3、IMU基础：加速度计、陀螺仪、磁力计的工作原理，坐标系定义（body、navigation、ECEF），以及IMU误差模型（bias、scale、noise）
惯性测量单元（IMU）是Edge AI GPS融合定位系统中感知自身运动状态的核心传感器套件。在GNSS信号受遮挡或丢失的城市峡谷、隧道、地下停车场等场景中，IMU通过高频（通常100Hz~1000Hz）输出加速度与角速度，为融合算法提供短时高精度的相对位移与姿态变化信息。然而，IMU并非完美器件——其原始输出包含零偏、尺度误差、随机噪声以及温度漂移等系统性缺陷。若不了解其工作原理与误差特性，融合定位的精度将大打折扣。本章将系统拆解加速度计、陀螺仪、磁力计的工作机制，厘清body、navigation、ECEF三大坐标系的转换关系，并建立完整的IMU误差模型，为后续GPS/IMU松耦合或紧耦合融合奠定理论基础。
3.1 三大核心传感器的工作原理
3.1.1 加速度计：测量比力而非纯加速度
加速度计的核心原理基于牛顿第二定律与胡克定律的结合。MEMS加速度计内部包含一个质量块（proof mass）和弹性悬臂结构。当载体沿敏感轴方向加速时，质量块因惯性产生位移，该位移改变电容极板间距或压阻效应，最终通过ASIC转换为数字信号。需要特别强调的是，加速度计输出的物理量是比力（Specific Force），即物体所受非引力外力产生的加速度，而非包含重力在内的加速度。在静止状态下，加速度计输出的是重力加速度的反向矢量（约9.8 m/s²），而非零值。这一特性对姿态解算至关重要——通过加速度计在水平面的分量可以计算横滚角（Roll）和俯仰角（Pitch），但无法直接获得航向角（Yaw）。
3.1.2 陀螺仪：基于科里奥利效应的角速度感知
MEMS陀螺仪采用振动式结构，利用科里奥利力（Coriolis Force）原理。当质量块在驱动轴方向做高频振动，同时载体绕敏感轴旋转时，质量块会受到与振动方向和旋转轴正交的科里奥利力，该力使质量块在检测轴方向产生位移，通过电容检测即可得到角速度。陀螺仪输出的是载体相对于惯性空间的角速度，单位为rad/s或°/s。陀螺仪具有极高的短期稳定性，但存在明显的零偏漂移（Bias Instability）和角随机游走（Angle Random Walk, ARW）。在融合定位中，陀螺仪主要用于姿态更新，其积分误差会随时间累积，因此需要加速度计和磁力计进行长期校正。
3.1.3 磁力计：地球磁场与航向参考
磁力计（电子罗盘）通过测量地球磁场在载体坐标系中的分量来确定航向。常用的磁阻传感器（如HMC5883L）利用各向异性磁阻效应，当外部磁场方向改变时，薄膜电阻的阻值随之变化，从而输出电压信号。磁力计输出的是三维磁场强度矢量（单位μT）。在无磁干扰环境下，磁力计可以提供航向参考，弥补陀螺仪航向漂移的缺陷。然而，磁力计极易受环境磁场干扰（如电机、高压线、铁磁性物体），且存在硬磁干扰（Hard Iron）和软磁干扰（Soft Iron），需要定期校准。
| 传感器 | 测量物理量 | 典型频率 | 主要误差 | 在融合中的角色 |
|---|---|---|---|---|
| 加速度计 | 比力 (m/s²) | 100-1000 Hz | 零偏、振动噪声 | 姿态初始对准、水平校正 |
| 陀螺仪 | 角速度 (rad/s) | 100-1000 Hz | 零偏漂移、ARW | 姿态递推、短时高精度 |
| 磁力计 | 磁场强度 (μT) | 10-100 Hz | 硬/软磁干扰 | 航向参考 |
3.2 坐标系定义与转换关系
3.2.1 Body坐标系（b系）
Body坐标系固连于载体（车辆、无人机、机器人），原点位于IMU安装中心。其定义遵循右手定则：X轴指向载体前方（Forward），Y轴指向载体右侧（Right），Z轴指向载体下方（Down），即前-右-下（FRD）约定。也有部分系统采用前-左-上（FLU）约定，但FRD在航空和车辆导航中更为常见。IMU输出的加速度和角速度均在该坐标系下表达。在融合定位中，需要将IMU安装位置与GNSS天线相位中心之间的杆臂（Lever Arm）进行补偿，否则会产生离心力误差。
3.2.2 Navigation坐标系（n系）
Navigation坐标系是导航解算的参考系，通常采用当地水平坐标系（Local Level Frame），即北-东-地（NED）或东-北-天（ENU）。NED坐标系中：X轴指向地理北（North），Y轴指向东（East），Z轴指向地心（Down）。该坐标系随载体在地球表面移动而旋转，其旋转角速度由地球自转和载体运动共同决定。在GPS/IMU融合中，姿态角（Roll、Pitch、Yaw）即定义为b系相对于n系的旋转关系，通常用欧拉角或四元数表示。
3.2.3 ECEF坐标系（e系）
