📚 课程目录第2章 IMU传感器基础

2、IMU传感器基础：掌握加速度计、陀螺仪、磁力计的工作原理，理解三轴数据含义及坐标系

IMU（Inertial Measurement Unit，惯性测量单元）是手势识别项目的核心感知层。在Arduino平台上，我们通常使用MPU6050（三轴加速度计+三轴陀螺仪）或MPU9250（额外集成三轴磁力计）作为手势数据的采集前端。理解这三类传感器的物理原理、输出数据格式以及坐标系定义，是后续进行数据采样、特征提取和模型训练的前提。本章将从传感器的工作机制出发，深入解析三轴数据的物理含义，并建立统一的坐标系约定，为手势识别算法设计打下坚实基础。

上图展示了IMU数据从传感器到手势识别输出的完整链路。三个传感器分别采集不同类型的物理量，经过Arduino的I2C总线读取和预处理后，统一映射到标准坐标系中，最终用于手势特征提取和分类。下面我们将逐一深入分析每个传感器的工作原理和数据含义。

2.1 加速度计：感知线性加速度与重力分量

加速度计测量的是物体在三个正交轴上的线性加速度，单位通常为g（9.8m/s²）或m/s²。其核心工作原理基于MEMS（微机电系统）技术：芯片内部有一个微型质量块，通过弹性梁悬挂在硅片上。当传感器发生加速度变化时，质量块因惯性产生位移，改变两侧电容极板的间距，从而引起电容值变化。通过测量电容差值，即可反推出加速度大小和方向。

在Arduino的MPU6050中，加速度计的量程可通过寄存器配置为±2g、±4g、±8g或±16g。默认±2g时，16位ADC输出的灵敏度为16384 LSB/g。这意味着原始读数除以16384即可得到以g为单位的加速度值。例如，读取到原始值32768，则实际加速度为2g。

  关键理解：加速度计在静止状态下，测量到的加速度矢量的模长约为1g，方向指向重力加速度的反方向（即向上）。这是因为加速度计无法区分重力加速度和惯性加速度——根据爱因斯坦等效原理，两者在物理上不可区分。因此，当设备静止时，我们可以利用重力分量计算设备的倾角（Roll和Pitch），但无法直接获得航向角（Yaw）。

在实际手势识别中，加速度计的数据包含两部分：静态重力分量和动态运动加速度。例如，当手水平放置时，Z轴读数约为1g；当手快速向前挥动时，X轴会出现明显的正向或负向尖峰。手势识别算法通常需要分离这两个分量：通过低通滤波器提取重力分量用于姿态估计，通过高通滤波器或减去重力分量获得纯运动加速度用于手势动态特征。

2.2 陀螺仪：测量角速度与姿态变化率

陀螺仪测量的是物体绕三个轴的旋转角速度，单位通常为deg/s（度/秒）或rad/s。MEMS陀螺仪的工作原理基于科里奥利效应：芯片内部有一个高速振动的质量块，当传感器绕某个轴旋转时，质量块会受到科里奥利力作用，产生垂直于振动方向的位移。这个位移被电容检测结构捕获，转换为电压信号，最终得到角速度值。

MPU6050的陀螺仪量程可配置为±250、±500、±1000或±2000 deg/s。默认±250 deg/s时，灵敏度为131 LSB/(deg/s)。读取原始值后除以131即可得到角速度。例如，原始值2620对应20 deg/s的旋转速度。

陀螺仪的一个关键特性是零偏稳定性——即使静止不动，陀螺仪输出也不会完全为零，而是存在一个缓慢漂移的偏置值。这个偏置受温度影响较大，因此在实际应用中需要进行静态校准：在设备静止时采集数百个样本取平均，作为零偏值并在后续测量中减去。

重要警告：陀螺仪输出的是角速度，要获得角度必须进行积分。但积分过程会累积漂移误差——即使很小的零偏，经过长时间积分后也会产生显著的角度偏差。因此，纯陀螺仪积分只能用于短时间（几秒内）的姿态跟踪，长时间必须结合加速度计和磁力计进行融合校正（如互补滤波或卡尔曼滤波）。

