一、IMU基础与坐标系：从原理到实战
大家好，我是你们的定位工程师老K。今天咱们聊聊IMU和坐标系——这两个东西，说白了就是自动驾驶定位的"地基"。地基没打好，后面盖什么楼都得塌。
我记得刚入行那会儿，有个项目IMU数据怎么都对不上，折腾了两周才发现是坐标系定义搞反了。嗯，从那以后，我每次做新项目第一件事就是：确认坐标系！
1.1 IMU工作原理：它到底在测什么？
IMU，全称惯性测量单元。你把它想象成一个"六维传感器"就对了——它同时测量三个轴的加速度和三个轴的角速度。
核心输出：
- 加速度计：测量比力（包含重力分量），单位 m/s²
- 陀螺仪：测量角速度，单位 rad/s
这里有个坑，我必须要说。加速度计测的不是"运动加速度"，而是"比力"。什么意思？你静止放在桌上，加速度计读数是9.8 m/s²，不是0。因为它在测重力。这个区别，很多新手一开始会懵。
避坑指南：我曾经在车辆静止时看到加速度计读数不是9.8，差点以为是传感器坏了。后来发现是安装角度问题——IMU没放水平，重力被分解到了三个轴上。所以，静止时三轴加速度的平方和开根号应该等于9.8，这是最基础的校验方法。
1.2 加速度计与陀螺仪模型：数学上怎么描述？
实际传感器都有误差，不可能完美。咱们得建个数学模型来描述它。
加速度计模型
a_measured = a_true + b_a + n_a + S_a * a_true + ...其中：
b_a：零偏（bias），随时间缓慢变化n_a：白噪声，随机波动S_a：比例因子误差
说白了，你测到的值 = 真实值 + 各种乱七八糟的误差。我习惯把零偏看作"系统误差"，白噪声看作"随机误差"。前者可以标定补偿，后者只能靠滤波。
陀螺仪模型
ω_measured = ω_true + b_g + n_g + S_g * ω_true + ...结构跟加速度计类似。但注意，陀螺仪的零偏漂移比加速度计更严重。为什么？因为加速度计有重力这个"绝对参考"，陀螺仪没有。你想想看，陀螺仪测的是相对惯性空间的角速度，没有外部基准可参考。
个人经验：我做过一个实验，把IMU放在转台上，静止采集10分钟。加速度计零偏变化不到0.01 m/s²，陀螺仪零偏漂移了0.5 °/s。所以做融合定位时，陀螺仪的零偏估计一定要在线更新，不能只用出厂标定值。
1.3 常用坐标系：搞不清这个，代码全是bug
坐标系是定位的"语言"。语言不通，数据交换就是鸡同鸭讲。我见过最惨的案例：两个模块用的坐标系定义不同，融合出来的轨迹在天上飞。
三大核心坐标系
| 坐标系 | 英文缩写 | 原点 | 轴定义 | 用途 |
|---|---|---|---|---|
| IMU坐标系 | b系（body） | IMU几何中心 | x前、y右、z上（右手系） | 传感器原始数据输出 |
| 车体系 | v系（vehicle） | 车辆后轴中心 | x前、y左、z上（右手系） | 车辆运动控制 |
| 导航系 | n系（navigation） | 载体当前位置 | x东、y北、z天（ENU） | 全局定位输出 |
这里有个细节：IMU系和车体系通常不重合。IMU可能装在车顶、后备箱、或者后视镜后面。所以必须做外参标定，把IMU数据转换到车体系。
坐标系转换公式（旋转矩阵形式）：
X_v = R_b2v * X_b + t_b2v其中 R_b2v 是旋转矩阵，t_b2v 是平移向量。
为什么导航系用ENU？
你想想看，自动驾驶定位最终要告诉车"你在哪里"。这个"哪里"是相对于地球的。ENU（东-北-天）坐标系直观，符合人的认知习惯。东就是东，北就是北，天就是天。
我习惯把导航系看作"绝对参考系"，IMU系和车体系都是"相对参考系"。所有定位结果最终都要统一到导航系下。
1.4 坐标系转换实战：从IMU到导航系
咱们走一遍完整流程。假设IMU装在车上，我们要把IMU的加速度数据转换到导航系。
// 伪代码示例
// 1. IMU原始数据（IMU系）
Vector3 acc_imu = imu.readAccelerometer();
// 2. IMU系 -> 车体系（外参标定得到R_b2v）
Vector3 acc_vehicle = R_b2v * acc_imu;
// 3. 车体系 -> 导航系（姿态矩阵，由陀螺仪积分得到）
Vector3 acc_nav = R_v2n * acc_vehicle;
// 4. 扣除重力
acc_nav.z -= 9.8;
// 5. 积分得到速度和位置
velocity += acc_nav * dt;
position += velocity * dt;注意第4步，扣除重力。如果你在导航系下看到z轴加速度一直有9.8，那说明重力没扣干净，积分出来的位置会飞掉。
我曾经踩过的坑：有一次做车载测试，车辆在平路上行驶，定位结果却显示车辆在"爬坡"。查了两天，发现是姿态矩阵算错了，导致重力方向投影不对，扣重力时扣歪了。所以，重力补偿的质量直接决定定位精度。
1.5 本章知识体系总览
下面这张图，是我自己画的IMU定位知识框架。你看一遍，心里就有谱了。
这张图把IMU定位的整个链条串起来了。从硬件到坐标系，从误差模型到数据处理，最后到应用和输出。你每次做项目，都可以拿这张图对照一下，看看自己卡在哪一环。
1.6 小结与个人建议
好了，这一章的内容就这些。总结几个关键点：
- IMU测的是比力和角速度，不是直接的位置和速度
- 坐标系转换是定位的"语言"，搞错了全盘皆输
- 误差模型要理解透彻，零偏和白噪声是滤波的核心状态量
- 重力补偿必须做对，否则积分结果没法看
我个人建议，初学者先别急着跑代码。拿一个IMU，静止采集几分钟数据，看看加速度计和陀螺仪的噪声特性。亲手算一下零偏和方差，比看十篇论文都管用。
一个小练习：找一块IMU（手机里的也行），静止放在桌上。采集1000个加速度计数据，计算均值。你会发现z轴接近9.8，x和y接近0。然后旋转一下IMU，再算一次。感受一下坐标系变换对读数的影响。
下一章，咱们会深入讲IMU的标定方法。到时候我会分享一个我实际用过的六面法标定流程，保证干货满满。