4. 传感器标定基础
在Edge AI设备中，传感器是物理世界与数字决策之间的唯一桥梁。无论是工业机械臂的关节力矩反馈、AGV的激光雷达定位，还是可穿戴设备中的IMU姿态解算，传感器的原始输出（Raw Data）几乎不可能直接用于闭环控制。标定（Calibration）的本质，是通过一系列受控实验和数学映射，建立传感器输出值与真实物理量之间的确定性关系，并消除系统性偏差。对于闭环控制而言，未标定的传感器不仅会导致稳态误差，更可能引发极限环振荡甚至系统失稳。本章将系统阐述标定的目的、分类（内参、外参、温度补偿）、标准流程以及误差来源的量化分析方法，为后续的传感器-执行器联动控制打下计量学基础。
上图展示了Edge AI设备中传感器标定所涉及的核心知识模块与硬件链路。标定并非孤立的软件算法，而是贯穿物理量输入、传感器、信号调理、处理器和执行器的系统工程。测试点TP1-TP3分别对应原始信号、调理后信号和数字化信号，标定工作主要发生在MCU/MPU内部，但必须理解前端链路的误差贡献。
4.1 标定的核心目的：从原始数据到可控制物理量
标定的首要目的是建立传感器输出（通常是电压、电流或数字码值）与被测物理量（如牛顿、摄氏度、弧度）之间的数学映射关系。在闭环控制中，这种映射的准确性直接决定了反馈量的可信度。以工业伺服系统为例，电流环的反馈来自霍尔传感器，其输出电压与母线电流呈线性关系，但实际存在零点偏移（Offset）和增益误差（Gain Error）。若未标定，控制器会认为存在持续的偏置电流，导致力矩波动和转速脉动。
标定的第二个目的是补偿环境因素引起的漂移。温度是影响传感器性能的最主要环境变量。例如，MEMS加速度计的零偏（Bias）随温度变化可达±2mg/°C，对于需要长期稳定运行的姿态参考系统，这种漂移若不补偿，积分后的姿态角误差将随时间累积。标定通过建立温度-误差模型，在运行时根据实时温度进行动态修正。
第三个目的是实现多传感器之间的时空对齐。在融合视觉与激光雷达数据的Edge AI系统中，外参标定确定了两个传感器坐标系之间的旋转矩阵和平移向量。如果外参不准，融合后的点云投影到图像上会出现重影，导致目标检测置信度下降。对于闭环控制，外参误差等效于反馈信号的相位滞后和幅值衰减，会降低系统的相位裕度。
4.2 标定类型：内参、外参与温度补偿
根据标定对象和目的的不同，传感器标定可分为三大类。下表总结了各类标定的核心内容、典型方法和应用场景。
| 标定类型 | 标定对象 | 典型方法 | 应用场景 |
|---|---|---|---|
| 内参标定 | 传感器自身的尺度因子、偏置、非线性系数 | 多点拟合、最小二乘、查表插值 | 温度传感器、压力传感器、电流传感器 |
| 外参标定 | 传感器坐标系与参考坐标系之间的旋转和平移 | 手眼标定法、奇异值分解（SVD）、优化求解 | 机械臂视觉伺服、激光雷达-相机融合 |
| 温度补偿 | 温度变化引起的零位漂移和灵敏度变化 | 温箱实验、多项式回归、分段线性补偿 | IMU、压力变送器、户外环境监测设备 |
4.2.1 内参标定：建立输入-输出映射
内参标定关注的是传感器本身的传递特性。以NTC热敏电阻为例，其阻值与温度的关系为 \( R_T = R_0 \cdot e^{B(1/T - 1/T_0)} \)，这是一个非线性指数关系。内参标定需要确定 \( R_0 \) 和 \( B \) 两个参数。实际操作中，将传感器置于恒温槽中，设定多个温度点（如0°C、25°C、50°C、75°C、100°C），记录对应的ADC输出码值，然后通过曲线拟合求解参数。
对于更复杂的传感器，如六轴IMU，内参标定包括加速度计的零偏、比例因子、非正交误差，以及陀螺仪的零偏、比例因子和轴间耦合。这些参数构成一个3×3的校正矩阵和3×1的偏置向量。标定方法通常采用六位置法：将IMU分别以+X、-X、+Y、-Y、+Z、-Z方向朝上静止放置，采集数据并求解。