地心地固坐标系（Earth-Centered Earth-Fixed, ECEF）原点位于地球质心，Z轴指向北极（CIO），X轴指向本初子午线与赤道交点，Y轴按右手定则确定。ECEF随地球自转，因此地面静止物体的ECEF坐标不变。GNSS卫星定位结果通常直接输出在ECEF坐标系下（WGS-84椭球模型）。在融合定位中，需要将ECEF坐标转换为经纬高（LLA）或UTM投影坐标，以便与导航系下的位置估计对齐。
3.3 IMU误差模型与标定方法
3.3.1 误差来源与数学模型
IMU误差可分为确定性误差和随机误差两大类。确定性误差包括零偏（Bias）、尺度因子（Scale Factor）、非正交误差（Misalignment）；随机误差包括角度随机游走（ARW）、速度随机游走（VRW）、零偏不稳定性（Bias Instability）和量化噪声。完整的加速度计和陀螺仪误差模型可表示为：
加速度计: a_meas = (I + S_a) * a_true + b_a + n_a
陀螺仪: ω_meas = (I + S_g) * ω_true + b_g + n_g其中S为尺度因子矩阵（含非正交项），b为零偏矢量，n为高斯白噪声。零偏b随时间缓慢变化，通常建模为一阶高斯-马尔可夫过程或随机游走过程。尺度因子误差通常在±0.1%~±1%之间，非正交误差在±0.1°~±1°之间。
3.3.2 艾伦方差分析法
艾伦方差（Allan Variance）是分析IMU随机误差的标准工具。通过对静态数据取不同积分时间τ，计算方差并绘制双对数曲线，可以辨识出各类噪声的系数：
- 角度随机游走（ARW）：曲线斜率为-1/2段，对应陀螺仪白噪声，单位°/√h。
- 零偏不稳定性：曲线最低点，对应1/f噪声，单位°/h。
- 速率随机游走（RRW）：曲线斜率为+1/2段，对应零偏的慢变漂移。
- 量化噪声：曲线斜率为-1段，通常在高频段。
3.3.3 六面静态标定与温补
六面静态标定是消除确定性误差的经典方法。将IMU分别以六个面朝上（±X、±Y、±Z）静止放置，记录加速度计输出。由于静止时比力模长等于重力加速度g，可以建立方程组求解零偏和尺度因子。对于陀螺仪，则需要借助转台提供已知角速度输入。温度补偿通常采用多项式拟合：b(T) = b_0 + b_1*(T-T_0) + b_2*(T-T_0)²，在-40°C~85°C范围内每隔5°C采集数据。
3.4 实战案例：低成本IMU在车载导航中的误差补偿
背景与约束： 某自动驾驶测试车辆搭载消费级IMU（如BMI088），用于GNSS信号丢失时（如地下车库）的短时定位。该IMU陀螺仪零偏稳定性约5°/h，加速度计零偏稳定性约0.5 mg。车辆在进入地下车库前需完成约30秒的直线行驶，用于在线估计陀螺仪零偏。
初始现象： 车辆进入车库后，融合定位在10秒内航向漂移超过3°，导致车道级定位失败。分析发现，陀螺仪零偏未完全补偿，且加速度计在车辆振动环境下噪声过大。
关键数据与参数：
- 陀螺仪静态零偏：0.8°/s（远大于标称值，因温度变化）
- 加速度计振动噪声：0.15 m/s² (RMS)
- GNSS/IMU杆臂：前向0.8m，右侧0.3m，向下0.1m
分析判断过程： 首先，通过艾伦方差分析发现陀螺仪ARW为0.3°/√h，零偏不稳定性为4.5°/h，确认随机噪声水平尚可。但零偏随温度漂移明显，从冷启动到工作温度变化约0.5°/s。其次，车辆振动引起的加速度计噪声在频域上集中在50-200Hz，可通过低通滤波抑制。
实际操作步骤：
- 在车辆启动后静止2分钟，采集陀螺仪数据取均值作为初始零偏估计。
- 行驶前进行30秒直线加速/减速，利用速度增量与加速度计积分对比，估计尺度因子误差。
- 在融合滤波器中增加零偏在线估计状态量（12维状态：位置3+速度3+姿态3+陀螺零偏3+加速度零偏3）。
- 对加速度计输出应用截止频率20Hz的二阶低通滤波器，抑制振动噪声。
- 补偿杆臂效应：将IMU位置转换到GNSS天线相位中心。
结果对比： 补偿后，地下车库内10秒定位漂移从3°降至0.8°，位置误差从2.5m降至0.6m。30秒后位置误差仍控制在1.5m以内，满足车道级导航需求。
风险与代价： 在线估计零偏增加了滤波器计算量约15%，且若车辆在弯道中执行零偏估计，会因向心加速度干扰导致估计偏差。因此，零偏估计必须在直线或静止状态下触发。
复盘经验： 低成本IMU并非不可用，关键在于充分理解其误差特性并设计针对性的补偿策略。温度补偿和在线估计是提升精度的两大杠杆。
3.5 常见误区与总结
总结复盘： IMU是GPS融合定位中不可或缺的“运动感知层”。理解加速度计、陀螺仪、磁力计的工作原理，掌握body、navigation、ECEF坐标系的转换逻辑，并建立包含零偏、尺度、噪声的误差模型，是设计鲁棒融合算法的前提。在实际工程中，应优先通过静态标定和艾伦方差分析获取传感器特性参数，再结合在线估计方法补偿残余误差。下一阶段，我们将基于本章的IMU模型，推导惯性导航解算方程（姿态更新、速度更新、位置更新），并探讨如何与GNSS观测值进行最优融合。