1. 课程导入
在智能驾驶、机器人、无人机、可穿戴设备以及工业姿态测量等场景中，IMU（惯性测量单元）几乎是所有姿态与运动估计系统的“底层感官”。研发阶段，工程师往往更关注算法能否跑通、姿态是否收敛；而进入量产阶段，问题会迅速转变为：每一颗IMU是否都能在可接受的误差范围内稳定工作，并且整批产品之间保持一致。这正是“量产标定与一致性测试”要解决的核心问题。
一、核心概念：标定、校准与一致性测试的区别
很多初学者会把“标定”和“校准”混为一谈。在IMU量产语境中，它们有明确分工：
- 标定（Calibration）：通过已知激励（如转台、六面体、温箱）建立输入物理量与输出电信号之间的数学关系，求解零偏、标度因数、非正交误差等参数。
- 补偿（Compensation）：把标定得到的参数写入设备或上位机，在运行时对原始数据做修正。
- 一致性测试（Consistency Test）：在相同条件下对多颗IMU进行重复测量，评估批次内参数分布、噪声水平、温漂趋势是否满足规格。
- 量产标定：在产线节拍约束下，用尽可能少的工位和最短时间完成上述标定与判定。
IMU的典型误差可分为确定性误差与随机误差。确定性误差包括零偏、标度因数误差、轴间非正交、安装失准；随机误差包括角度随机游走、速度随机游走、零偏不稳定性。量产标定主要处理确定性误差，一致性测试则同时关注确定性参数的分布和随机误差的统计特征。
二、整体框架：从误差模型到产线闭环
下图给出本课程的整体知识框架。左侧是误差来源与模型，中间是标定与测试方法，右侧是产线执行与数据追溯。三者构成闭环：模型决定标定项，标定结果反过来验证模型假设是否成立。
三、方法流程：量产标定的典型步骤
无论使用六面体、转台还是自动化标定台，量产标定通常遵循以下流程。每一步都对应明确的输入、输出和判据。
- 上电与自检：确认通信正常、温度稳定、无饱和。
- 静态多位置采集：在至少6个姿态下采集加速度计与陀螺输出，用于求解零偏和安装矩阵。
- 速率激励采集：以已知角速度旋转，拟合陀螺标度因数与非线性。
- 温度点采集：在多个温度点重复上述步骤，建立温漂补偿系数。
- 参数解算：用最小二乘或递推估计求解误差模型参数。
- 写入与复测：将参数写入设备，复测残差是否在阈值内。
- 一致性判定：统计批次参数分布，判定是否放行。
下面是一段典型的标定参数记录格式，产线软件通常以类似结构保存每颗IMU的标定结果：
SN: IMU-2024-000137
Temp: 25.0 C
Accel_Bias: [ 0.0123, -0.0087, 0.0210 ] m/s^2
Gyro_Bias: [ 0.0011, 0.0004, -0.0009 ] rad/s
Accel_Scale:[ 1.0021, 0.9987, 1.0013 ]
Gyro_Scale: [ 1.0008, 1.0012, 0.9995 ]
Misalign: 0.0007 rad (max)
Residual: 0.0032 m/s^2 (RMS)
Status: PASS
四、案例与场景：为什么一致性测试不能省
假设某批次IMU在研发阶段单颗测试全部合格，但装到量产产品后，部分设备出现姿态缓慢漂移。排查发现：该批次陀螺零偏均值正常，但标准差偏大，且温漂系数分布呈双峰。这意味着虽然单颗在常温下合格，但在温度变化时，部分设备的零偏补偿后残差超出算法容忍范围。
如果产线只做“单颗合格判定”，而不做“批次分布监控”，这类问题很难在出厂前暴露。一致性测试的价值在于：它把“个体合格”升级为“群体可控”，通过均值、标准差、Cp/Cpk、趋势图等统计工具，提前发现工艺漂移、来料差异或标定工位异常。
五、常见误区与复盘
| 误区 | 表现 | 正确做法 |
|---|---|---|
| 只标零偏，忽略标度因数 | 大动态下姿态误差明显 | 静态+速率联合标定 |
| 常温标定代替全温标定 | 高低温下漂移超标 | 至少覆盖工作温度区间 |
| 用单颗结果代表批次 | 量产良率波动大 | 批次抽样+SPC监控 |
| 标定后不复测 | 参数写入错误无法发现 | 写入后必须复测残差 |
| 忽略安装失准 | 多传感器融合时航向偏差 | 标定非正交与安装矩阵 |
本课程后续将围绕误差模型、标定算法、测试工装、产线集成、数据追溯和异常排查逐步展开。本章需要你建立三个基本认知：第一，IMU量产标定的对象是确定性误差，一致性测试关注的是统计分布；第二，标定不是孤立工位，而是与产线节拍、数据系统、质量判定紧密耦合的闭环；第三，任何标定方案都必须用复测残差和批次分布来验证，而不是只看单颗是否“能跑”。