4. 传感器基础与数据融合

IMU 是定位系统的「眼睛」和「耳朵」。但说实话，这颗传感器天生就有毛病——它输出的原始数据，直接拿去用的话，你的飞控大概率会飘到天上去。我最早做无人机那会儿，就吃过这个亏。

这一章，我们就把 IMU 数据处理的几个核心环节掰开揉碎。从标定到补偿，从预积分到噪声分析，每一步都关系到定位精度。

4.1 加速度计标定

加速度计标定，说白了就是找到它的「真实值」和「测量值」之间的映射关系。理想情况下，三轴加速度计应该输出 1g 的模长，但实际器件总有偏差。

我习惯用六位置法做标定。把 IMU 分别朝六个方向静止放置，采集数据。每个方向对应一个已知的重力矢量。

位置	理论加速度 (g)	实际测量
X 轴向上	(1, 0, 0)	(ax1, ay1, az1)
X 轴向下	(-1, 0, 0)	(ax2, ay2, az2)
Y 轴向上	(0, 1, 0)	(ax3, ay3, az3)
Y 轴向下	(0, -1, 0)	(ax4, ay4, az4)
Z 轴向上	(0, 0, 1)	(ax5, ay5, az5)
Z 轴向下	(0, 0, -1)	(ax6, ay6, az6)

然后解算比例因子和零偏。模型很简单：

a_measured = scale * a_true + bias + noise

用最小二乘法拟合，就能得到 3 个轴的 scale 和 bias。我在项目中遇到过一个问题——如果 IMU 安装面不平，六位置法的精度会大打折扣。所以标定前，一定要确保 IMU 的安装面水平。

4.2 陀螺仪零偏补偿

陀螺仪的零偏，是定位误差的「头号杀手」。你想想看，一个 0.1°/s 的零偏，积分 10 秒就是 1° 的姿态误差。再积分到位置，误差会指数级增长。

零偏补偿分两步：

1. 静态零偏估计： 上电后静止几秒，取陀螺仪输出的均值作为初始零偏。
2. 在线零偏估计： 飞行过程中，利用视觉或 GPS 观测，持续修正零偏。

静态估计的代码很简单：

// 采集 N 个样本
for (int i = 0; i < N; i++) {
    gyro_sum += read_gyro();
}
gyro_bias = gyro_sum / N;

但要注意——静态零偏会随温度变化。我见过一个案例，无人机在冬天起飞时零偏是 0.05°/s，飞到夏天环境就变成了 0.15°/s。如果不做温度补偿，姿态会慢慢漂移。

4.3 温度补偿

温度对 IMU 的影响，比你想象的大得多。加速度计的零偏随温度变化，陀螺仪的零偏也随温度变化。我做过一个实验：把 IMU 从 -10°C 加热到 60°C，陀螺仪零偏漂移了 0.3°/s。

温度补偿的常用方法是多项式拟合：

bias(T) = c0 + c1 * T + c2 * T²

其中 T 是 IMU 内部温度传感器的读数。c0、c1、c2 是拟合系数，需要在温箱中标定得到。

在 PX4 中，温度补偿是自动完成的。它会读取 IMU 的温度传感器，然后查表或计算补偿值。但如果你自己写飞控，这块一定要加上。

4.4 IMU 预积分

IMU 预积分，是 VIO（视觉惯性里程计）和 LIO（激光惯性里程计）的核心技术。它的作用，是把两帧图像之间的 IMU 数据「压缩」成一个增量约束。

为什么需要预积分？因为 IMU 的频率（100-1000 Hz）远高于视觉（10-30 Hz）。如果每次优化都重新积分所有 IMU 数据，计算量会爆炸。

预积分的核心公式：

ΔR_ij = ∏ exp((ω_k - b_g) * Δt)
Δv_ij = ∑ ΔR_ik * (a_k - b_a) * Δt
Δp_ij = ∑ (Δv_ik * Δt + 0.5 * ΔR_ik * (a_k - b_a) * Δt²)

其中：

• ΔR_ij：旋转增量
• Δv_ij：速度增量
• Δp_ij：位置增量
• b_g、b_a：陀螺仪和加速度计的零偏

预积分的好处是：当零偏更新时，不需要重新积分所有数据，只需要用一阶近似修正即可。这大大提高了优化效率。

4.5 Allan 方差分析

Allan 方差，是分析 IMU 噪声特性的「金标准」。它能告诉我们：

• 量化噪声（Quantization Noise）
• 角度随机游走（Angle Random Walk）
• 速率随机游走（Rate Random Walk）
• 零偏不稳定性（Bias Instability）
• 速率斜坡（Rate Ramp）

分析方法很简单：采集长时间（几小时）的静态 IMU 数据，然后计算不同时间尺度下的方差。画成 log-log 图，就能看到不同噪声成分的「斜率特征」。

噪声类型	Allan 方差斜率	物理含义
量化噪声	-1	ADC 量化误差
角度随机游走	-1/2	白噪声积分
零偏不稳定性	0	零偏的长期波动
速率随机游走	+1/2	零偏的随机漂移
速率斜坡	+1	温度等确定性漂移

我曾经用 Allan 方差分析过一款国产 IMU。结果发现它的零偏不稳定性比 datasheet 标称值大了 3 倍。后来跟厂家沟通，才知道是批次问题。从那以后，我每批 IMU 到货都会先做一次 Allan 方差分析。

分析结果可以直接用于滤波器设计。比如，角度随机游走系数决定了 EKF 中陀螺仪噪声协方差矩阵的取值。零偏不稳定性则决定了零偏随机游走模型的方差。

嗯，IMU 数据处理这块，内容确实不少。但每一步都绕不开。标定做不好，后面所有算法都是白搭。预积分搞不懂，VIO 和 LIO 就无从谈起。Allan 方差不会用，滤波器参数全靠猜。

我个人建议，把这五个环节串起来理解。标定和补偿是基础，预积分是桥梁，Allan 方差是检验工具。缺一不可。