在手势识别中，陀螺仪数据直接反映了手部旋转的快慢和方向。例如，一个"翻转手腕"的手势会在Gx或Gy轴上产生明显的正负交替脉冲；而"画圈"手势则会在Gx和Gy上呈现正弦波形的相位差。陀螺仪对快速旋转动作非常敏感，这是加速度计难以捕捉的。

2.3 磁力计：提供航向参考与地磁方向

磁力计测量的是周围磁场强度在三个轴上的分量，单位通常为μT（微特斯拉）或mG（毫高斯）。其工作原理基于磁阻效应或霍尔效应：某些材料在外部磁场作用下电阻会发生变化，通过测量电阻变化即可推算出磁场强度。MPU9250内置的磁力计采用磁阻技术，量程为±4800μT，灵敏度为0.15 μT/LSB。

磁力计的核心用途是提供航向参考——地球磁场在地表近似水平且指向磁北（存在磁偏角）。通过测量磁场在水平面上的分量方向，可以计算出设备相对于磁北的航向角（Yaw）。然而，磁力计极易受到环境磁场干扰：电机、扬声器、铁磁性材料、高压线等都会导致磁场畸变。

在Arduino手势识别项目中，磁力计的使用需要谨慎。如果项目在室内环境运行，周围可能存在大量电磁干扰源，磁力计数据可靠性会显著下降。通常的做法是：

硬铁校准：在无干扰环境中，让设备绕各轴旋转，采集磁场数据形成椭球拟合，计算偏移量并校正。
软铁校准：校正磁场在不同方向上的增益差异，使校正后的数据分布呈标准球面。
数据融合：将磁力计与陀螺仪、加速度计通过姿态解算算法（如Mahony或Madgwick）融合，获得稳定的全姿态输出。

对于纯手势识别任务（如挥动、旋转、点击），磁力计并非必需——加速度计和陀螺仪已经足够捕捉大部分手势特征。但在需要方向参考的场景（如AR/VR头显、导航设备）中，磁力计不可或缺。

2.4 坐标系定义与数据融合策略

统一坐标系是IMU数据处理的基础。我们采用标准的NED（North-East-Down）右手坐标系：X轴指向设备前方（North），Y轴指向设备右方（East），Z轴垂直向下（Down）。绕X轴的旋转称为Roll（横滚），绕Y轴的旋转称为Pitch（俯仰），绕Z轴的旋转称为Yaw（偏航）。

需要注意的是，不同传感器芯片的轴定义可能不同。例如，MPU6050的加速度计和陀螺仪轴方向一致，但MPU9250的磁力计轴方向与加速度计不同（磁力计的X轴与加速度计的X轴相反）。在数据融合前，必须查阅数据手册进行轴映射和符号修正。

传感器	输出物理量	单位	典型量程	灵敏度(16位)	主要用途	局限性
加速度计	线性加速度	g	±2g ~ ±16g	16384 LSB/g	倾角计算、运动检测	无法区分重力与惯性力
陀螺仪	角速度	deg/s	±250 ~ ±2000	131 LSB/(deg/s)	旋转跟踪、手势动态	零偏漂移、积分误差累积
磁力计	磁场强度	μT	±4800	0.15 μT/LSB	航向角参考	易受电磁干扰、需校准

在Arduino代码中，读取IMU数据的典型流程如下：

// MPU6050 初始化与读取示例
#include <Wire.h>
const int MPU_ADDR = 0x68;
int16_t accX, accY, accZ, gyroX, gyroY, gyroZ;

void setup() {
  Wire.begin();
  Wire.beginTransmission(MPU_ADDR);
  Wire.write(0x6B);  // PWR_MGMT_1寄存器
  Wire.write(0);     // 唤醒传感器
  Wire.endTransmission(true);
  Serial.begin(115200);
}

void loop() {
  Wire.beginTransmission(MPU_ADDR);
  Wire.write(0x3B);  // ACCEL_XOUT_H寄存器起始地址
  Wire.endTransmission(false);
  Wire.requestFrom(MPU_ADDR, 14, true);
  
  accX = Wire.read() << 8 | Wire.read();
  accY = Wire.read() << 8 | Wire.read();
  accZ = Wire.read() << 8 | Wire.read();
  gyroX = Wire.read() << 8 | Wire.read();
  gyroY = Wire.read() << 8 | Wire.read();
  gyroZ = Wire.read() << 8 | Wire.read();
  
