2. IMU基础原理：加速度计与陀螺仪的工作原理、MEMS与光纤IMU的对比、IMU的误差模型
各位好，欢迎来到第二章。上一章我们聊了组合导航的整体框架，这一章我们得沉下来，把IMU这个核心传感器彻底搞明白。
说实话，很多做SLAM或者组合导航的朋友，算法调得飞起，但一碰到IMU数据异常就抓瞎。为什么？因为不懂IMU的脾气。IMU不是完美的，它有误差、有噪声、有各种奇奇怪怪的特性。你只有摸透了它的底细，才能在融合时对症下药。
这一章，我们就从三个角度来解剖IMU：工作原理、器件对比、误差模型。嗯，都是硬核干货。
2.1 加速度计与陀螺仪的工作原理
先问个问题：IMU凭什么能测量加速度和角速度？
说白了，核心原理就是牛顿第二定律和哥里奥利效应。但不同级别的IMU，实现方式天差地别。
2.1.1 加速度计：测量比力
加速度计测量的不是运动加速度，而是比力（Specific Force）。这个概念很重要。比力 = 物体受到的合力（除重力外） / 质量。静止在地面时，加速度计测到的是1g向上的支撑力，而不是0。
MEMS加速度计内部有个微小的质量块，通过电容或压阻效应来检测位移。我当年调试一款MEMS加速度计时，发现数据总是偏大，排查了半天，原来是安装面的振动耦合进去了。嗯，机械设计上的坑，传感器自己背不了锅。
光纤加速度计则利用光程差来测量，精度高一个数量级，但体积和成本也上去了。
2.1.2 陀螺仪：测量角速度
陀螺仪测量的是载体相对于惯性空间的角速度。MEMS陀螺仪利用科里奥利效应：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，通过检测这个力就能反算出角速度。
我记得第一次接触MEMS陀螺仪时，看到数据手册上写着「零偏稳定性 10°/h」，觉得挺不错。后来实际测试，发现温度一变，零偏直接漂到50°/h。所以，温补是MEMS陀螺仪绕不开的坎。
光纤陀螺仪（FOG）则基于Sagnac效应：两束光在光纤环中相向传播，旋转时会产生相位差。这个原理决定了FOG天生抗振动、寿命长，但启动需要预热。
核心要点：
- 加速度计测比力，不是运动加速度
- 陀螺仪测角速度，不是角度
- MEMS靠微机械结构，FOG靠光学干涉
2.2 MEMS与光纤IMU的对比
很多朋友问我：做组合导航，到底选MEMS还是光纤？
我的回答是：看你的精度需求和预算。没有绝对的好坏，只有合不合适。
| 对比项 | MEMS IMU | 光纤 IMU (FOG) |
|---|---|---|
| 零偏稳定性 | 1~100 °/h | 0.01~1 °/h |
| 角度随机游走 | 0.1~1 °/√h | 0.001~0.1 °/√h |
| 体积重量 | 极小（指甲盖大小） | 较大（几公斤起步） |
| 成本 | 几十到几百元 | 几万到几十万元 |
| 抗振动 | 一般（易受振动干扰） | 优秀（光学原理抗振） |
| 启动时间 | 即时启动 | 需预热（几分钟） |
| 典型应用 | 手机、无人机、车载 | 舰船、导弹、高精度测绘 |
我曾经在一个车载项目中，客户非要上光纤IMU，觉得精度高。结果装车后发现，车辆振动导致光纤环的偏振态不稳定，数据反而比MEMS还差。后来换了一款高端的MEMS，配合良好的减震设计，效果反而更好。所以，选型不能只看参数，要看实际工况。
我的建议：
消费级/工业级应用（无人机、AGV、自动驾驶），选MEMS就够了，关键是做好标定和温补。高精度测绘、航海、航空，才需要考虑光纤IMU。
2.3 IMU的误差模型
好了，到了本章最核心的部分。IMU的误差模型，是组合导航算法的基础。你想想看，如果你不知道IMU有哪些误差，你怎么去补偿它？
IMU的误差主要分为三类：零偏、比例因子、交轴耦合。我们一个一个说。
2.3.1 零偏（Bias）
零偏就是IMU在静止时，输出不为零的那个值。比如陀螺仪静止时输出0.1°/s，这就是零偏。
零偏又分两种：
- 常值零偏：出厂就有的固定偏差，可以通过标定消除。
- 零偏稳定性：随时间缓慢漂移的部分，这是组合导航中需要在线估计的。
我习惯把零偏稳定性看作IMU的「性格」。一个零偏稳定性10°/h的IMU，意味着它每小时的漂移不超过10°。这个值越小，IMU越「靠谱」。
避坑指南：
我曾经在调试一个视觉惯性SLAM系统时，发现轨迹总是往一个方向偏。检查了所有参数，最后发现是IMU的零偏没有正确初始化。零偏的初始值如果偏差太大，后面的滤波器根本收敛不回来。所以，上电后一定要做静态初始化，采集几秒钟的数据取平均，作为零偏的初始估计。
2.3.2 比例因子（Scale Factor）
比例因子误差，说白了就是IMU输出的数值和真实值之间的比例关系不对。比如你转90°，IMU告诉你转了91°，这就是比例因子误差。
比例因子通常用ppm（百万分之一）表示。一个1000ppm的IMU，意味着每转1000°，误差1°。对于高精度应用，这个误差不可忽视。
我记得有个项目，IMU在高温下比例因子变化了0.5%，导致组合导航的位置误差在10分钟内累积了50米。后来加了温度补偿模型，才把误差压下来。
2.3.3 交轴耦合（Cross-axis Coupling）
交轴耦合，也叫非正交误差。理想情况下，IMU的三个轴（X、Y、Z）应该是完全正交的。但实际制造中，不可能做到绝对垂直。比如X轴感受到的加速度，会在Y轴上产生一个微小的输出。
这个误差通常用一个3x3的矩阵来描述。标定的目的，就是求出这个矩阵，然后对原始数据进行校正。
交轴耦合的典型值在0.1%~1%之间。对于消费级IMU，这个误差可能比零偏还大。所以，不做交轴标定的IMU数据，基本没法用。
2.3.4 完整的误差模型
把上面三个误差综合起来，IMU的误差模型可以写成：
测量值 = (真实值 + 零偏) × 比例因子 + 交轴耦合项 + 噪声更严谨的数学形式（以加速度计为例）：
a_meas = S * (a_true + b_a) + n_a其中：
a_meas：测量值a_true：真实值b_a：零偏S：比例因子矩阵（包含交轴耦合）n_a：随机噪声
陀螺仪的模型完全类似，只是把加速度换成角速度。
总结一下：
IMU的误差模型是组合导航的「地基」。零偏、比例因子、交轴耦合，这三个误差你搞清楚了，后面的卡尔曼滤波、误差状态方程，才能建得稳。
2.4 本章知识体系
下面这张图，把本章的核心逻辑串起来了。你可以看到，从工作原理出发，到器件对比，再到误差模型，是一条完整的链路。
嗯，这一章的内容就到这里。IMU的原理和误差模型，是后续所有融合算法的基础。下一章我们会进入实战，聊聊IMU的标定方法。到时候，我会带着大家手写一个标定程序。
可可精品资料库