第一章：IMU基础与数据特性

大家好，我是老张。做IMU融合这些年，踩过的坑比走过的路还多。今天咱们就从最基础的开始聊——加速度计和陀螺仪到底是怎么回事，它们的数据里藏着哪些坑。

说实话，很多人一上来就调卡尔曼滤波，结果数据质量不行，怎么调都白搭。我个人的习惯是，先花时间把传感器特性摸透，后面能省一半的调试时间。

1.1 加速度计原理

加速度计测的是什么？说白了就是比力。不是速度的变化率，而是物体受到的惯性力与重力的合力。

微机电系统（MEMS）加速度计内部有个质量块，固定在弹簧上。当芯片加速时，质量块会偏移，电容值跟着变。测出电容变化，就能反推出加速度。

我在项目中遇到过一件事：有次把IMU装在无人机上，地面测试时数据正常，一上天就飘。排查了半天，发现是振动导致加速度计输出严重失真。嗯，这里要注意，加速度计对高频振动特别敏感。

1.2 陀螺仪原理

陀螺仪测角速度，单位是°/s。MEMS陀螺仪用的是科里奥利效应——一个振动的质量块，在旋转时会受到一个垂直于振动方向的力。测这个力的大小，就能算出角速度。

你想想看，这个原理本身就决定了陀螺仪对温度很敏感。温度一变，振动频率和阻尼都会变，输出自然就漂了。

1.3 零偏与噪声

零偏是什么？就是传感器静止时，输出不为零的那个值。加速度计静止时应该输出g，但实际可能差一点。陀螺仪静止时应该输出0，但实际可能有个小偏移。

为什么会这样？制造工艺的微小偏差、封装应力、温度梯度，都会导致零偏。我见过最夸张的一次，某款廉价IMU的陀螺仪零偏达到5°/s，这要是直接积分算角度，一秒就偏5度，根本没法用。

误差类型	典型值	影响
加速度计零偏	±50 mg	姿态误差约3°
陀螺仪零偏	±0.5 °/s	积分后角度发散
加速度计噪声	100 μg/√Hz	高频抖动
陀螺仪噪声	0.01 °/s/√Hz	角度随机游走

噪声这东西，说白了就是随机误差。你拿100个样本看，每次都不一样。但噪声有个好处——它是零均值的，多采几个点平均一下，就能把噪声压下去。

1.4 温漂问题

温漂是IMU最大的敌人之一。温度变化10度，零偏可能漂移好几倍。我记得有次做车载测试，夏天车内温度从25度升到60度，陀螺仪零偏直接翻了三倍。

温漂的补偿方法有两种：一种是查表法，提前在不同温度下标定零偏，运行时查表插值；另一种是建模法，用多项式拟合温度-零偏曲线。我个人更推荐查表法，简单可靠。

1.5 采样率与时间戳对齐

IMU的采样率通常从100Hz到1000Hz不等。加速度计和陀螺仪的采样率可能不一样，这就需要做时间戳对齐。

为什么对齐这么重要？你想想看，融合算法里要用加速度计的姿态去修正陀螺仪的积分误差。如果两个数据的时间戳对不上，一个快一个慢，那修正就乱套了。

我建议的做法是：

• 用硬件触发信号同步两个传感器
• 或者用高精度时钟给每个数据打时间戳
• 后处理时做线性插值，把数据对齐到同一时间轴

// 时间戳对齐示例代码
void align_timestamps(imu_data_t *accel, int accel_len,
                      imu_data_t *gyro, int gyro_len) {
    int i = 0, j = 0;
    while (i < accel_len && j < gyro_len) {
        if (accel[i].timestamp < gyro[j].timestamp) {
            // 对加速度计数据做插值
            i++;
        } else {
            // 对陀螺仪数据做插值
            j++;
        }
    }
}

1.6 知识体系总览

下面这张图是我自己整理的IMU数据特性知识框架，你可以照着这个思路去理解整个体系：

这张图把IMU数据特性的核心脉络理清楚了。左边是加速度计，右边是陀螺仪，下面是误差来源和数据对齐。你顺着这个结构去理解，后面学融合算法会轻松很多。

好了，第一章的内容就到这里。记住一句话：数据质量决定算法上限。花时间把传感器特性吃透，比盲目调参有用得多。

可可精品资料库