4.2.2 外参标定：统一坐标系
外参标定解决的是“传感器在哪里、朝向何方”的问题。在机械臂视觉抓取场景中，相机安装在机械臂末端（Eye-in-Hand），需要标定相机坐标系相对于机械臂末端坐标系的变换矩阵 \( T_{cam}^{end} \)。常用的方法是手眼标定法：控制机械臂运动到多个位姿，同时拍摄标定板，利用AX=XB方程求解。
外参标定的精度直接影响控制系统的空间定位能力。一个0.5°的旋转误差在1米距离处会造成约8.7mm的位置偏差，这对于精密装配任务是不可接受的。因此，外参标定通常需要多次采样并使用非线性优化算法（如Levenberg-Marquardt）进行全局最优求解。
4.2.3 温度补偿：对抗环境漂移
温度补偿是传感器标定中最容易被忽视但实际影响最大的环节。以压阻式压力传感器为例，其灵敏度温度系数（TCS）约为-0.2%/°C，零位温度系数（TCO）约为±0.1%FS/°C。在-20°C到+60°C的工作范围内，仅温度引起的满量程误差可达16%。
温度补偿的工程实现通常采用“标定-存储-查表”三步法：在温箱中，以5°C为步进，记录每个温度点下的零位输出和满量程输出；将数据拟合为温度的多项式函数；将多项式系数存储在MCU的Flash中。运行时，MCU读取当前温度，计算补偿后的零位和增益，对原始输出进行实时修正。
4.3 标定流程：从实验设计到验证闭环
一个完整的标定流程包含五个阶段，每个阶段都有明确的输入、输出和质量控制标准。下表列出了各阶段的关键活动。
| 阶段 | 关键活动 | 输出物 | 质量控制点 |
|---|---|---|---|
| 1. 实验设计 | 确定标定范围、采样点数、环境条件 | 标定实验大纲 | 覆盖全量程、包含边界条件 |
| 2. 数据采集 | 施加已知物理量，记录传感器输出 | 原始数据集（CSV/二进制） | 采样稳定性、重复性检查 |
| 3. 模型建立 | 选择数学模型（线性/多项式/查表） | 模型结构定义 | 残差分析、R²指标 |
| 4. 参数求解 | 最小二乘、SVD、优化算法 | 标定参数集 | 参数置信区间、条件数 |
| 5. 验证与部署 | 独立测试集验证、写入非易失存储 | 标定报告、固件更新 | 验证误差<规格要求 |
在数据采集阶段，需要注意激励的准确性和稳定性。例如，标定压力传感器时，需要高精度的压力控制器（精度优于0.05%FS），并且每个标定点需要等待传感器输出稳定后再记录数据。通常要求传感器输出变化小于噪声幅度的1/10时，才认为达到稳态。
参数求解阶段，最小二乘法是最常用的工具。对于线性模型 \( y = ax + b \)，通过N个标定点 \( (x_i, y_i) \)，求解 \( a \) 和 \( b \) 使得残差平方和最小。对于非线性模型，可以使用Levenberg-Marquardt算法进行迭代求解。求解后必须检查残差分布，如果残差呈现明显的曲线模式，说明模型阶次不足，需要增加多项式项。
4.4 误差来源分析与量化
标定后的传感器仍然存在残余误差，理解这些误差的来源和特性，对于设计闭环控制器的鲁棒性至关重要。误差来源可分为确定性误差和随机误差两大类。
- 量化误差：ADC的分辨率有限，例如12位ADC的量化步长为 \( V_{ref}/4096 \)。对于5V参考电压，量化步长约为1.22mV。这种误差是均匀分布的随机误差，无法通过标定消除，但可以通过过采样和求平均来降低。
- 非线性误差：传感器的实际传递函数偏离理想直线。即使经过标定，残余非线性通常仍占满量程的0.1%-0.5%。对于高精度应用，需要采用分段线性化或高阶多项式拟合。
- 迟滞误差：传感器的正行程和反行程输出不一致。例如，压力传感器的迟滞可达0.2%FS。这种误差与历史状态有关，无法用静态标定完全消除。
