4. 时钟模型：线性时钟模型、二次曲线模型、时钟偏移与漂移

做多传感器融合，说白了就是在跟「时间」这个变量较劲。你想想看，激光雷达说「我在时刻 A 看到了一堵墙」，相机说「我在时刻 B 拍到了这堵墙」，IMU 说「我在时刻 C 感受到了一次震动」。这三个时刻要是对不上，那融合出来的结果就是一团浆糊。

那怎么对齐？得先搞清楚时钟的脾气。嗯，这就是我们今天要聊的——时钟模型。

4.1 为什么需要时钟模型？

每个传感器都有自己的时钟。可能是晶振，可能是芯片内部的 RC 振荡器。它们不是完美的。温度一变，电压一抖，时钟就跑偏了。

我遇到过最夸张的一次，一个廉价的 IMU 模块，开机 10 分钟，时间就偏了 200 毫秒。你想想，200 毫秒对于高速运动的机器人来说，位置误差能有多大？

所以我们需要一个数学模型，来描述时钟的行为。有了模型，我们才能预测、补偿、对齐。

4.2 线性时钟模型

这是最常用的模型。简单，够用。

线性模型假设：
真实时间 t 和传感器本地时间 τ 之间，是一个线性关系。

t = α * τ + β

其中：

• α 是时钟频率偏移（clock skew）。理想情况下 α=1，但实际可能是 0.999 或 1.001。
• β 是初始相位偏移（clock offset）。就是两个时钟对不上零点。

说白了，α 决定了时钟跑得快还是慢，β 决定了起点差多少。

我在项目中用过很多次。比如一个轮式机器人，搭载了 3 个激光雷达。每个雷达都有自己的时钟。我只需要定期获取它们的本地时间，和主控的参考时间做对比，就能拟合出 α 和 β。

拟合方法？最小二乘法。代码很简单：

import numpy as np

# 假设我们采集了 N 组 (本地时间, 参考时间) 对
local_times = np.array([...])   # 传感器本地时间
ref_times   = np.array([...])   # 主控参考时间

# 线性拟合：ref = alpha * local + beta
A = np.vstack([local_times, np.ones_like(local_times)]).T
alpha, beta = np.linalg.lstsq(A, ref_times, rcond=None)[0]

print(f"时钟偏移 alpha = {alpha:.6f}")
print(f"时钟偏移 beta  = {beta:.6f}")

4.3 二次曲线模型

线性模型不够用了怎么办？

比如无人机。飞着飞着，温度从 25°C 降到 -10°C。晶振的频率会随着温度漂移。这时候 α 不再是常数，而是随时间变化的。

二次曲线模型就派上用场了：

t = a * τ² + b * τ + c

这里多了一个二次项 a。它描述了时钟频率的变化率，也就是时钟漂移（clock drift）。

为什么会这样？因为晶振的频率受温度影响，而温度变化本身可能是一个缓慢的过程。用二次项来近似，效果不错。

拟合二次模型，同样可以用最小二乘法：

# 二次拟合：ref = a * local² + b * local + c
A = np.vstack([local_times**2, local_times, np.ones_like(local_times)]).T
a, b, c = np.linalg.lstsq(A, ref_times, rcond=None)[0]

print(f"二次项 a = {a:.6e}")  # 通常很小，用科学计数法
print(f"一次项 b = {b:.6f}")
print(f"常数项 c = {c:.6f}")

4.4 时钟偏移与时钟漂移

这两个概念容易搞混。我刚开始做的时候也分不清。这里给你讲清楚。

术语	英文	含义	对应模型参数
时钟偏移	Clock Skew	时钟频率的偏差。即本地时钟比真实时钟快或慢了多少。	线性模型中的 α
时钟漂移	Clock Drift	时钟偏移的变化率。即频率本身在随时间变化。	二次模型中的 a

打个比方：

• 偏移就像你的手表每天快 5 秒。这是固定的。
• 漂移就像你的手表今天快 5 秒，明天快 6 秒，后天快 7 秒。越来越快。

在实际系统中，我们通常先假设线性模型。如果发现残差（拟合误差）有规律地变大，那就说明存在漂移，该上二次模型了。

4.5 知识体系总览

下面这张图，帮你把今天的内容串起来：

4.6 实际项目中的选择建议

说了这么多，到底怎么选？我根据自己的经验，给你一个参考：

• 室内机器人，环境温度稳定： 线性模型就够了。别折腾。
• 室外机器人，有昼夜温差： 先试试线性模型。如果时间戳对齐误差超过 1 毫秒，考虑二次模型。
• 无人机、车载等温度变化剧烈： 直接上二次模型。或者用更好的晶振。
• 高精度应用（如自动驾驶）： 建议用 GPS 的 PPS 信号做硬件同步。软件模型只能作为辅助。

嗯，时钟模型这部分就聊到这儿。记住一句话：模型是工具，不是目的。我们的目的是让时间戳对齐，让传感器数据能融合到一起。选对模型，事半功倍。