3、IMU误差模型：零偏、尺度因子、交轴耦合、随机游走等误差参数详解
做IMU融合调试，说白了就是跟一堆误差参数打交道。我刚开始接触IMU那会儿，总觉得数据手册上给的参数挺准的，结果一上板子，数据飘得亲妈都不认识。后来才明白——不把误差模型搞清楚，融合算法就是个摆设。
今天咱们就把IMU的几大误差参数掰开揉碎了讲。你想想看，一个MEMS陀螺仪或者加速度计，它内部其实是个微小的机械结构。温度一变、电压一抖、甚至PCB板子受点应力，输出就偏了。这些偏差怎么建模？怎么补偿？这就是本节要聊的。
3.1 零偏（Bias）——最直观也最头疼的误差
零偏是什么？简单说，IMU静止时输出不为零。比如陀螺仪，你把它放桌上不动，理论上角速度应该是0，但实际输出可能是0.01 rad/s。这个值就是零偏。
零偏又分两种：
- 固定零偏（Bias Offset）：每次上电后基本固定的偏移量。我习惯在系统初始化时做静态采集，取前200个样本平均，把这个值减掉。
- 零偏稳定性（Bias Instability）：上电后随时间缓慢漂移的量。这个更麻烦，通常用Allan方差分析来评估。
核心公式：
ω_measured = ω_true + b_g + n_g其中 b_g 是零偏，n_g 是测量噪声。实际工程中，b_g 通常建模为一阶马尔可夫过程或随机游走。
我的经验：我曾经在一个无人机项目里，陀螺仪零偏标定没做好，导致悬停时航向角一直缓慢漂移。后来发现是温度补偿没到位——PCB上IMU旁边有个电源芯片，发热后零偏直接跳了0.02 rad/s。解决办法很简单：在IMU周围加了个隔热泡棉，再做个温度查表补偿。
3.2 尺度因子（Scale Factor）——比例不对，全盘皆输
尺度因子误差，说白了就是输入和输出之间的比例关系不准。比如你给加速度计施加1g的加速度，它输出却是1.02g，这个2%的偏差就是尺度因子误差。
为什么会这样？因为MEMS传感器的敏感结构、放大电路、ADC转换，每一级都有增益误差。这些误差累积起来，就成了尺度因子偏差。
标定方法：
- 对于加速度计：利用重力加速度，做六位置法（+g, -g 六个方向）
- 对于陀螺仪：利用转台，给已知角速度，记录输出
注意：尺度因子误差通常不是线性的。我遇到过一款IMU，在低角速度（<10°/s）和高角速度（>100°/s）下尺度因子差了3倍。所以标定时一定要覆盖全量程。
3.3 交轴耦合（Cross-axis Sensitivity）——你以为的X轴，其实是斜的
这个误差比较隐蔽。理想情况下，IMU的三个轴应该是互相垂直的。但实际制造中，X轴可能跟Y轴不是严格的90°，Z轴也可能歪一点。结果就是：当你绕X轴旋转时，Y轴和Z轴也能测到角速度。
交轴耦合误差通常用矩阵表示：
ω_measured = M * ω_true + b + n
其中 M 是尺度因子和交轴耦合的联合矩阵：
M = [Sxx Mxy Mxz
Myx Syy Myz
Mzx Mzy Szz]对角线元素是尺度因子，非对角线元素就是交轴耦合系数。一般好的IMU，交轴耦合在1%以内，差一点的能到5%。
避坑指南：我曾经在一个机器人项目里，用了某款廉价IMU，交轴耦合高达3%。做姿态解算时，只要机器人快速转弯，俯仰角就会莫名其妙跳变。后来用六面法标定出耦合矩阵，在软件里做了补偿，问题才解决。嗯，这里要注意——交轴耦合补偿必须在传感器坐标系下做，不能在导航坐标系下做。
3.4 随机游走（Random Walk）——噪声的累积效应
随机游走不是指传感器本身的误差，而是指噪声积分后的结果。你想想看，陀螺仪输出有白噪声，积分成角度后，这个噪声就变成了随机游走。时间越长，角度误差越大。
随机游走分为两种：
- 角度随机游走（Angular Random Walk, ARW）：陀螺仪白噪声积分后的角度误差
- 速度随机游走（Velocity Random Walk, VRW）：加速度计白噪声积分后的速度误差
单位通常是 °/√h 或者 m/s/√h。数值越小越好。
工程经验：
- 消费级IMU（如MPU6050）：ARW 约 0.3-0.5 °/√h
- 工业级IMU（如ADIS16470）：ARW 约 0.1 °/√h
- 战术级IMU：ARW 小于 0.01 °/√h
3.5 误差参数总览
我把这些误差参数整理成了一张表，方便你对照：
| 误差类型 | 物理含义 | 典型值（消费级） | 标定方法 |
|---|---|---|---|
| 零偏 | 静止时输出不为零 | ±10 °/h（陀螺） | 静态采集取平均 |
| 零偏稳定性 | 零偏随时间漂移 | 1-5 °/h | Allan方差分析 |
| 尺度因子 | 输入输出比例偏差 | 0.5-2% | 六位置法/转台法 |
| 交轴耦合 | 轴间非正交 | 1-3% | 六面法标定矩阵 |
| 随机游走 | 噪声积分累积 | 0.3-0.5 °/√h | Allan方差分析 |
3.6 误差模型知识体系
下面这张图，是我自己画的一个IMU误差模型知识体系。你看一眼就能明白各个误差之间的关系：
3.7 实战中的误差处理思路
说了这么多理论，实际项目中怎么搞？我一般按这个顺序来：
- 先做静态标定：采集静止数据，算零偏和噪声方差
- 再做六位置法：标定尺度因子和交轴耦合矩阵
- 跑Allan方差：分析随机游走和零偏稳定性
- 做温度补偿：如果温漂明显，建个温度查表
- 最后验证：把标定参数写进融合算法，看效果
重要提醒：标定参数不是一成不变的。IMU用久了，或者经历过大温度冲击，参数会变。我建议每半年重新标定一次，或者设计在线标定算法。
好了，IMU误差模型这块就聊到这儿。这些参数看着多，其实每个都有对应的标定方法。你只要把零偏、尺度因子、交轴耦合这三个确定性误差搞定，再处理好随机游走，融合算法的精度就能上一个台阶。
可可精品资料库