第4章惯性导航系统(INS)

第4章：惯性导航系统(INS)：IMU工作原理与组合优势

各位同学，今天我们来聊聊惯性导航。说实话，这是我在城市峡谷场景里最依赖的传感器之一。GNSS信号一丢，INS就是你的救命稻草。

4.1 IMU工作原理：加速度计与陀螺仪

IMU，全称Inertial Measurement Unit，惯性测量单元。它内部有两个核心器件：加速度计和陀螺仪。

加速度计测量的是比力，也就是物体受到的惯性力与重力的合力。你把它放在桌上，它测到的是1g向上的加速度。你把它自由落体，它输出接近0。我刚开始做项目时，总以为加速度计测的是运动加速度，其实不是——它测的是“支撑力”。

陀螺仪测量的是角速度，单位是°/s。它告诉你载体转得有多快。MEMS陀螺仪便宜但噪声大，光纤陀螺精度高但贵。在城市峡谷里，我一般用MEMS，因为成本敏感。

核心公式（简化版）：

加速度计输出: f = a - g
陀螺仪输出: ω = Ω + b + n

其中a是运动加速度，g是重力，Ω是真实角速度，b是零偏，n是噪声。

我的经验：选IMU时别只看参数表。我曾经被一个标称零偏稳定性0.1°/h的MEMS坑过，实际跑起来漂移大得离谱。一定要做Allan方差分析，看实际表现。

4.2 捷联惯导解算

捷联惯导，说白了就是把IMU固定在载体上，用数学代替物理平台。解算分三步：

姿态更新：用陀螺仪角速度积分，更新四元数或旋转矩阵
速度更新：用加速度计比力，扣除重力，积分得到速度
位置更新：对速度积分，得到位置

我习惯用四元数法，避免欧拉角的万向锁问题。代码大概长这样：

// 姿态更新（四元数法）
void updateAttitude(gyro_data, dt) {
    // 计算角增量
    delta_theta = gyro_data * dt;
    // 构造四元数增量
    dq = [cos(|delta_theta|/2), 
          (delta_theta/|delta_theta|)*sin(|delta_theta|/2)];
    // 更新四元数
    q_new = q_old * dq;
    // 归一化
    q_new = q_new / norm(q_new);
}

注意：四元数一定要归一化！我见过有人忘了这步，解算出来的姿态越偏越远，最后直接翻车。归一化是小事，不归一化是大事。

4.3 INS误差特性：漂移

INS最大的问题是什么？漂移。说白了就是误差随时间累积。

为什么会这样？因为INS是积分系统。陀螺仪有零偏，积分一次变成角度误差，再积分一次变成速度误差，再积分一次变成位置误差。误差以时间的三次方增长！

误差源	对位置的影响	时间特性
陀螺零偏	∝ t³	三次方增长
加速度计零偏	∝ t²	二次方增长
初始对准误差	∝ t²	二次方增长

我曾经做过一个纯INS实验，10分钟后位置误差已经超过1公里。嗯，这就是为什么INS不能单独用太久。

关键结论：INS短时精度极高（毫秒级），长时精度极差（分钟级）。GNSS正好相反。所以——组合才是王道。

4.4 INS/GNSS组合优势

INS和GNSS组合，说白了就是取长补短。GNSS提供绝对位置，抑制INS漂移；INS提供高频姿态和短时定位，填补GNSS中断。

组合方式主要有三种：

松组合：GNSS输出位置/速度，INS输出位置/速度，卡尔曼滤波融合。简单，但GNSS中断时INS自己漂。
紧组合：GNSS输出伪距/伪距率，INS辅助捕获跟踪。抗干扰强，但实现复杂。
深组合：INS反馈到GNSS接收机基带。我目前只在论文里见过，实际项目还没用过。

我个人最常用的是紧组合。为什么？因为城市峡谷里GNSS信号经常被遮挡，紧组合能在信号弱时依然保持定位。我曾经在上海陆家嘴做过测试，紧组合在楼宇间能保持2米精度，松组合直接飘到10米开外。

避坑指南：我曾经在组合导航里忘了处理时间同步。INS数据是100Hz，GNSS是10Hz，时间戳没对齐，结果卡尔曼滤波发散得一塌糊涂。后来我加了一个时间戳对齐模块，问题才解决。时间同步是组合导航的命门，千万别忽视。

4.5 本章知识体系

下面这张图是我自己画的，把INS的核心逻辑串起来了：

这张图把INS/GNSS组合的流程讲清楚了。IMU数据进捷联解算，解算结果和GNSS数据一起进组合导航，最后输出稳定的位置和姿态。误差特性是INS的短板，但组合导航正好补上了。

一句话总结：INS短时准、长时漂；GNSS长时稳、短时跳。两者组合，才是城市峡谷定位的最优解。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录