作為一款本地AI圖象識別開發(fā)板，BW21-CBV-Kit它能夠獨(dú)自運(yùn)行目標(biāo)識別模型。2.4GHz+5GHz的雙頻Wi-Fi，提供高性能的無線傳輸能力，讓圖象傳輸更加流暢。豐富的接口，搭配著AI識別，可以擴(kuò)展出無限可能。

BW21-CBV-Kit支持Arduino的開發(fā)方式，可以簡單實(shí)現(xiàn)一些DIY想法，例如：人臉識別、手勢識別、物品識別等。

這次小安給大家?guī)淼氖荕PU6050 IMU 零點(diǎn)檢測:

用料

BW21-CBV-Kit x 1

MPU6050 x 1

示例

簡介

本示例將演示如何校準(zhǔn) MPU6050 IMU。

實(shí)現(xiàn)流程

如下圖所示，將 MPU6050 連接到電路板的 I2C_SDA 和 I2C_SCL

在 "文件"->"示例"->"AmebaWire"->"MPU6050"->"MPU6050_IMU_Zero "中打開示例。

如果 MPU6050 已具備一下條件：

· 是同類產(chǎn)品中的理想成員

· 已適當(dāng)預(yù)熱

· 處于中立位置

· 處于重力拉力正好為 1g 的位置

· 已裝入最佳偏置

則所有加速度和位移都將報(bào)告為 0，但 Z 加速度除外，它將報(bào)告為 16384(即 214)。 您的設(shè)備可能不會做得這么好，但良好的偏移都會使基線輸出接近這些目標(biāo)值。 將 MPU6050 放置在水平的平面上，讓其工作 5-10 分鐘，使其溫度趨于穩(wěn)定。

編譯并運(yùn)行此示例。 一行"--已完成--"將表明它已盡了最大努力。 按照當(dāng)前的精度相關(guān)常量(NFast = 1000，NSlow = 10000)，需要幾分鐘才能達(dá)到目標(biāo)。 在此過程中，它會產(chǎn)生十幾行輸出，顯示對于 6 個(gè)所需偏移量中的每一個(gè)偏移量，它都是：

首先，試圖找到兩個(gè)估計(jì)值，一個(gè)過低，一個(gè)過高;

然后，縮小括號，直到不能再縮小為止。

在 "已完成 "行上方的一行看起來類似于 [567,567] -> [-1，2] [-2223，-2223] -> [0，1] [1131,1132] -> [16374,16404] [155,156] -> [-1，1] [-25，-24] -> [0，3] [5，6] -> [0，4]。

正如穿插的標(biāo)題行所示，組成這一行的六組分別描述了 X 加速度、Y 加速度、Z 加速度、X 陀螺儀、Y 陀螺儀和 Z 陀螺儀的最佳偏移量。 在上面的示例中，試驗(yàn)顯示 +567 是 X 加速度的最佳偏移量，-2223 是 Y 加速度的最佳偏移量，以此類推。

下面是運(yùn)行此示例的串行監(jiān)視器輸出。

代碼參考

[1] ElectronicCats 的 MPU6050 庫和示例：

https://github.com/ElectronicCats/mpu6050