3. IMU测量模型

在VIO系统中，IMU是唯一的惯性感知源，它提供高频的角速度和加速度测量，支撑预积分、状态传播与尺度恢复。然而，IMU输出并非“真值”，而是被偏置、噪声、尺度因子、轴间耦合、温度漂移等多种误差污染。理解IMU测量模型，是后续预积分推导与状态估计器设计的前提。

一、加速度计与陀螺仪的基本原理

MEMS陀螺仪基于科里奥利力效应：当质量块在驱动方向振动时，若存在绕敏感轴的角速度，质量块会在正交方向受到科里奥利力，通过电容检测位移即可反推角速度。加速度计则基于牛顿第二定律，通过检测质量块在加速度作用下的位移或电容变化来测量比力。

需要特别强调：加速度计测量的是比力，而非纯运动加速度。在静止状态下，加速度计输出约为 +9.81 m/s²（沿重力反方向），因为重力加速度与支撑力共同作用。其连续时间测量模型可写为：

ω̃(t) = ω(t) + b_g(t) + n_g(t)
ã(t) = a(t) + b_a(t) + n_a(t) + R(t)·g

其中 ω 为真实角速度，a 为真实运动加速度，R 为机体到世界系的旋转，g 为重力向量，b 为慢变偏置，n 为白噪声。

二、噪声与偏置模型：从白噪声到随机游走

工程中通常将IMU误差分为两类：白噪声与随机游走。白噪声表现为相邻采样之间不相关的快速抖动，对应陀螺仪的角随机游走（ARW）和加速度计的速率随机游走（VRW）。随机游走则描述偏置本身随时间缓慢变化，其导数被白噪声驱动：

ḃ_g(t) = n_bg(t),  n_bg ~ N(0, σ_bg²)
ḃ_a(t) = n_ba(t),  n_ba ~ N(0, σ_ba²)

离散化后，偏置更新为 b_{k+1} = b_k + σ_b · √Δt · w_k，w_k 为标准正态噪声。这一模型直接决定了预积分中偏置雅可比矩阵的构造方式，也影响状态估计器中偏置随机游走过程噪声 Q 的取值。

三、标定参数与误差来源

除噪声与偏置外，IMU还存在系统性误差，通常通过标定参数描述。常见参数包括：

• 尺度因子误差：实际输出与理想输出的比例偏差，导致积分尺度漂移。
• 轴间耦合/非正交误差：三轴不完全正交，某一轴运动耦合到其他轴。
• 零偏：静止时的非零输出，分为常值零偏和温变零偏。
• 安装误差：IMU坐标系与机体坐标系不重合，需外参标定。
• 温度漂移：MEMS器件对温度敏感，零偏和尺度因子随温度变化。
• 振动与冲击：高频振动引入伪测量，冲击可能导致饱和或非线性。

这些误差中，尺度因子和轴间耦合可通过转台标定或椭球拟合获得，零偏和温漂则需在线估计或温度补偿。在VIO中，通常将偏置建模为随机游走状态，而将尺度因子和轴间耦合视为已知标定参数。

四、工程案例：Allan方差标定与参数提取

实际工程中，最常用的IMU噪声标定方法是Allan方差分析。将IMU静止放置数小时，采集数据后计算不同平均时间下的方差，绘制双对数曲线，即可从曲线斜率中提取噪声参数：

# 典型Allan方差提取结果（示例）
陀螺仪：
  ARW (Angle Random Walk)     = 0.15 °/√h
  Bias Instability            = 2.0 °/h
  Rate Random Walk            = 0.5 °/h/√h

加速度计：
  VRW (Velocity Random Walk)  = 0.05 m/s/√h
  Bias Instability            = 0.02 mg
  Acceleration Random Walk    = 0.01 m/s²/√h

这些参数直接填入VIO系统的IMU噪声配置中，例如VINS-Mono的 imu_noise 参数或Kalibr标定输出。若参数设置偏大，滤波器会过度信任IMU，导致轨迹漂移；若偏小，则过度信任视觉，动态响应变差。

五、常见误区与复盘

误区	后果	正确做法
忽略加速度计测量的是比力	重力方向判断错误，姿态初始化失败	明确 a_meas = a_true + R·g，静止时用于重力对齐
将偏置视为常值不估计	积分快速漂移，VIO尺度发散	将偏置建模为随机游走状态，在线估计
白噪声与随机游走参数混淆	滤波器权重失衡，轨迹抖动或滞后	通过Allan方差分别提取，正确填入Q矩阵
忽略轴间耦合与尺度因子	大角速度或高动态下测量失真	转台标定或椭球拟合，补偿后再输入VIO
未考虑温度漂移	长时间运行偏置缓慢变化，精度下降	温度补偿或在线偏置随机游走建模

复盘来看，IMU测量模型是VIO预积分与状态估计的“地基”。只有准确理解比力测量、白噪声、随机游走、标定参数与误差来源，才能在预积分中正确构造残差、雅可比与协方差传播，也才能在工程调试中快速定位漂移、抖动或发散问题的根源。