四、IMU标定技术：六面法标定、转台标定、多位置标定方法、Allan方差分析
说到IMU标定，我脑子里第一个蹦出来的画面，是几年前在实验室里对着一个六面体发呆的场景。那时候刚入行，总觉得标定不就是测几个数嘛，后来被现实狠狠教育了一顿。今天咱们就把这块硬骨头啃下来。
4.1 标定到底在干什么？
说白了，IMU标定就是给传感器“纠偏”。
你想想看，一个理想的加速度计，静止时应该只感受到重力。但实际器件呢？有零偏、有刻度因子误差、还有轴间耦合。陀螺仪也一样，不转的时候输出应该为零，但实际总有那么几个小数字在跳。
标定的目的，就是把这些误差参数找出来，然后在算法里补偿掉。
核心标定参数：
- 零偏（Bias）：静止时传感器的输出值
- 刻度因子（Scale Factor）：输入输出之间的比例偏差
- 轴间耦合（Cross-axis Sensitivity）：一个轴受到其他轴的影响
4.2 六面法标定——最朴素的入门方法
六面法，名字听着挺唬人，其实原理特别简单。就是把IMU放在六个不同的姿态上，每个姿态保持静止，记录数据。
哪六个姿态？
- X轴朝上、X轴朝下
- Y轴朝上、Y轴朝下
- Z轴朝上、Z轴朝下
每个姿态下，理论上加速度计感受到的矢量大小应该是1g。但实际上测出来的值会有偏差。通过这六个方程，就能解出零偏和刻度因子。
我的经验：六面法对平台的水平度要求很高。我曾经用一块大理石平台，结果发现平台本身就有0.1度的倾斜，标出来的参数全偏了。后来我学乖了，先用水平仪校准平台，再放IMU。
六面法的数学模型其实是个线性方程组：
// 加速度计六面法标定模型
// 假设第i个姿态下，理论比力为 f_i
// 实际测量值为 a_i
// 标定参数：零偏 b，刻度因子 s
// 方程：a_i = s * (f_i + b)
// 六个姿态联立求解
// 通常用最小二乘法嗯，这里要注意一点。六面法只能标定加速度计，陀螺仪的零偏需要另外想办法。我刚开始做的时候以为六面法能搞定一切，结果陀螺仪数据一直飘，后来才明白是方法没用对。
4.3 转台标定——精度最高的方案
如果你追求高精度，那转台是绕不开的。转台可以提供精确的角度和角速度输入，这样陀螺仪的刻度因子和轴间耦合就能标得很准。
转台标定一般分两步走：
- 速率实验：让转台以不同角速度旋转，记录陀螺仪输出，拟合刻度因子
- 位置实验：将转台锁定在不同角度，记录加速度计输出，标定零偏和轴间耦合
| 实验类型 | 输入条件 | 标定参数 |
|---|---|---|
| 速率实验 | 角速度：10°/s, 20°/s, 50°/s, 100°/s | 陀螺仪刻度因子、轴间耦合 |
| 位置实验 | 角度：0°, 90°, 180°, 270° | 加速度计零偏、刻度因子 |
避坑指南：转台标定最怕的是“对心不准”。IMU的敏感中心必须和转台旋转中心重合，否则会引入额外的向心加速度。我曾经因为固定夹具没做好，标出来的数据怎么看怎么不对，折腾了两天才发现是偏心问题。
4.4 多位置标定方法——没有转台怎么办？
说实话，不是每个人都有条件用转台。那怎么办？多位置标定就是为这种情况准备的。
多位置标定的思路是：利用重力矢量在不同姿态下的投影关系，通过采集大量不同姿态下的数据，用优化算法反推标定参数。
具体做法：
- 手持IMU，随意旋转到不同姿态
- 每个姿态保持静止3-5秒
- 采集20-30个不同姿态的数据
- 用非线性优化求解标定参数
这种方法的好处是不需要转台，坏处是精度受限于姿态的丰富程度。如果你只是随便晃几下，那标出来的参数可能还不如六面法。
我的建议：多位置标定适合消费级IMU，比如手机里的传感器。对于工业级IMU，我还是推荐用转台。精度差一个数量级呢。
4.5 Allan方差分析——噪声的“体检报告”
标定完参数，你以为就完事了？不，还得看看噪声特性。Allan方差就是干这个的。
Allan方差最早是用于原子钟的稳定性分析，后来被引入IMU领域。它能帮你把噪声分解成几个部分：
- 角度随机游走（ARW）：高频噪声，表现为输出抖动
- 速率随机游走（RRW）：低频漂移，表现为零偏缓慢变化
- 零偏不稳定性（Bias Instability）：中频段的噪声，是衡量IMU质量的关键指标
- 量化噪声：ADC量化带来的误差
Allan方差的计算步骤：
// Allan方差计算伪代码
// 输入：陀螺仪或加速度计的静态数据序列
// 输出：Allan方差曲线
1. 采集静态数据，时长至少1小时
2. 将数据按不同时间长度 τ 分组
3. 计算每组数据的均值
4. 计算相邻组均值的方差
5. 绘制 log(τ) - log(σ) 曲线
6. 从曲线斜率识别噪声类型为什么要做Allan方差？因为不同的噪声类型，在融合算法里的处理方式完全不同。比如角度随机游走可以用低通滤波，但速率随机游走就需要用高阶模型来补偿。
我的经验：有一次做无人机飞控，IMU的零偏不稳定性指标是0.5°/h，看起来不错。但Allan方差分析发现，这个IMU在100秒时间尺度上有明显的“驼峰”，说明存在周期性干扰。后来查出来是电源纹波的问题。如果没有Allan方差，这种问题根本发现不了。
4.6 知识体系总览
说了这么多，咱们用一张图把整个标定流程串起来：
这张图把整个标定流程串起来了。从标定目标出发，选择合适的方法，得到标定参数，再用Allan方差评估噪声特性，最后把标定参数和噪声模型一起喂给融合算法。
4.7 小结
标定这件事，说难不难，说简单也不简单。六面法适合快速入门，转台标定追求精度，多位置标定是没条件时的折中方案。而Allan方差，则是帮你把IMU的“脾气”摸清楚。
我个人习惯是：先用六面法快速标定一遍，再用转台做精细标定，最后用Allan方差验证噪声特性。三步走下来，IMU的数据质量基本就有保障了。
嗯，今天就聊到这儿。标定做得好，后面的融合才能稳。你想想看，如果输入的数据都是歪的，算法再牛也白搭，对吧？