- 温漂误差：温度补偿模型的不完善，或温度传感器本身的测量误差，导致补偿后的残余温漂。通常残余温漂可控制在0.05%/°C以内。
- 安装误差：传感器安装时的机械应力、倾斜或偏心，导致实际感受的物理量与设计值不符。例如，称重传感器安装面不平整会产生侧向力，引入额外误差。
- 时滞误差：传感器的时间常数导致输出滞后于实际物理量变化。在闭环控制中，时滞会降低相位裕度，严重时导致振荡。
4.5 案例拆解：工业压力变送器的全温区标定
某Edge AI设备用于监测液压系统的压力，要求在全温区（-20°C至+85°C）内精度优于±0.5%FS。传感器采用压阻式压力芯体，原始输出为0-100mV差分电压，经24位Σ-Δ ADC转换为数字量。初始测试发现，在25°C时零位输出为2.3mV（理想为0mV），满量程输出为98.7mV（理想为100mV），且温度变化时零位漂移明显。
标定方案设计：采用“温度分段+压力多点”的二维标定策略。在温箱中设置-20°C、-5°C、10°C、25°C、40°C、55°C、70°C、85°C共8个温度点；在每个温度点下，施加0%、25%、50%、75%、100%FS共5个压力点。每个点稳定5分钟后记录100次ADC读数并取平均。
数据处理：对于每个温度点 \( T_j \)，建立压力-输出线性模型 \( V = K(T_j) \cdot P + V_0(T_j) \)。通过最小二乘求解 \( K(T_j) \) 和 \( V_0(T_j) \)。然后，将 \( K \) 和 \( V_0 \) 分别拟合为温度的三次多项式：
K(T) = k0 + k1*T + k2*T^2 + k3*T^3
V0(T) = v0 + v1*T + v2*T^2 + v3*T^3将8组 \( (T_j, K_j) \) 和 \( (T_j, V_{0j}) \) 分别代入，求解多项式系数。最终，标定后的压力计算公式为：
P_cal = (V_raw - V0(T)) / K(T)验证结果：使用独立的测试设备（精度0.05%FS）在-10°C、15°C、50°C、80°C四个温度点进行验证。结果显示，最大误差出现在-10°C的75%FS点，误差为+0.42%FS，满足±0.5%FS的指标要求。未标定前，同一测试条件下的最大误差为-3.8%FS，标定后精度提升了约9倍。
复盘与经验：该案例中，温度补偿模型采用三次多项式是合适的，因为压阻式传感器的温漂特性具有明显的非线性。如果采用线性补偿，在极端温度点误差会超标。此外，数据采集时的稳定时间（5分钟）是必要的，因为传感器芯体需要时间达到热平衡。实际部署时，MCU中存储了8个多项式系数（4个K系数+4个V0系数），占用Flash空间约64字节，运行时计算量仅为几次乘加运算，完全满足实时性要求。
4.6 常见误区与总结复盘
在传感器标定实践中，工程师常犯以下错误，需要特别警惕：
- 误区一：只做室温标定。许多产品在出厂时仅在25°C下进行两点校准，忽略了温度漂移。当设备在户外冬季或夏季使用时，误差急剧增大。正确的做法是至少进行高低温两个极端点的标定，并建立温度补偿模型。
- 误区二：忽略激励源精度。使用精度不足的参考设备进行标定，导致标定结果“继承”了参考设备的误差。必须确保参考设备的精度高于被标定传感器精度的3倍以上。
- 误区三：过拟合。使用过高阶的多项式拟合标定数据，虽然训练集残差很小，但在非标定点可能出现剧烈振荡（Runge现象）。建议优先使用分段线性插值或低阶（≤3阶）多项式。
- 误区四：未考虑时滞。在动态控制系统中，传感器的时滞特性比静态精度更重要。标定只解决了静态映射问题，动态响应需要通过硬件滤波或软件补偿算法解决。
- 误区五：标定参数存储不当。标定参数存储在MCU的Flash中，如果未做校验和（Checksum）保护，参数损坏会导致设备输出异常。建议存储时附加CRC校验，并在启动时验证。