3、加速度计标定：六面法标定流程，零偏与尺度因子计算，标定结果验证
加速度计标定，说白了就是让传感器学会说“人话”。
你想想看，一个裸的加速度计，它输出的原始值跟真实的重力加速度之间，差着零偏、尺度因子，还有安装误差。如果不标定，你算出来的姿态角全是歪的。我刚开始做飞控那会儿，就吃过这个亏——飞机悬停时总往一边飘，查了半天，最后发现是加速度计零偏没校准。
嗯，今天我们就来聊聊最经典的标定方法：六面法。
核心思路：利用重力加速度作为已知参考，把加速度计的六个面（±X、±Y、±Z）分别对准重力方向，采集数据，然后反算出零偏和尺度因子。
3.1 六面法标定流程
六面法这个名字听起来挺唬人，其实操作很简单。你需要一个水平台，或者至少一个你知道绝对水平的平面。我个人习惯用大理石平台，精度够。
具体步骤：
- 预热：上电后等 5 分钟，让传感器温度稳定。我见过有人冷启动直接标定，结果温度一变化，零偏全漂了。
- 水平校准：把 IMU 放在水平台上，记录 Z 轴向上时的数据。这就是第一个面。
- 翻转：依次将 IMU 的 +X、-X、+Y、-Y、-Z 面朝上，每个面保持静止，采集 200~500 个样本。
- 取均值：每个面的数据取平均，得到 6 个平均加速度值：
A_x+,A_x-,A_y+,A_y-,A_z+,A_z-。
我的小技巧：每个面采集时，别急着开始。等数据稳定了再录，大概等 2~3 秒。我曾经用抖动的手拿着 IMU 翻转，结果数据里全是高频噪声，算出来的尺度因子偏差了 2%。
3.2 零偏与尺度因子计算
好，数据到手了。现在我们来算零偏和尺度因子。
先明确一下模型。对于每个轴，加速度计的输出可以写成：
A_meas = S * A_true + B其中：
A_meas是测量值（原始 ADC 读数或电压）A_true是真实加速度（单位 g）S是尺度因子（单位：LSB/g 或 V/g）B是零偏（单位：LSB 或 V）
对于六面法，我们利用重力加速度 g 作为已知参考。当某个轴朝上时，该轴的真实加速度为 +1g；朝下时为 -1g。其他两个轴理论上为 0g。
以 Z 轴为例：
- Z 轴朝上：
A_z+ = S_z * (+1) + B_z - Z 轴朝下：
A_z- = S_z * (-1) + B_z
解这个二元一次方程组：
S_z = (A_z+ - A_z-) / 2
B_z = (A_z+ + A_z-) / 2同理，X 轴和 Y 轴也一样。就这么简单。
注意：这里假设了安装误差已经很小，或者我们暂时忽略交叉轴耦合。如果要求更高精度，需要引入 12 参数或 9 参数模型，但六面法只解决零偏和尺度因子。
下面是一个完整的 Python 计算示例：
import numpy as np
# 假设采集到的六面均值数据（单位：LSB）
data = {
'x+': 16450, 'x-': 15830,
'y+': 16520, 'y-': 15790,
'z+': 16980, 'z-': 15260
}
# 计算零偏和尺度因子
S_x = (data['x+'] - data['x-']) / 2
B_x = (data['x+'] + data['x-']) / 2
S_y = (data['y+'] - data['y-']) / 2
B_y = (data['y+'] + data['y-']) / 2
S_z = (data['z+'] - data['z-']) / 2
B_z = (data['z+'] + data['z-']) / 2
print(f"X: S={S_x:.2f}, B={B_x:.2f}")
print(f"Y: S={S_y:.2f}, B={B_y:.2f}")
print(f"Z: S={S_z:.2f}, B={B_z:.2f}")输出结果：
X: S=310.00, B=16140.00
Y: S=365.00, B=16155.00
Z: S=860.00, B=16120.00你看，Z 轴的尺度因子明显比 X/Y 大，这是因为 Z 轴量程通常不同。零偏都在 16100 左右，说明传感器一致性还不错。
3.3 标定结果验证
算完了，别急着收工。验证这一步，我建议你认真做。
验证方法：
- 回代检查：用标定后的参数重新计算每个面的加速度，看是否接近 ±1g 和 0g。
- 模长检查：在任意姿态下，加速度计输出的模长应该接近 1g。如果偏差超过 0.02g，说明标定有问题。
- 静态倾角检查：把 IMU 放在已知角度的斜面上，对比计算出的倾角与实际角度。
我一般会用模长检查作为快速验证。具体做法：
# 标定后的数据
def calibrate(raw_x, raw_y, raw_z):
x_cal = (raw_x - B_x) / S_x
y_cal = (raw_y - B_y) / S_y
z_cal = (raw_z - B_z) / S_z
return np.array([x_cal, y_cal, z_cal])
# 随机取一组静态数据
raw = np.array([16150, 16180, 16900])
cal = calibrate(*raw)
norm = np.linalg.norm(cal)
print(f"标定后模长: {norm:.4f} g") # 期望接近 1.0000避坑指南：我曾经遇到过一次，模长检查总是 1.02g，怎么都降不下来。后来发现是水平台本身有 0.5° 的倾斜。记住，你的参考基准必须比传感器精度高一个数量级。
如果验证不通过，别急着改参数。先检查数据采集过程：
- 每个面是否真的静止了？
- 翻转时有没有引入冲击？
- 温度是否稳定？
嗯，六面法虽然简单，但做好也不容易。我个人习惯在每次飞控上电后，先跑一遍快速标定（只做零偏），每周做一次完整六面法。这样既能保证精度，又不会太耗时。
最后，给你一个参考表格，对比不同标定方法的适用场景：
| 方法 | 标定参数 | 所需设备 | 精度 | 耗时 |
|---|---|---|---|---|
| 六面法 | 零偏 + 尺度因子 | 水平台 | 中等（0.5% 以内） | 10 分钟 |
| 多位置法 | 零偏 + 尺度 + 安装误差 | 转台 | 高（0.1% 以内） | 30 分钟 |
| 椭球拟合法 | 零偏 + 尺度 + 交叉轴 | 任意旋转 | 中等（受运动影响） | 5 分钟 |
对于大多数飞控应用，六面法已经足够。如果你做的是高精度导航，那得上转台。但那是另一节课的内容了。