IMU惯性导航基础：加速度计与陀螺仪原理

做无人机定位，IMU是绕不开的核心传感器。我最早接触IMU是在一个四旋翼飞控项目上，当时觉得这东西不就是测个加速度和角速度嘛，能有多复杂？结果一上手就被各种漂移和噪声教做人了。今天咱们就把IMU的底裤扒干净，从原理到算法再到标定，一条线捋清楚。

先说说加速度计。它测量的是比力，不是单纯的加速度。什么意思呢？就是物体受到的合力减去重力。你想想看，无人机悬停时，加速度计测到的是1g向上的力，而不是0。这个细节我当年在实验室里栽过跟头——以为静止时加速度应该是0，结果数据死活对不上。

加速度计内部结构，常见的是MEMS电容式。说白了就是有个质量块挂在弹簧上，加速度让质量块位移，改变电容值。我习惯把这种传感器想象成「弹簧秤」，只不过它称的是惯性力。

陀螺仪测量角速度，原理是科里奥利效应。MEMS陀螺仪里有个振动的质量块，当它旋转时，科里奥利力会让质量块在垂直方向产生位移。这个位移很小，但通过电容检测能读出来。嗯，这里要注意：陀螺仪测的是角速度，不是角度。要得到角度，得积分。

关键区别：加速度计测比力，陀螺仪测角速度。两者都不能直接给出位置或姿态，需要算法融合。

捷联惯导，就是把IMU「绑」在无人机上，没有物理平台，全靠数学计算。我参与过一个物流无人机项目，用的就是捷联方案。说实话，刚开始看到那些四元数、方向余弦矩阵，头都大了。但后来发现，核心就三步：姿态更新、速度更新、位置更新。

姿态更新最常用的是四元数法。为什么用四元数？因为它没有欧拉角的万向锁问题，计算量也比方向余弦矩阵小。更新公式很简单：

q_new = q_old + 0.5 * dt * q_old ⊗ ω

其中ω是陀螺仪测的角速度，⊗表示四元数乘法。每次更新后要归一化，防止误差累积。我见过有人忘了归一化，结果姿态越算越偏，最后无人机直接翻了个跟头。

速度更新需要把加速度计测的比力转换到导航坐标系，再减去重力。公式如下：

v_new = v_old + dt * (C(q) * a_accel - g)

C(q)是姿态矩阵，把加速度从机体坐标系转到导航坐标系。位置更新就更直接了：

p_new = p_old + dt * v_new

看起来简单吧？但实际跑起来，你会发现积分误差像滚雪球一样越来越大。这就是为什么纯惯导只能撑几十秒，必须配合GPS或视觉做修正。

我的经验：捷联惯导的更新频率至少要200Hz以上，否则高频振动会混叠进导航解算。我习惯用400Hz，留点余量。

IMU不是完美的，它有各种误差。我把它分成两类：确定性误差和随机误差。确定性误差可以通过标定消除，随机误差只能靠滤波。

主要包括：

标定这些误差，最经典的方法是六位置法。把IMU放在六个正交方向上，采集数据，然后解方程。我曾经用转台做过一次高精度标定，结果发现手工摆放的误差比传感器本身的误差还大。后来我改用3D打印的夹具，精度才上去。

随机误差主要是角度随机游走（ARW）和速率随机游走（RRW）。这些可以用Allan方差分析。我习惯用艾伦方差图来评估IMU的噪声特性，横轴是相关时间，纵轴是方差。从图上能看出：

避坑指南：我曾经在标定时忽略了温度影响，结果冬天和夏天的零偏差了3倍。后来我加了一个温控模型，把温度补偿进去，效果立竿见影。记住：MEMS IMU对温度非常敏感，标定一定要在目标温度范围内做。

下面这张图是我自己总结的标定流程，每次做新项目都按这个来：

标定完成后，误差补偿公式很简单：

a_corrected = S_a * (a_raw - b_a - T_a * a_raw)
w_corrected = S_g * (w_raw - b_g - T_g * w_raw)

其中S是尺度因子矩阵，b是零偏，T是交叉耦合矩阵。把这些参数写进固件里，每次上电先做一次初始化标定，然后实时补偿。我习惯把标定参数存在EEPROM里，换传感器时重新标定一次。

实用技巧：如果你没有转台，可以用「静态+旋转」的简易标定法。把IMU静止放几分钟，估算零偏；然后手动旋转每个轴，用最小二乘法拟合尺度因子。精度虽然不如转台，但够用。

好了，IMU的基础就这些。加速度计和陀螺仪的原理搞清楚了，捷联惯导算法能跑通了，误差模型和标定也做完了，接下来就可以把IMU数据喂给融合滤波器了。记住：IMU是定位系统的「内耳」，它告诉你身体怎么动，但不知道自己在哪。想知道在哪，得靠下一层的传感器融合。