  // 换算为物理单位
  float ax = accX / 16384.0;  // g
  float gx = gyroX / 131.0;   // deg/s
  
  Serial.print(ax); Serial.print(","); Serial.println(gx);
  delay(10);  // 100Hz采样
}

2.5 实战案例：手势"快速挥动"的IMU数据特征分析

为了将上述理论落实到实际手势识别中，我们设计一个简单的实验：使用MPU6050采集"手向右快速挥动"动作的IMU数据，并分析其特征。

实验设置：将MPU6050固定在手腕背面，采样率设为100Hz，量程设为±4g（加速度）和±500deg/s（陀螺仪）。受试者从静止开始，快速向右挥动手臂约0.5秒，然后保持静止1秒。共采集10次动作。

关键数据观察：

加速度计X轴：挥动瞬间出现一个明显的正向尖峰，峰值约1.5~2.5g，持续约100~200ms。这是因为手臂向右加速时，传感器感受到向右的惯性力（等效于向左的重力分量变化）。
陀螺仪Z轴：挥动过程中出现一个负向脉冲（绕Z轴旋转），峰值约150~300deg/s。这是因为手臂向右挥动时，手腕有轻微的旋转运动。
加速度计Y轴：变化较小，因为挥动方向主要在XZ平面内。
静止段：加速度计X轴读数回到0g附近，Y轴接近0g，Z轴接近1g（重力分量）。陀螺仪三轴均回到0附近（存在±2deg/s的噪声）。

特征提取策略：基于上述观察，我们可以定义以下特征用于区分"向右挥动"与其他手势：

加速度计X轴的峰值（>1.2g）
加速度计X轴的方差（在挥动窗口内显著增大）
陀螺仪Z轴的峰值值（>100deg/s）
挥动持续时间（100~300ms）

校准与噪声处理：在实验前，我们进行了静态校准：让设备静止10秒，计算陀螺仪三轴的平均值作为零偏（本例中Gx零偏为+1.2deg/s，Gy为-0.8deg/s，Gz为+0.5deg/s），在后续数据处理中减去这些值。同时，对加速度计数据应用了截止频率为20Hz的一阶低通滤波器，以抑制高频振动噪声。

经验提示：手势识别中，不要直接使用原始ADC值，务必转换为物理单位（g和deg/s）。这不仅能统一不同量程下的数据尺度，还能让特征阈值具有物理意义，便于跨设备迁移。另外，采样率的选择很关键：手势动作的典型频率范围是0.5~10Hz，根据奈奎斯特定理，采样率至少20Hz，但考虑到需要捕捉峰值，建议50~200Hz。

2.6 常见误区与总结复盘

在IMU传感器使用中，初学者常犯以下错误，需要特别注意避免：

忽略轴方向映射：不同传感器芯片的轴定义可能不同，直接使用默认轴方向会导致姿态计算错误。务必查阅数据手册，并在代码中显式定义轴映射关系。
不进行零偏校准：陀螺仪的零偏漂移是不可避免的，如果不校准，积分后的角度误差会迅速累积。每次上电后都应进行静态校准。
混淆加速度计与陀螺仪的角色：加速度计适合测量倾角和线性运动，陀螺仪适合测量旋转速度。不要试图用加速度计直接测量旋转，也不要用陀螺仪积分长时间的角度。
忽视量程配置：如果手势动作幅度较大（如快速甩手），默认的±2g和±250deg/s量程可能溢出（读数饱和在最大值）。应根据应用场景选择合适的量程。
数据未滤波直接使用：MEMS传感器输出包含高频噪声，直接使用原始数据会导致特征提取不稳定。建议在预处理阶段加入低通滤波或滑动平均。