 加速度計 + ジャイロ + 磁力計
• 加速度計 + ジャイロ + 磁力計 + 高度計
• 加速度計 + ジャイロ + GPS（地上車両、磁力計なし）
• 加速度計 + ジャイロ + GPS + 単眼ビジュアルオドメトリー（地上車両）
• 加速度計 + ジャイロ + 磁力計 + GPS（同期レート）
• 加速度計 + ジャイロ + 磁力計 + GPS（レートが混在、またはサンプルが欠落）

Is your sensor set one of the above?
        │ No ─────────────────────────────────────────────────────► Step 2B (Flexible)
        │ Yes
        ▼
Need a custom motion model (constant-velocity, bicycle, etc.)?
        │ Yes ────────────────────────────────────────────────────► Step 2B (Flexible)
        │ No
        ▼
Need RTS smoothing, StateCovariance output, or optimizer-based tune()?
        │ Yes ────────────────────────────────────────────────────► Step 2B (Flexible)
        │ No
        ▼
Batch-only processing (no real-time predict/fuse loop needed)?
        │ Yes ────────────────────────────────────────────────────► Step 2B (Flexible)
        │ No
        ▼
        Step 2A (Configured)

---

ステップ 2A — 設定済みフィルターを選択する

What output do you need?
│
├─ Orientation only (no position)
│   │
│   ├─ Accel + Mag only (no gyro)
│   │   └──► ecompass   [function, not object; single-shot; useful for filter init]
│   │
│   ├─ Accel + Gyro (no mag)
│   │   └──► imufilter   [heading drifts over time without mag]
│   │
│   ├─ Accel + Gyro + Mag
│   │   ├──► ahrsfilter   [default; KF-based, statistically tunable]
│   │   └── lowest compute cost needed?
│   │       └──► complementaryFilter   [gain-based only; no KF, no tune()]
│   │
│   └─ Accel + Gyro + Mag + Altimeter
│       └──► ahrs10filter   [adds altitude + vertical velocity output]
│
└─ Full pose (orientation + position + velocity)
    │
    ├─ No motion constraints (aerial, or ground vehicle without side-slip constraint)
    │   ├─ Accel + Gyro + Mag + GPS, all sensors sync
    │   │   └──► insfilterMARG
    │   └─ Accel + Gyro + Mag + GPS, mixed rates or dropped samples
    │       └──► insfilterAsync
    │
    └─ Ground vehicle with zero side-slip constraint
        ├─ Accel + Gyro + GPS
        │   └──► insfilterNonholonomic
        └─ Accel + Gyro + GPS + monocular visual odometry
            └──► insfilterErrorState

---

ステップ 2B — 柔軟なフィルターを選択する

Need real-time fusion, StateCovariance output, or optimizer-based tune()?
        │ Yes ──► insEKF   [production use; full KF; real-time and batch APIs]
        │ No
        ▼
Batch-only processing, no covariance needed, quick setup (R2026a+)?
        └──► insCF   [complementary filter; gain-based; not for production]

---

データの準備

サンプルレート

SampleRate（グループ A のフィルター）と IMUSampleRate（グループ B のフィルター）は、実際のデータレートと一致している必要があります。不一致があるとノイズモデルが直接スケーリングされ、すべてのフィルター出力が損なわれます。insfilterAsync、insEKF、insCF はタイムスタンプ駆動であり、レートプロパティはありません。

まずタイムスタンプを秒に変換してから、レートを推定します。

tSec = rawTimestamp / 1e6;   % µs → s; divide by 1e3 for ms, or skip if already seconds
fs = 1 / median(diff(tSec));

タイムスタンプが使用できない場合（すべて同一、または結果が有限値でない場合）：

if numel(unique(tSec)) < 2 || ~isfinite(fs)
    fs = 100;   % use the stated or datasheet rate
end

時間間隔

すべての状態を保持するフィルターは、記録の中断（タイムスタンプの大きな飛び）の間に誤差が蓄積します。各中断箇所でデータを分割し、各セグメントの開始時にフィルターをリセットしてください。

gapThreshold = 5 / fs;                   % 5× the expected sample interval
gapIdx = find(diff(tSec) > gapThreshold);
segments = [1; gapIdx+1];                % start index of each segment

グループ A の System object フィルター（imufilter、ahrsfilter、complementaryFilter）：セグメント間で release(filt) を呼び出します。これにより、調整済みのノイズプロパティをすべて保持したまま、状態がリセットされます。

グループ B およびその他のフィルター：各セグメントの開始時にフィルターオブジェクトを再構築します。

---

実装

選択したフィルターのリファレンスファイルを参照してください。

フィルターグループ	リファレンス
姿勢フィルター	references/attitude-filters.md
ナビゲーションフィルター	references/navigation-filters.md
insEKF	references/insekf.md
insCF	references/inscf.md

