1. 课程导入

在机器人、无人机、可穿戴设备、稳定云台以及自动驾驶等领域，姿态测量是感知系统中最基础也最关键的能力之一。所谓姿态，通常指载体相对于某个参考坐标系的三轴角度——横滚角（Roll）、俯仰角（Pitch）和偏航角（Yaw）。而六轴IMU（Inertial Measurement Unit，惯性测量单元）正是获取这些角度最常用的传感器组合：它由三轴加速度计和三轴陀螺仪构成，分别测量比力与角速度，再通过姿态解算算法融合出稳定的姿态信息。

本课程围绕“采集—标定—解算—评估”这条主线展开，目标是让学习者既能理解六轴IMU的物理原理，又能动手完成从原始数据到姿态角的完整链路。下面从学习目标、核心概念、整体框架和典型应用四个角度做导入性说明。

一、学习目标：从“会读数据”到“会做姿态”

本课程的学习目标可以拆解为四个层次，层层递进：

• 认知层：理解加速度计、陀螺仪的工作原理，掌握右手坐标系、载体坐标系与导航坐标系的定义与转换关系。
• 采集层：能够配置IMU的采样率、量程、带宽、输出数据率等参数，并通过I²C/SPI/UART接口稳定读取原始数据。
• 解算层：掌握互补滤波、Mahony滤波、Madgwick滤波以及扩展卡尔曼滤波（EKF）的基本思想，能实现从六轴数据到四元数、欧拉角的转换。
• 评估层：能够分析零偏、噪声密度、温漂、随机游走等误差来源，并通过静态测试、转台测试或Allan方差评估姿态精度。

二、核心概念：六轴IMU到底测什么

六轴IMU的两个核心器件分工明确：

• 三轴加速度计：测量比力（包含重力分量与运动加速度），静态时可用来计算横滚角和俯仰角，但无法感知偏航角，且对振动和线性加速度敏感。
• 三轴陀螺仪：测量角速度，积分后可得角度变化，动态响应好、短时精度高，但存在零偏和随机游走，长时间积分会漂移。

正因为两者互补，才需要“融合”。加速度计提供长期稳定的绝对参考（重力方向），陀螺仪提供短期平滑的动态响应，融合算法则负责在两者之间取长补短。这里涉及几个必须掌握的概念：

三、整体框架：从传感器到姿态输出的信号链

本课程的整体框架可以用一条清晰的信号链来概括：物理运动 → 传感器敏感 → 原始数据采集 → 标定补偿 → 姿态解算 → 姿态输出与评估。其中，采集环节决定数据质量，标定环节消除系统性误差，解算环节决定动态性能，评估环节则验证最终精度。

下面的SVG以信号链与模块关系的方式，展示了六轴IMU姿态测量的整体框架。图中左侧是物理输入与传感器，中间是采集与预处理，右侧是解算与输出，底部标注了贯穿全流程的误差与评估环节。

四、典型应用场景：姿态测量在哪里发挥作用

六轴IMU的姿态测量能力几乎覆盖了所有需要“知道自己在什么姿态”的场景。以下是几个典型应用：

• 无人机飞控：通过IMU实时估计机体姿态，配合PID控制器实现自稳与航线飞行。对动态响应和振动抑制要求极高。
• 机器人平衡控制：两轮自平衡车、四足机器人需要高频姿态反馈来维持平衡，通常要求解算频率在200Hz以上。
• 稳定云台：相机云台利用IMU感知抖动，反向驱动电机补偿，实现画面稳定。对零偏和噪声密度非常敏感。
• 可穿戴设备：智能手表、运动手环通过IMU识别步态、手势和运动状态，强调低功耗与长期稳定性。
• 自动驾驶与组合导航：IMU与GNSS、轮速计融合，在隧道、城市峡谷等GNSS失效场景中提供短时姿态与位置推算。

五、常见误区与复盘提醒

初学者在六轴IMU姿态测量中容易踩几个坑，提前了解可以少走弯路：

1. 把加速度计当角度传感器直接用：静止时确实可以，但一旦有运动加速度，Roll和Pitch就会严重失真。必须与陀螺仪融合。
2. 忽略零偏校准：陀螺仪零偏哪怕只有0.1°/s，积分60秒也会产生6°的漂移。上电后的静态校准是必要步骤。
3. 采样率与解算频率不匹配：采集频率高但解算频率低，会浪费数据；解算频率高但采集频率低，会引入重复积分误差。
4. 忽视坐标系定义：不同厂商的IMU轴向定义可能不同，必须确认右手坐标系方向，否则姿态角符号会出错。
5. 只看静态精度，不看动态性能：很多算法静态表现很好，但快速旋转时会出现明显滞后或超调，必须做动态测试。