第一章：IMU基础与误差来源
各位同学好，我是老张。做惯性导航这行十几年了，踩过的坑比走过的路还多。今天咱们聊聊低成本IMU的那些事儿。
说实话，MEMS（微机电系统）这东西刚出来的时候，我是不太信的。几块钱的芯片能替代几十万的激光陀螺？后来真香了。虽然精度差了几个数量级，但胜在便宜、体积小、功耗低。你想想看，现在手机里都有IMU，无人机、扫地机器人全靠它。
1.1 MEMS加速度计与陀螺仪工作原理
先说说加速度计。它的核心结构其实很简单——一个微小的质量块，挂在弹簧上。当芯片加速时，质量块会偏移，电容值就变了。测出电容变化，就能算出加速度。
我记得第一次拆解MEMS加速度计时，用显微镜看那个结构，真的像艺术品。那个梳齿状的电容结构，间距只有几微米。
陀螺仪呢？原理稍微绕一点。它用的是科里奥利效应。简单说，就是让质量块高速振动，然后测它被“扭”的力。嗯，这里要注意：MEMS陀螺仪测的是角速度，不是角度。要得到角度，得积分。
核心区别：
- 加速度计：测线加速度（比力）
- 陀螺仪：测角速度
- 两者互补，才能做导航
1.2 IMU主要性能指标
做项目选型时，这些指标你得看懂。我刚开始时就被数据手册坑过，以为指标越高越好，结果发现有些参数是“实验室理想值”。
| 指标 | 单位 | 说明 |
|---|---|---|
| 零偏（Bias） | °/h 或 mg | 静止时输出的平均值偏移 |
| 刻度因子（Scale Factor） | ppm 或 % | 输入输出比例关系的偏差 |
| 噪声密度 | °/s/√Hz 或 μg/√Hz | 单位带宽内的噪声水平 |
| 角度随机游走（ARW） | °/√h | 陀螺噪声积分后的角度误差 |
| 速度随机游走（VRW） | m/s/√h | 加速度计噪声积分后的速度误差 |
零偏这东西，说白了就是传感器“撒谎”。明明没动，它非说有输出。我做过一个项目，零偏没校准好，无人机起飞后直接侧翻。嗯，那场面挺尴尬的。
角度随机游走（ARW）是个关键指标。它描述的是陀螺噪声随时间累积的特性。你想想看，如果ARW是0.1°/√h，那1小时后角度误差可能达到0.1°，10小时后就是0.316°。不是线性增长，是平方根增长。
我的经验：选型时别只看零偏，ARW和VRW往往更关键。特别是做长时间导航时，随机游走误差会吃掉你的精度。
1.3 低成本IMU的典型误差源
低成本IMU的误差，我习惯分成两类：确定性误差和随机误差。前者可以校准补偿，后者只能靠滤波。
确定性误差
- 零偏误差：每次上电都不一样，但短时间内稳定
- 刻度因子误差：输入输出比例不准确
- 轴间对准误差：三个轴不是完美的90°
- 非线性误差：大输入时输出失真
我曾经遇到过一个案例：某款IMU的Z轴和Y轴差了2°，结果导航解算出来的姿态全是歪的。后来用六面法校准才搞定。
随机误差
- 白噪声：高频随机波动
- 闪烁噪声：低频漂移
- 随机游走：积分后的累积误差
- 温度漂移：温度变化引起的输出变化
随机误差这东西，说白了就是“看天吃饭”。温度一变，零偏就飘。我有个习惯：每次做实验前，先让IMU预热10分钟。别小看这一步，能减少一半的随机漂移。
避坑指南：我曾经在零下20°C的环境下测试一款IMU，结果零偏漂了3倍。后来才知道，数据手册上的指标是25°C测的。所以，一定要做温度补偿！
1.4 知识体系总览
下面这张图是我自己画的，把本章的核心逻辑串起来了。你仔细看看，就能明白误差从哪来、怎么分类、最终怎么处理。
这张图把本章内容串起来了。从MEMS IMU出发，分加速度计和陀螺仪两条线，引出性能指标，再汇聚到误差分类。你记住这个框架，后面几章就好理解了。
好了，第一章就到这里。内容不多，但都是基础。下一章咱们聊怎么建误差模型，那才是真正动手的开始。
公众号:蓝海资料掘金营，微信deep3321