第一章：惯性导航基础——IMU原理、加速度计与陀螺仪、比力方程与姿态更新
各位同学，欢迎来到《卡尔曼滤波在INS中的融合实战》课程。
我是你们的老朋友，一个在组合导航领域摸爬滚打了十几年的工程师。今天咱们开始第一讲，聊聊惯性导航最底层的那些事儿。说白了，就是搞清楚我们手里的IMU（惯性测量单元）到底是个什么玩意儿，它怎么感知运动，我们又怎么用它来算姿态。
嗯，这部分内容虽然基础，但非常重要。我见过不少新手，一上来就调卡尔曼滤波参数，结果IMU的原始数据都没搞明白，最后定位飘到天上去都不知道为什么。所以，咱们把地基打牢。
1.1 IMU原理：它到底在测什么？
IMU，全称Inertial Measurement Unit，中文叫惯性测量单元。它就像一个黑盒子，里面装着两个核心传感器：加速度计和陀螺仪。
你想想看，我们人类怎么感知运动？靠眼睛看，靠耳朵里的前庭系统感受加速度和旋转。IMU就是模仿这个功能。它不依赖任何外部信号，完全靠自己内部感知，这就是“惯性”二字的由来。
我个人习惯把IMU比作一个“盲人”。它看不见GPS卫星，也看不见路标，但它能感受到自己被推了一下（加速度），或者被转了一下（角速度）。然后，它根据这些感受，推算出自己走了多远、转了多少角度。
1.2 加速度计：感受“比力”的传感器
加速度计，顾名思义，是测加速度的。但这里有个坑，我刚开始学的时候也栽过跟头。
加速度计测的并不是我们通常理解的“运动加速度”，而是“比力”（Specific Force）。比力是什么？是物体受到的除了重力以外的合力，除以质量。
公式很简单：f = a - g，其中f是比力，a是绝对加速度，g是重力加速度。
举个例子：你把加速度计平放在桌子上，它读数是多少？是0吗？不是！它读数是g，方向向上。因为它在抵抗重力，支撑力给了它一个向上的比力。如果它自由落体，读数反而是0，因为它和重力一起往下掉，没有支撑力了。
在实际项目中，加速度计的输出模型可以写成：
f_meas = f_true + b_a + s_a * f_true + n_a其中：
f_meas：测量值f_true：真实比力b_a：零偏（Bias），一个缓慢变化的误差s_a：比例因子误差n_a：随机噪声
嗯，这里要注意，零偏是卡尔曼滤波里要估计的关键状态量之一。
1.3 陀螺仪：测量角速度的“旋转感知器”
陀螺仪测的是角速度，单位通常是度/秒（°/s）或弧度/秒（rad/s）。
早期的陀螺仪是机械式的，靠高速旋转的转子来保持方向。现在的MEMS陀螺仪，用的是科里奥利效应。简单说，就是一个质量块在振动，当它被旋转时，会受到一个垂直于振动方向的力，测出这个力就能算出角速度。
陀螺仪的输出模型和加速度计类似：
ω_meas = ω_true + b_g + s_g * ω_true + n_g这里b_g是陀螺零偏，是卡尔曼滤波里另一个要估计的关键状态。
1.4 比力方程：连接IMU和导航的桥梁
比力方程，是惯性导航里最核心的公式之一。它描述了载体加速度、比力和重力之间的关系。
在导航坐标系（比如北东地坐标系）下，比力方程长这样：
v̇^n = C_b^n * f^b - (2ω_ie^n + ω_en^n) × v^n + g^n别被这个公式吓到，咱们拆开看：
v̇^n：导航系下的速度变化率（加速度）C_b^n：姿态矩阵，把载体系下的比力转换到导航系f^b：载体系下的比力（加速度计输出）2ω_ie^n × v^n：地球自转引起的哥氏加速度ω_en^n × v^n：载体在地球表面运动引起的向心加速度g^n：重力加速度
说白了，这个公式告诉我们：你测到的比力，一部分用来克服重力，一部分用来产生运动加速度，还有一部分被地球自转和运动本身“吃掉”了。
我记得在做一个车载导航项目时，车速到了120km/h，哥氏加速度项已经不能忽略了。如果不补偿，位置误差会以每小时几百米的速度累积。所以，高精度导航里，这些项一个都不能省。
1.5 姿态更新：从角速度到姿态矩阵
有了陀螺仪的角速度，我们怎么更新姿态？常用的方法有三种：欧拉角法、方向余弦矩阵法、四元数法。
我个人最推荐四元数法，因为它没有万向节死锁，计算量也小。姿态更新公式如下：
q̇ = 0.5 * q ⊗ ω其中q是四元数，ω是角速度向量，⊗表示四元数乘法。
离散化后，我们通常用一阶龙格-库塔法来更新：
q_{k+1} = q_k + Δt * q̇_k或者用更精确的毕卡算法（Bortz算法），考虑圆锥运动补偿。嗯，这里要注意，在高动态环境下（比如无人机剧烈震动），圆锥误差会很大，必须用高阶补偿算法。
1.6 本章知识体系总览
为了让大家更直观地理解本章的知识结构，我画了一张图：
这张图把本章的核心逻辑串起来了：IMU输出原始比力和角速度，经过误差补偿后，通过比力方程和姿态更新算法，最终解算出位置、速度和姿态。而卡尔曼滤波，就是在这个链条上，用外部观测（比如GPS）来修正IMU的累积误差。
好了，第一章的内容就到这里。记住，理解IMU的原理和误差特性，是做好组合导航的第一步。下一章，我们会深入讨论姿态的表示方法——欧拉角、四元数和方向余弦矩阵，以及它们之间的转换关系。
公众号:蓝海资料掘金营，微信deep3321