2. 导航算法基础高频问题
第 2 章 · 导航算法基础
坐标系与姿态表示 · 滤波与状态估计
高频面试问题 · 回答框架 · 公司侧重点
✈️ 本章核心： 无人机导航算法工程师面试中，坐标系与姿态表示、滤波与状态估计是必考基础。面试官不仅考察概念记忆，更关注你能否在工程中正确选型、解释物理意义、处理数值稳定性。以下 3 个问答卡片覆盖高频考点，并附项目案例模板。
请解释无人机中常用的坐标系（NED、ENU）以及姿态表示方法（欧拉角、旋转矩阵、四元数）的优缺点。
面试官考察点
- 对导航坐标系物理意义的理解，是否清楚 NED 与 ENU 的差异及适用场景。
- 姿态表示方法的数学本质与工程取舍：欧拉角直观但存在万向锁；旋转矩阵冗余但无奇异；四元数紧凑且插值平滑。
- 能否结合无人机实际（如飞控、视觉导航）说明选型理由。
回答框架
- 坐标系：先定义 NED（北东地）和 ENU（东北天），说明无人机常用 NED（如 PX4），而视觉/ROS 常用 ENU。
- 姿态表示：欧拉角（直观、易理解，但万向锁、插值不平滑）；旋转矩阵（无奇异、可复合，但9参数冗余、正交化误差）；四元数（4参数、无奇异、插值好，但不够直观）。
- 工程选型：飞控内部多用四元数，地面站显示用欧拉角，视觉SLAM常用旋转矩阵或四元数。
简短示例回答
“NED 是北东地，ENU 是东北天，无人机飞控常用 NED，视觉常用 ENU。姿态表示上，欧拉角直观但有万向锁；旋转矩阵无奇异但冗余；四元数紧凑且插值平滑，飞控内部多用四元数，显示用欧拉角。”
可能追问
万向锁在什么情况下发生？
四元数如何表示旋转？
旋转矩阵如何正交化？
NED 和 ENU 之间如何转换？
⚠️ 避坑提醒： 不要只背定义，要结合无人机实际场景说明选型理由；避免混淆 NED 和 ENU 的轴向，面试官常追问“为什么飞控用 NED”。
卡尔曼滤波（KF）、扩展卡尔曼滤波（EKF）和互补滤波在无人机状态估计中如何选择？请对比它们的适用场景。
面试官考察点
- 对滤波算法本质的理解：线性/非线性、高斯假设、计算复杂度。
- 能否根据传感器特性（IMU、GPS、磁力计、视觉）和计算资源进行工程选型。
- 是否了解互补滤波的频域互补思想，以及 EKF 的线性化误差问题。
回答框架
- KF：线性高斯系统最优，但无人机姿态/位置模型非线性，直接应用受限。
- EKF：一阶线性化，适用于非线性系统，计算量适中，是飞控主流（如 PX4 的 EKF2）。
- 互补滤波：利用频域互补（陀螺高频、加速度计/磁力计低频），计算量极小，适合资源受限或快速原型。
- 选型建议：高精度、多传感器融合选 EKF；低成本、低算力选互补滤波；线性化误差大时考虑 UKF 或粒子滤波。
简短示例回答
“KF 只适用于线性系统；EKF 通过一阶线性化处理非线性，是飞控主流，但雅可比矩阵计算量大且线性化误差影响精度；互补滤波利用频域互补，计算量小，适合低成本或快速原型。实际选型看算力、精度和传感器配置。”
可能追问
EKF 的雅可比矩阵怎么推导？
互补滤波的截止频率如何确定？
UKF 相比 EKF 有什么优势？
如何判断滤波器是否发散？
⚠️ 避坑提醒： 不要只说“EKF 更好”，要结合具体场景（如算力、传感器频率、非线性程度）分析；避免混淆“互补滤波”和“卡尔曼滤波”的数学基础。
在无人机姿态估计中，如何用加速度计和磁力计修正陀螺仪的漂移？请描述一种具体的融合策略。
面试官考察点
- 对传感器特性的理解：陀螺仪高频好但漂移，加速度计/磁力计低频好但噪声大。
- 能否设计具体的融合算法（互补滤波或 EKF 的观测更新）。
- 对姿态解算中重力向量和磁力向量参考的物理意义是否清晰。
回答框架
- 问题本质：陀螺仪积分漂移，加速度计提供重力方向（俯仰/滚转），磁力计提供航向。
- 互补滤波策略：用陀螺仪积分得到姿态，用加速度计和磁力计计算误差，通过 PI 控制器修正陀螺仪零偏。
- EKF 策略：将姿态作为状态，加速度计和磁力计作为观测，通过卡尔曼增益融合。
- 工程细节：加速度计在动态加速度下不可信，需做置信度判断；磁力计易受干扰，需椭圆拟合校准。
简短示例回答
“常用互补滤波：陀螺仪积分得到姿态，用加速度计计算重力方向误差，磁力计计算航向误差，通过 PI 控制器反馈修正陀螺仪零偏。动态时降低加速度计权重，磁力计需先做椭圆校准。EKF 则将误差作为观测，用卡尔曼增益融合。”
可能追问
加速度计动态干扰怎么处理？
磁力计如何校准？
PI 参数如何整定？
如何检测磁干扰？
⚠️ 避坑提醒： 不要忽略传感器动态误差（如无人机加速时加速度计不准）；避免只说“用卡尔曼滤波”而不解释观测模型和噪声矩阵的设定。
项目案例模板 · 多传感器融合姿态估计
项目名称
基于 EKF 的无人机姿态与位置估计系统
业务背景
为某工业无人机提供高精度导航，用于电力巡检
规模指标
姿态精度 ≤0.5°，位置误差 ≤1m，更新频率 200Hz
技术栈
C++ / ROS / Eigen / PX4 EKF2 / MATLAB 仿真
核心难点
1. 陀螺仪零偏随温度变化，需在线估计；2. 磁力计受电机干扰，需动态补偿；3. 加速度计在机动时不可信，需自适应调整观测噪声。
面试高频追问
EKF 状态向量如何定义？
观测方程怎么建模？
如何在线估计零偏？
磁干扰如何检测与补偿？
滤波器发散怎么处理？
可迁移回答话术
“在这个项目中，我负责 EKF 的建模与调参。状态向量包含姿态四元数、速度、位置和陀螺零偏。观测方程融合加速度计、磁力计和 GPS。针对磁干扰，我设计了基于残差卡方的检测逻辑，动态调整观测噪声。最终姿态精度达到 0.5° 以内，并通过 MATLAB 仿真验证了收敛性。”
《无人机导航算法工程师面试实战题库宝典》· 第 2 章 · 结构化面试资料