作为一款本地AI图象识别开发板，BW21-CBV-Kit它能够独自运行目标识别模型。2.4GHz+5GHz的双频Wi-Fi，提供高性能的无线传输能力，让图象传输更加流畅。丰富的接口，搭配着AI识别，可以扩展出无限可能。
BW21-CBV-Kit支持Arduino的开发方式，可以简单实现一些DIY想法，例如：人脸识别、手势识别、物品识别等。
拿到BW21-CBV-Kit的小伙伴不知道怎么下手？提前看最全教程已经准备好啦:
【教程】小安派BW21-CBV-Kit——PWM之蜂鸣器播放音乐
【教程】小安派BW21-CBV-Kit——主机模式读取 Arduino UNO 从机
【教程】小安派BW21-CBV-Kit——主机模式对 Arduino UNO 发送数据
【教程】小安派BW21-CBV-Kit——DMP6 读取 MPU6050 数据
【人脸+手势AI识别】BW21-CBV-Kit——DMP6 读取MPU6050转换为ROS的IMU数据
这次小安给大家带来的是MPU6050 IMU 零点检测:
用料
BW21-CBV-Kit x 1
MPU6050 x 1
示例
简介
本示例将演示如何校准 MPU6050 IMU。
实现流程
如下图所示，将 MPU6050 连接到电路板的 I2C_SDA 和 I2C_SCL
在 "文件"->"示例"->"AmebaWire"->"MPU6050"->"MPU6050_IMU_Zero "中打开示例。
如果 MPU6050 已具备一下条件：
· 是同类产品中的理想成员
· 已适当预热
· 处于中立位置
· 处于重力拉力正好为 1g 的位置
· 已装入最佳偏置
则所有加速度和位移都将报告为 0，但 Z 加速度除外，它将报告为 16384（即 214）。 您的设备可能不会做得这么好，但良好的偏移都会使基线输出接近这些目标值。 将 MPU6050 放置在水平的平面上，让其工作 5-10 分钟，使其温度趋于稳定。
编译并运行此示例。 一行"--已完成--"将表明它已尽了最大努力。 按照当前的精度相关常量（NFast = 1000，NSlow = 10000），需要几分钟才能达到目标。 在此过程中，它会产生十几行输出，显示对于 6 个所需偏移量中的每一个偏移量，它都是：
首先，试图找到两个估计值，一个过低，一个过高；
然后，缩小括号，直到不能再缩小为止。
在 "已完成 "行上方的一行看起来类似于 [567,567] -> [-1，2] [-2223，-2223] -> [0，1] [1131,1132] -> [16374,16404] [155,156] -> [-1，1] [-25，-24] -> [0，3] [5，6] -> [0，4]。
正如穿插的标题行所示，组成这一行的六组分别描述了 X 加速度、Y 加速度、Z 加速度、X 陀螺仪、Y 陀螺仪和 Z 陀螺仪的最佳偏移量。 在上面的示例中，试验显示 +567 是 X 加速度的最佳偏移量，-2223 是 Y 加速度的最佳偏移量，以此类推。
下面是运行此示例的串行监视器输出。
代码参考
[1] ElectronicCats 的 MPU6050 库和示例：
业务咨询请联系：18022036575
