第三章 惯性导航系统(INS)基础：IMU工作原理、加速度计与陀螺仪、惯性导航解算（捷联式）
各位同学，今天我们来聊聊惯性导航系统。说实话，这是整个组合导航里最“硬核”的部分之一。我当年刚接触INS时，也被那些积分、坐标系变换搞得头晕。但别怕，咱们一步步拆开看。
3.1 IMU到底是个啥？
IMU，全称Inertial Measurement Unit，惯性测量单元。说白了，它就是一套传感器组合，核心就两个东西：加速度计和陀螺仪。
加速度计测什么？测的是比力。不是速度，是加速度。你想想看，你坐在车里一脚油门踩下去，身体往后仰——那就是加速度计感受到的力。但注意，它测的是“比力”，包含了重力分量。所以静止时它读数是1g，不是0。
陀螺仪呢？测角速度。就是物体转得有多快。单位是度每秒或者弧度每秒。我习惯用弧度，因为后面积分方便。
核心概念：IMU不依赖任何外部信号，完全自主工作。这是它最大的优势，也是最大的挑战——误差会随时间累积。
3.2 加速度计与陀螺仪的工作原理
先讲加速度计。常见的MEMS加速度计，内部是一个微小的质量块，连着弹簧。当有加速度时，质量块会偏移，电容值变化，通过测量电容就能反推出加速度。嗯，原理其实挺简单的。
但实际项目中，我遇到过一个大坑：零偏稳定性。你放那儿不动，它读数也不是完美的0。不同温度下零偏还会漂。我曾经在一个项目中，因为没做温度补偿，车辆静止时导航解算出来的速度一直在增加——这显然不对。
再讲陀螺仪。同样MEMS原理，用的是科里奥利效应。一个振动的质量块，当它旋转时，会受到一个垂直于振动方向的力，这个力的大小与角速度成正比。
陀螺仪最怕什么？角速率随机游走。这个术语听着吓人，其实就是噪声积分后变成了角度误差。我建议你在选型时，重点关注这两个指标：
| 指标 | 含义 | 典型值（消费级） | 典型值（工业级） |
|---|---|---|---|
| 零偏稳定性 | 静止时输出的波动 | 10-100 deg/h | 0.1-1 deg/h |
| 角度随机游走 | 噪声积分导致的误差 | 0.1-1 deg/√h | 0.01-0.1 deg/√h |
我的经验：消费级IMU做纯惯性导航，几秒钟就飘得没边了。所以组合导航里，IMU主要用来做短时间的高频更新，长期靠GNSS来修正。
3.3 捷联式惯性导航解算
捷联式，英文叫Strapdown。什么意思？就是把IMU直接“绑”在载体上，不搞什么物理平台了。计算全靠数学。
解算的核心流程，我总结为三步：
- 姿态更新：用陀螺仪的角速度积分，得到当前的姿态（横滚、俯仰、航向）。
- 速度更新：把加速度计的比力转换到导航坐标系，减去重力，再积分得到速度。
- 位置更新：对速度积分，得到位置。
你看，全是积分。积分这东西，误差会累积。所以为什么INS不能长时间独立工作？原因就在这里。
下面我画了一张图，帮你理解整个解算流程：
3.4 姿态表示方法
姿态怎么表示？常用的有三种：欧拉角、方向余弦矩阵、四元数。
欧拉角最直观，横滚、俯仰、航向，一看就懂。但有个致命问题——万向锁。当俯仰角接近±90度时，横滚和航向会耦合，丢失一个自由度。我在做无人机项目时就踩过这个坑，飞机垂直爬升时姿态解算直接炸了。
所以实际工程中，我强烈建议用四元数。它没有奇异性，计算效率也高。虽然不直观，但计算机处理起来很舒服。
注意：四元数需要归一化！每次更新后都要做归一化，否则数值误差会累积，导致姿态发散。我曾经见过一个同事，代码里忘了归一化，跑了几分钟姿态就飘到天上去了。
3.5 一个简单的姿态更新代码示例
下面是一个用四元数做姿态更新的核心代码片段。我习惯用C++写，但原理都一样：
// 四元数姿态更新（简化版）
// gyro: 三轴角速度 (rad/s)
// dt: 采样间隔 (s)
// q: 当前姿态四元数 [w, x, y, z]
void updateAttitude(const double gyro[3], double dt, double q[4]) {
double wx = gyro[0] * dt / 2.0;
double wy = gyro[1] * dt / 2.0;
double wz = gyro[2] * dt / 2.0;
// 构造增量四元数
double dq[4];
dq[0] = 1.0;
dq[1] = wx;
dq[2] = wy;
dq[3] = wz;
// 四元数乘法
double new_q[4];
new_q[0] = q[0]*dq[0] - q[1]*dq[1] - q[2]*dq[2] - q[3]*dq[3];
new_q[1] = q[0]*dq[1] + q[1]*dq[0] + q[2]*dq[3] - q[3]*dq[2];
new_q[2] = q[0]*dq[2] - q[1]*dq[3] + q[2]*dq[0] + q[3]*dq[1];
new_q[3] = q[0]*dq[3] + q[1]*dq[2] - q[2]*dq[1] + q[3]*dq[0];
// 归一化
double norm = sqrt(new_q[0]*new_q[0] + new_q[1]*new_q[1] +
new_q[2]*new_q[2] + new_q[3]*new_q[3]);
q[0] = new_q[0] / norm;
q[1] = new_q[1] / norm;
q[2] = new_q[2] / norm;
q[3] = new_q[3] / norm;
}小技巧：实际项目中，陀螺仪数据通常会有高频噪声。我建议在积分前先做低通滤波，或者用多采样率积分。别小看这一步，它能显著提升姿态精度。
3.6 惯性导航的误差来源
最后聊聊误差。INS的误差源主要有这么几个：
- 零偏误差：静止时输出不为零，积分后变成角度/速度斜坡误差。
- 比例因子误差：输入输出不成线性，导致缩放偏差。
- 安装误差：IMU安装时与载体坐标系不对齐。
- 噪声：白噪声、随机游走等。
这些误差怎么处理？嗯，这就是组合导航要干的事了。用GNSS、视觉、激光雷达等外部信息，来估计和补偿IMU的误差。说白了，IMU负责“快”，其他传感器负责“准”。
好了，这一章的内容就到这里。记住一句话：惯性导航是积分艺术，也是误差管理艺术。理解了这个，后面学组合导航就会轻松很多。
公众号:蓝海资料掘金营，微信deep3321