4、传感器融合算法：PX4的EKF2与ArduPilot的EKF3，谁更稳定？
传感器融合，说白了就是飞控的「大脑皮层」。它把IMU、GPS、磁罗盘、气压计这些乱七八糟的数据揉在一起，输出一个靠谱的姿态和位置。PX4用EKF2，ArduPilot用EKF3，很多人问我哪个更稳。我的回答是：没有绝对的好坏，只有合不合适的场景。
先别急着站队。我做过不少飞控移植项目，两种算法都踩过坑。今天咱们就掰开揉碎，看看它们到底差在哪。
4.1 核心架构差异：EKF2 vs EKF3
EKF2和EKF3都基于扩展卡尔曼滤波，但设计哲学完全不同。
| 对比维度 | PX4 EKF2 | ArduPilot EKF3 |
|---|---|---|
| 状态向量维度 | 24维（含磁偏角、风场） | 22维（可扩展至28维） |
| 传感器冗余策略 | 主/备切换，单实例运行 | 多实例并行，投票融合 |
| GPS失效处理 | 自动降级为光流+气压 | 支持惯性导航+视觉惯性 |
| 磁干扰补偿 | 在线估计硬铁/软铁 | 动态磁异常检测+剔除 |
| 代码维护状态 | 稳定，更新频率低 | 活跃，每季度有改进 |
你看，EKF2像个老派的瑞士军刀——功能固定，但足够可靠。EKF3则像个模块化工具箱，你可以根据任务拼装不同的传感器组合。
关键结论：EKF2的24维状态是写死的，EKF3的22维是基础，你可以通过参数EKF3_ENABLE开启额外维度。我建议：如果只用GPS+IMU，EKF2更省心；如果要上RTK、双目视觉或激光雷达，EKF3的扩展性更好。
4.2 稳定性实测：我踩过的坑
先说说EKF2。我在一个农业植保项目里用过PX4，飞的是六轴，挂10公斤药箱。有一次GPS信号被高压线干扰，EKF2瞬间跳到了「光流+气压」模式。嗯，当时飞机正在3米高度悬停，突然开始上下漂移。我赶紧切增稳手动救回来。后来查日志发现，EKF2的GPS权重降得太快，导致高度融合瞬间失准。
再说EKF3。另一个项目是ArduPilot的VTOL，在山区做测绘。山谷里GPS多径效应严重，EKF3的多实例投票机制起了作用。它同时跑了3个滤波器实例，每个用不同的传感器子集，最后选置信度最高的那个输出。那次飞行，即使GPS偶尔跳变，飞机姿态一直很稳。
我的经验：EKF2在传感器突然失效时，切换逻辑比较「硬」，容易产生阶跃。EKF3因为有多个实例并行，切换更平滑。但代价是EKF3的CPU占用率比EKF2高约15%~20%。如果你用F4主控，建议优先考虑EKF2。
4.3 参数调优：别让默认值害了你
很多人拿到飞控就用默认参数，这是大忌。EKF2和EKF3都有几十个参数，但真正关键的只有几个。
EKF2 必调参数
EKF2_IMU_POS_X/Y/Z：IMU相对重心的位置。我见过有人装歪了IMU，结果悬停时飞机一直偏航。量准了再填。EKF2_GPS_CHECK：GPS数据有效性检查阈值。默认太宽松，建议从0.5改到0.3，减少异常GPS的干扰。EKF2_MAG_TYPE：磁力计类型。如果你用外置罗盘，记得改成2（外置罗盘优先）。
EKF3 必调参数
EKF3_IMU_MASK：选择使用哪个IMU。双IMU的板子，建议同时启用，让EKF3自动融合。EKF3_GPS_TYPE：GPS融合模式。1是单GPS，2是双GPS。我建议用2，冗余性更好。EKF3_MAG_CAL：磁力计校准模式。默认是3（飞行中在线校准），但如果你在强磁环境（比如变电站附近），改成2（仅地面校准）更安全。
警告：我曾经在调试EKF3时，把EKF3_VELD_NOISE（速度观测噪声）设得太小，结果滤波器对GPS速度过于信任。飞机在顺风飞行时，地速突然增大，EKF3以为GPS坏了，直接切到惯性推算，导致位置漂移。这个参数建议保持默认，除非你非常清楚自己在做什么。
4.4 传感器融合流程图
下面这张图是我自己总结的，两种算法在传感器融合时的核心路径差异。你看一眼就明白了。
4.5 选型建议：什么时候选谁？
你想想看，如果你只是飞个普通的四轴，用默认GPS，不搞什么花哨的传感器，EKF2完全够用。它稳定、省资源、文档多。但如果你要做工业级应用，比如电力巡检、物流配送，或者要在城市峡谷、强磁干扰环境下飞，我建议你上EKF3。
我个人的习惯是：原型验证用EKF2，量产部署用EKF3。为什么？因为EKF2调试简单，出问题容易定位；EKF3虽然复杂，但容错性强，适合长期稳定运行。
一句话总结：EKF2是「稳如老狗」，EKF3是「灵活如蛇」。选哪个，取决于你的飞机要面对什么样的环境。如果你还在犹豫，不妨两个都试试——反正代码都是开源的，烧个固件又不花钱。