📚 课程目录第3章传感器基础

3. 传感器基础

VIO（Visual-Inertial Odometry）之所以能在无人机上稳定运行，根本原因在于它同时使用了两种互补的传感器：IMU 提供高频的角速度与加速度，视觉相机提供低频但绝对可观测的环境约束。理解这两类传感器的物理原理、数学模型、标定方法与噪声特性，是后续所有融合算法能够落地的前提。本节从工程视角梳理这条传感器链路。

一、IMU 工作原理：从物理量到数字信号

MEMS IMU 的核心是微机械结构。陀螺仪利用科里奥利力测量角速度：当质量块在驱动方向振动时，若存在绕敏感轴的旋转，就会在正交方向产生与角速度成正比的位移，通过电容变化转换为电压信号。加速度计则通过检测质量块在加速度作用下的位移来测量比力（specific force），即包含重力在内的非引力加速度。

工程上必须区分两个概念：加速度计输出的是比力 f = a - g，而不是纯运动加速度。静止时加速度计读数约为 +9.81 m/s²（沿重力反方向），这正是 VIO 中重力方向可观测的来源。IMU 的典型输出模型可写为：

ω_meas = ω_true + b_g + n_g
a_meas = R^T (a_true - g) + b_a + n_a

其中：
  b_g, b_a  : 陀螺/加计零偏（缓慢漂移，随机游走）
  n_g, n_a  : 白噪声（高频抖动）
  R         : 机体到世界系的旋转

IMU 的采样率通常为 100–1000 Hz，远高于相机，因此它在 VIO 中承担“高频积分、短时预测”的角色；但积分会累积零偏误差，必须由视觉观测来约束和修正。

二、视觉相机模型：针孔投影与畸变

相机把三维世界点投影到二维像素平面。标准针孔模型为：

[u]   [fx  0  cx] [X/Z]
[v] = [0  fy  cy] [Y/Z]
[1]   [0   0   1] [ 1 ]

fx = f / dx,  fy = f / dy   （dx,dy 为像元物理尺寸）
cx, cy 为主点（光心在图像上的投影）

真实镜头存在径向畸变与切向畸变，常用 Brown-Conrady 模型：

x_d = x(1 + k1 r² + k2 r⁴ + k3 r⁶) + 2 p1 x y + p2 (r² + 2x²)
y_d = y(1 + k1 r² + k2 r⁴ + k3 r⁶) + p1 (r² + 2y²) + 2 p2 x y

无人机常用的广角或鱼眼镜头畸变显著，若忽略畸变，特征点重投影误差会随视场边缘迅速增大，直接破坏 VIO 的位姿估计。因此相机内参 fx, fy, cx, cy 与畸变系数 k1, k2, p1, p2, k3 必须精确标定。

三、内外参标定：把两个传感器放进同一坐标系

内参描述相机自身成像特性，外参描述 IMU 与相机之间的刚体变换 T_ic = (R_ic, t_ic)。VIO 中所有视觉观测都要通过外参转换到 IMU 坐标系，因此外参误差会直接表现为尺度漂移和姿态偏差。

标定流程通常为：

用棋盘格或 AprilTag 标定相机内参，采集 20–40 张不同姿态图像，最小化重投影误差。
将相机与 IMU 刚性固定，手持或转台做充分激励运动（三轴旋转 + 平移）。
使用 Kalibr 等工具联合优化：以 IMU 预积分为约束，同时估计外参、时间偏移与 IMU 噪声参数。
用重投影误差、IMU 残差和标定报告中的参数协方差评估质量。

标定质量检查：外参平移量应与实际测量值接近；时间偏移 t_d 一般应在 ±5 ms 内；若标定后 VIO 仍出现明显尺度漂移，优先怀疑外参与时间同步，而不是先调滤波器参数。

四、时间同步：VIO 中最容易被低估的误差源

IMU 与相机是异步采样的，且各自存在硬件时间戳延迟。若时间戳偏差为 Δt，在角速度 ω 下会产生约 ω·Δt 的姿态误差。无人机快速机动时，10 ms 的时间偏差就可能带来数度的姿态误差，足以让视觉跟踪失败。

时间同步的工程手段包括：

硬件同步：使用同一触发信号或 PPS 脉冲，让相机曝光与 IMU 采样对齐。
软件时间戳：统一使用同一时钟源（如 ROS 的 /clock 或 PTP），避免多主机时钟漂移。
在线估计：在 VIO 优化中把 t_d 作为待估参数，由数据自动收敛。

五、传感器噪声特性与参数关系

IMU 噪声主要分为白噪声与随机游走零偏。白噪声影响单次积分的随机误差，随机游走决定零偏随时间漂移的速度。二者在 VIO 中分别对应 σ_g, σ_a 与 σ_bg, σ_ba，通常通过 Allan 方差分析从静止数据中辨识。

参数	物理含义	典型量级	对 VIO 的影响
σ_g	陀螺白噪声	0.001–0.01 rad/s/√Hz	短时姿态抖动
σ_a	加计白噪声	0.01–0.1 m/s²/√Hz	速度估计噪声
σ_bg	陀螺零偏随机游走	1e-5–1e-4 rad/s²/√Hz	长时间姿态漂移
σ_ba	加计零偏随机游走	1e-4–1e-3 m/s³/√Hz	尺度与位置漂移
t_d	相机-IMU 时间偏移	0–20 ms	机动时姿态误差

六、典型场景与常见误区

以室内无人机悬停为例：IMU 以 200 Hz 积分提供高频位姿预测，相机以 30 Hz 提供特征观测。若外参标定偏差 1 cm、时间偏移 8 ms，悬停时可能仍能工作，但一旦快速偏航，视觉重投影误差会突然增大，表现为轨迹“打滑”甚至跟踪丢失。

常见误区：把 IMU 噪声参数直接照搬开源配置。不同型号、不同批次的 IMU 噪声差异可达数倍，必须用 Allan 方差实测。另一个误区是只标内参不标外参，或标定后长期不复查——无人机振动、碰撞都会改变外参，建议每次飞行前做一次快速外参校验。

综上，IMU 提供高频但漂移的运动信息，相机提供低频但绝对的环境约束，内外参与时间同步把两者统一到同一时空基准，噪声参数则决定融合时各传感器的权重。这四者共同构成 VIO 的传感器基础，任何一环失准，都会在后续的优化与滤波中被放大。