传感器子系统：IMU、磁力计、GPS与气压计
各位同学，今天我们来聊聊飞控系统的“感官”——传感器子系统。说白了，飞控能不能飞稳，全靠这些传感器给的数据准不准。我做了这么多年飞控，见过太多因为传感器选型不当或者数据处理不到位，导致炸机的案例。嗯，咱们一个一个来拆解。
IMU：加速度计与陀螺仪
IMU是飞控最核心的传感器，没有之一。它包含两个关键器件：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引力的合力。陀螺仪测量的是角速度，也就是旋转的快慢。
你可能会问：“为什么需要两个？” 我举个例子你就明白了。加速度计在静态时能给出俯仰和横滚角度，但一旦有运动加速度，它就分不清是倾斜还是加速了。陀螺仪能给出角速度，但积分后会有漂移。所以，两者必须融合使用。
核心要点：加速度计提供长期稳定的姿态参考，陀螺仪提供短期高动态的角速度信息。两者通过卡尔曼滤波或互补滤波融合，才能得到可靠的姿态估计。
选型关键参数
我个人习惯，选IMU时主要看这几个参数：
- 量程：加速度计一般选±2g到±16g，陀螺仪选±250°/s到±2000°/s。多旋翼通常选±4g和±500°/s就够用。
- 噪声密度：这个参数决定了数据的干净程度。我建议加速度计噪声密度低于100μg/√Hz，陀螺仪低于0.005°/s/√Hz。
- 零偏稳定性：陀螺仪的零偏稳定性最好低于10°/h，否则长时间飞行姿态会漂移。
- 输出频率：至少1kHz以上，才能满足飞控控制环的需求。
| 参数 | 加速度计 | 陀螺仪 |
|---|---|---|
| 量程 | ±2g ~ ±16g | ±250°/s ~ ±2000°/s |
| 噪声密度 | < 100μg/√Hz | < 0.005°/s/√Hz |
| 零偏稳定性 | — | < 10°/h |
| 输出频率 | ≥ 1kHz | ≥ 1kHz |
避坑指南：我曾经在一个项目中选了某款低成本的IMU，噪声密度标称还行，但实际用起来，加速度计在振动环境下数据直接炸了。后来换了工业级的IMU，问题才解决。所以，别只看数据手册，实际测试才是王道。
磁力计与GPS/RTK定位
磁力计，说白了就是电子罗盘。它测量地球磁场，用来确定航向。但磁力计有个大问题——容易受干扰。电机电流、铁磁材料、甚至地磁异常都会让它跑偏。
GPS大家都熟悉，提供位置和速度。RTK（实时动态差分）技术能把定位精度从米级提升到厘米级。我建议，如果你做的是工业级或测绘级飞控，RTK是必须的。
磁力计校准
磁力计必须做校准，否则航向数据根本不能用。校准的核心是消除硬铁干扰和软铁干扰。硬铁干扰是固定的偏置，软铁干扰是随方向变化的增益误差。
// 磁力计校准示例（简化版）
// 采集多个方向的磁场数据，拟合椭球
// 得到偏移量 offset 和缩放矩阵 scale
for (int i = 0; i < num_samples; i++) {
mag_x_cal = (mag_x_raw - offset_x) * scale_x;
mag_y_cal = (mag_y_raw - offset_y) * scale_y;
mag_z_cal = (mag_z_raw - offset_z) * scale_z;
}注意：磁力计校准必须在无磁干扰的环境下进行。我曾经在实验室里校准，结果旁边有个铁质文件柜，导致航向偏差了20度。后来拉到空旷的操场重新校准，数据才正常。
GPS与RTK
普通GPS的精度在2-5米，对于多旋翼来说，悬停时会有明显的漂移。RTK通过基站和移动站的差分计算，精度能达到2-5厘米。但RTK也有缺点：需要基站信号，一旦失锁，精度会迅速下降。
我建议的选型思路：
- 消费级：单频GPS + 磁力计，够用但别指望太稳。
- 工业级：双频GPS + 磁力计 + 气压计，精度和可靠性都上来了。
- 测绘级：RTK + 高精度IMU，厘米级定位，但成本也高。
气压计与超声波/激光测距
气压计用来测量高度。原理很简单：气压随高度变化，通过气压值反推高度。但气压计受温度、风速影响很大，尤其是靠近地面时，数据波动非常明显。
超声波和激光测距是近地测距的补充。超声波测距范围一般在0.1-10米，精度厘米级。激光测距（比如TOF传感器）范围更远，精度更高，但成本也更高。
气压计的坑
气压计最怕的是气流扰动。多旋翼的旋翼下洗气流会直接冲击气压计，导致高度数据剧烈跳动。我见过有人把气压计直接裸露安装，结果悬停时高度波动超过1米。
我的经验：气压计一定要用海绵或泡棉包裹，安装在远离气流的地方。同时，软件上要做低通滤波，截止频率设在5-10Hz比较合适。
超声波与激光的融合
超声波和激光测距适合在低空（比如起飞、降落、避障）使用。它们的数据更新率快，但受限于测量范围。我通常的做法是：
- 高度低于5米时，优先使用超声波或激光数据。
- 高度高于5米时，切换到气压计数据。
- 两者之间做平滑过渡，避免数据跳变。
好了，传感器子系统就讲到这里。记住一句话：没有完美的传感器，只有合理的融合策略。下一章我们会深入讨论数据融合算法，到时候你会看到这些传感器数据是怎么被“揉”在一起的。