📚 课程目录第3章磁力计与GPS基础

3. 磁力计与GPS基础

各位同学，今天我们来聊聊传感器融合里两个绕不开的基础模块——磁力计和GPS。说实话，这两个传感器单独拿出来都不算复杂，但把它们用好，尤其是在地面站里融合起来，这里面的门道可不少。

我最早接触磁力计是在做一款四旋翼的航向估计。当时图省事，直接拿原始数据就用，结果飞机在天上转圈圈，差点炸机。后来才明白，磁力计不校准，那就是个玩具。好，咱们一步步来。

3.1 磁力计工作原理

磁力计，说白了就是测量磁场强度的传感器。它内部有个微小的结构，磁场变化会引起电阻或电压变化，我们读出这个变化，就能知道当前方向的磁场强度。

常用的磁力计芯片有HMC5883L、MAG3110、IST8310等。它们输出的是三轴数据：X、Y、Z，单位通常是微特斯拉（μT）。

地球磁场本身很弱，大约在25到65 μT之间，而且方向是从南指向北（磁北）。所以理论上，磁力计可以告诉我们“北”在哪。但现实很骨感——

⚠ 注意： 磁力计对铁磁性物质极其敏感。你口袋里的一串钥匙，就能让读数偏掉十几度。我见过一个项目，无人机飞控装在碳纤维机架上，结果磁力计读数乱跳，最后发现是机架上的螺丝钉带磁性。

3.2 磁力计校准

为什么要校准？因为磁力计有三大误差源：

硬铁误差： 传感器附近的永久磁铁或带磁金属，造成固定偏移
软铁误差： 铁磁性材料对磁力线的扭曲，造成各向异性
零偏误差： 传感器本身的制造偏差

我个人的习惯是，每次上电后先做一次快速校准。方法很简单：

把设备水平旋转360度，记录X、Y轴的最大最小值
再竖直旋转360度，记录Z轴的最大最小值
计算偏移量：offset = (max + min) / 2
计算缩放因子：scale = (max - min) / 2

校准后的数据：

calibrated_x = (raw_x - offset_x) / scale_x
calibrated_y = (raw_y - offset_y) / scale_y
calibrated_z = (raw_z - offset_z) / scale_z

嗯，这里要注意：如果你在室内校准，然后拿到室外用，结果可能不准。因为室内有钢筋、管道等干扰。我建议在目标使用环境中校准。

💡 小技巧： 可以用椭球拟合算法做自动校准。采集足够多的点（至少覆盖球面），然后用最小二乘法拟合出椭球参数。我曾经用这个方法，把航向精度从±15度提升到了±3度。

3.3 GPS数据格式（NMEA）解析

GPS模块输出的数据，绝大多数遵循NMEA 0183协议。这是一种纯文本协议，每行以$开头，以回车换行结束。

常用的NMEA语句有：

语句	含义	关键字段
$GPGGA	定位信息	时间、纬度、经度、海拔、卫星数
$GPRMC	推荐最小定位信息	时间、日期、速度、航向
$GPGSA	精度因子与卫星编号	PDOP、HDOP、VDOP
$GPGSV	可见卫星信息	卫星编号、仰角、方位角、信噪比

举个例子，一条真实的$GPGGA语句：

$GPGGA,123519,4807.038,N,01131.000,E,1,08,0.9,545.4,M,46.9,M,,*47

解析起来其实不复杂。我一般用Python的pynmea2库，几行代码搞定：

import pynmea2

line = "$GPGGA,123519,4807.038,N,01131.000,E,1,08,0.9,545.4,M,46.9,M,,*47"
msg = pynmea2.parse(line)
print(f"纬度: {msg.latitude}, 经度: {msg.longitude}")
print(f"海拔: {msg.altitude} 米")
print(f"卫星数: {msg.num_sats}")

但如果你像我一样，喜欢自己动手，也可以手写解析器。核心就是按逗号分割，然后根据字段位置取值。注意纬度格式是DDMM.MMMM，需要转换成十进制度数。

  🔑 关键点： 纬度转换公式：十进制度数 = 度 + 分/60。例如4807.038表示48度07.038分，即48 + 7.038/60 = 48.1173度。

3.4 GPS定位误差分析

GPS定位误差，说白了就是“卫星告诉你的位置”和“你实际的位置”之间的差距。这个差距有多大？

我实测过，普通民用GPS（单频、无差分）在开阔天空下，水平误差大约2-5米。但一旦有遮挡，误差能飙到10米以上。为什么会这样？

主要误差来源有：

卫星钟差： 卫星上的原子钟也有漂移，虽然很小，但累积起来不可忽略
电离层延迟： 信号穿过电离层时速度变化，这是最大的误差源之一
对流层延迟： 大气中的水汽和温度变化引起
多径效应： 信号反射后到达接收机，造成伪距测量偏差
几何精度因子（DOP）： 卫星分布越差，定位误差越大

我记得有一次做地面站测试，GPS定位突然跳了20米。排查了半天，发现是旁边停了一辆大卡车，金属车身造成了严重的多径效应。从那以后，我每次测试都会先确认周围环境。

衡量定位质量，常用HDOP（水平精度因子）。HDOP越小越好：

HDOP值	定位质量
< 1	优秀
1 - 2	良好
2 - 5	中等
> 5	差，不建议使用

在实际项目中，我通常会在代码里加一个HDOP阈值判断。如果HDOP大于3，就降低GPS的权重，或者干脆不用这个数据。

3.5 磁力计与GPS的融合思路

好了，现在我们有磁力计给的航向，有GPS给的位置和速度。怎么把它们结合起来？

一个简单的思路是：用GPS的航向（地面航迹角）来校正磁力计的航向。因为GPS航向在直线运动时很准，但静止或低速时噪声很大。而磁力计航向在静态时稳定，但容易受干扰。

我常用的方法是：

当速度 > 1 m/s 时，用GPS航向作为参考，对磁力计航向做低通滤波
当速度 < 0.5 m/s 时，完全信任磁力计航向
中间速度做加权融合

下面这张图展示了磁力计与GPS融合的基本流程：

这张图把本章的核心逻辑串起来了。磁力计和GPS各自经过预处理后，进入融合模块。误差分析作为反馈，帮助我们动态调整融合权重。

💡 实战建议： 如果你刚开始做融合，建议先用简单的加权平均。等跑通了，再上卡尔曼滤波。我见过太多人一上来就搞卡尔曼，结果调参调到崩溃。

好了，这一章的内容就到这里。磁力计和GPS是传感器融合的“眼睛”和“耳朵”，把它们的脾气摸透了，后面的融合工作才能事半功倍。

可可精品资料库