---

調整

tune のシグネチャは 2 種類あります。取り違えはよくある間違いです。

• シグネチャ A（imufilter、ahrsfilter）— フィルターをその場で変更します。 tune(filt, sensorData, groundTruth)
• シグネチャ B（ahrs10filter、insfilterMARG、insfilterAsync、insfilterNonholonomic、insfilterErrorState、insEKF）— ノイズ構造体を返します。 tunedNoise = tune(filt, tunernoise(filt), sensorData, groundTruth)

tune では調整できないフィルター：

• ecompass、complementaryFilter — tune メソッドはありません。プロパティを手動で調整してください
• insCF — 代わりに gainparts(filt, sensorName, value) を使用してください

insEKF のみ：tunerconfig にはフィルターのインスタンスが必要です。tunerconfig('insEKF') ではなく、tunerconfig(filt) を使用してください。

tunerconfig

プロパティ	デフォルト	説明
MaxIterations	20	この反復回数後に停止します
ObjectiveLimit	0.1	コストがこの値を下回ると停止します
Display	"iter"	"iter" は各反復の進行状況を表示し、"none" は出力を抑制します
Cost	"RMS"	"RMS" は RMS 誤差を最小化し、"Custom" は CustomCostFcn を使用します
CustomCostFcn	[]	関数ハンドルです。Cost = "Custom" の場合にのみ有効です

フィルター別の tunernoise フィールド名

シグネチャ B のフィルターでは、tune を呼び出す前に tunernoise(filt) が必要です。シグネチャ A のフィルター（imufilter、ahrsfilter）では tunernoise を使用しません。tune がノイズプロパティを直接インプレースで変更します。

フィルター	tunernoise が返すフィールド
ahrs10filter	MagnetometerNoise、AltimeterNoise
insfilterMARG	MagnetometerNoise、GPSPositionNoise、GPSVelocityNoise
insfilterAsync	AccelerometerNoise、GyroscopeNoise、MagnetometerNoise、GPSPositionNoise、GPSVelocityNoise
insfilterNonholonomic	GPSPositionNoise、GPSVelocityNoise
insfilterErrorState	MVOOrientationNoise、MVOPositionNoise、GPSPositionNoise、GPSVelocityNoise
insEKF	filt.SensorNames + Noise のサフィックスで命名されます（例：AccelerometerNoise、GPSNoise）

フィールドには ...Noise のサフィックスが付きます。これを省略するのはよくある間違いです。

結果の可視化

tunerPlotPose は OutputFcn コールバックです。tunerconfig に渡すと、各チューニング反復中に姿勢推定をリアルタイムでプロットします。これはチューニング後に単独で呼び出すプロット関数ではありません。フィルターとデータの引数を渡して直接呼び出すと、エラー（「入力引数が多すぎます」）になります。

config = tunerconfig(filt);
config.OutputFcn = @tunerPlotPose;
tunedNoise = tune(filt, tunernoise(filt), sensorData, groundTruth, config);

チューニング後に可視化するには、フィルターの状態を抽出し、グラウンドトゥルースと比較して手動でプロットします。設定可能なフィルター（ahrs10filter、insfilterMARG、insfilterAsync、insfilterNonholonomic、insfilterErrorState）には pose() メソッドがあります。これを使用してください。insEKF と insCF には pose() メソッドがありません。代わりに stateparts(filt, 'Orientation')、stateparts(filt, 'Position') などを使用してください。バッチワークフローでは、estimateStates の出力タイムテーブルからプロットします。

TunableParameters の制御、カスタムコスト関数、ログ記録や早期停止のための OutputFcn などの高度なパターンについては、references/insekf.md と references/navigation-filters.md を参照してください。

---

規則

• 参照座標系：既定値は "NED" です。ENU を使用するには、次のようにします。

  • 設定可能なフィルターオブジェクト（imufilter、ahrsfilter、complementaryFilter、ahrs10filter、insfilterMARG、insfilterAsync、insfilterNonholonomic、insfilterErrorState）：filt.ReferenceFrame = "ENU"
  • ecompass（オブジェクトではなく関数）：名前と値のペアの前に、位置引数 orientationFormat が必要です。ecompass(a, m, 'quaternion', 'ReferenceFrame', 'ENU') のように指定します。省略すると、「入力番号 3、FORMAT... が必要です」というエラーになります。
  • insEKF／insCF：構築後は ReferenceFrame は読み取り専用です。構築時に insOptions／insCFOptions を使用して設定します。

• 姿勢の出力：既定では quaternion オブジェクトです。

• GPS 位置入力：度／度／メートル単位の LLA ベクトルです。

• サンプルレートのプロパティ：

  • imufilter、ahrsfilter、complementaryFilter：SampleRate
  • ahrs10filter、insfilterMARG、insfilterNonholonomic、insfilterErrorState：IMUSampleRate
  • insfilterAsync、insEKF、insCF：サンプルレートのプロパティはありません（各センサーが独自のタイムスタンプを持ちます）。

• ReferenceLocation：フュージョンループを開始する前に、insfilterMARG、insfilterAsync、insfilterNonholonomic、insfilterErrorState に設定する必要があります。insEKF／insCF の場合は、代わりに insGPS／insCFGPS センサーオブジェクトに設定します。

スキルに関するフィードバック

このスキルのガイダンスが間違っていた、不完全だった、または機能しなかった場合は、応答にプレーンテキストの フィードバックマーカーを出力してから、タスクを続けてください。

形式：NAV-SKILL-FEEDBACK [matlab-fuse-inertial-sensors] [category]: what failed; what you did instead カテゴリ：wrong-command（コマンドが不正または古い）、missing-guidance（手順の記載漏れ）、 discovery-failure（提示された方法が機能しなかった）、platform-issue（環境固有の問題）

Copyright 2026 The MathWorks, Inc.