第一章：IMU基础与误差来源
大家好，我是老张。在惯性导航这行摸爬滚打了十几年，今天咱们来聊聊IMU数据预处理的第一步——搞清楚你的传感器到底是怎么工作的，以及它都会犯哪些“错误”。
说实话，很多新手拿到IMU数据就直接开干，结果发现姿态解算出来飘得离谱。嗯，这其实很正常。你不了解误差来源，就没办法对症下药。我个人习惯是，拿到一个新IMU，先花半天时间把它的“脾气”摸透。
1.1 IMU工作原理：它到底在测什么？
IMU，全称惯性测量单元。说白了，就是加速度计加陀螺仪的组合体。
- 加速度计：测量物体的比力。注意，不是重力，是比力。静止时它测的是重力加速度g，运动时测的是运动加速度和重力的合成。
- 陀螺仪：测量物体的角速度。也就是你转得有多快。
我遇到过不少工程师，把加速度计当成“水平仪”用。其实它只能告诉你当前加速度的方向，不是绝对的水平参考。你想想看，如果IMU在自由落体，加速度计输出是0，但物体并不是水平的。
核心公式（简化版）：
加速度计输出 = 真实加速度 + 重力加速度 + 误差项
陀螺仪输出 = 真实角速度 + 误差项1.2 误差模型：IMU的“坏习惯”
每个IMU都有自己的“坏习惯”。我习惯把这些误差分成两类：确定性误差和随机误差。
确定性误差，说白了就是可以标定补偿的。随机误差，嗯，那是真随机，只能靠滤波。
1.2.1 零偏（Bias）
零偏是最常见的误差。IMU静止时，输出应该为0，但它偏不。比如陀螺仪静止时输出0.01°/s，这就是零偏。
零偏又分两种：
- 零偏稳定性（Bias Instability）：长时间内零偏的缓慢漂移。我见过最差的MEMS IMU，开机一小时零偏能漂移0.5°/s。
- 零偏重复性（Bias Repeatability）：每次开机时零偏的差异。今天开机是0.01°/s，明天开机可能是0.015°/s。
我的经验： 零偏稳定性决定了你能做多长时间的纯惯性导航。如果你需要10分钟以上的导航精度，零偏稳定性必须优于0.01°/h。我曾经在一个无人机项目里，因为没注意零偏稳定性，导致悬停5分钟后位置漂移了200米。
1.2.2 刻度因子（Scale Factor）
刻度因子，就是输入和输出之间的比例关系不准确。比如你转了100°/s，陀螺仪输出却是99.5°/s，差了0.5%。
为什么会这样？说白了，制造工艺的误差。每个IMU的刻度因子都不一样，而且还会随温度变化。
| 误差类型 | 典型值（消费级） | 典型值（工业级） | 典型值（战术级） |
|---|---|---|---|
| 零偏稳定性 | 0.1 - 1 °/s | 0.01 - 0.1 °/s | < 0.01 °/h |
| 刻度因子误差 | 1% - 5% | 0.1% - 1% | < 0.01% |
| 交轴耦合 | 1% - 3% | 0.1% - 1% | < 0.01% |
1.2.3 交轴耦合（Cross-Axis Sensitivity）
交轴耦合，这个比较隐蔽。理想情况下，X轴加速度计只测X方向的加速度。但实际上，Y轴和Z轴的加速度也会串扰到X轴输出上。
我曾经在一个高精度导航项目里，发现姿态解算总是有周期性误差。排查了三天，最后发现是交轴耦合导致的。当时那个IMU的交轴耦合系数是2%，在剧烈振动环境下，这个误差被放大了好几倍。
避坑指南： 交轴耦合在低端IMU中尤其严重。如果你做的是高动态应用（比如无人机、机器人），一定要做六位置标定法来补偿交轴耦合。我曾经因为偷懒没做，结果在急转弯时姿态解算直接发散。
1.3 误差模型数学表达
好了，咱们用数学语言总结一下。一个完整的IMU误差模型长这样：
加速度计输出 = S_a * (真实加速度 + 重力 + 零偏) + 交轴耦合项 + 噪声
陀螺仪输出 = S_g * (真实角速度 + 零偏) + 交轴耦合项 + 噪声其中S_a和S_g就是刻度因子矩阵。交轴耦合项是一个3x3的矩阵，非对角线元素就是耦合系数。
你想想看，如果不做标定，这些误差项会直接进入你的姿态解算和导航计算。零偏会导致角度漂移，刻度因子会导致速度误差，交轴耦合会导致姿态耦合误差。
1.4 知识体系框架
下面这张图，是我自己总结的IMU误差知识体系。每次带新人，我都会先让他们看这张图。
1.5 小结
这一章咱们把IMU的底细摸清楚了。记住三点：
- 零偏是最大的敌人，尤其是零偏稳定性
- 刻度因子和交轴耦合，在高动态下会要命
- 误差模型是标定和滤波的基础，别跳过
我个人习惯，每次拿到新IMU，先做一次完整的标定实验。把零偏、刻度因子、交轴耦合都标定出来，然后才敢用。你想想看，如果连传感器的误差都不清楚，后面的滤波和融合做得再好，也是白搭。
一句话总结： IMU误差预处理，说白了就是“知己知彼”。知道传感器会犯什么错，才能提前做好补偿。
公众号:蓝海资料掘金营，微信deep3321