1. 传感器校准基础：为什么需要校准？校准的物理意义与数学原理

1.1 校准到底在解决什么问题？

说实话，我刚入行那会儿，觉得传感器校准就是个形式。把飞控往桌上一放，点个校准按钮，完事。直到有一次，我组装了一台四轴，所有传感器读数都正常，但一解锁起飞，飞机就像喝醉了酒一样往一边偏。折腾了两天，最后发现是加速度计的一个轴偏了0.3度。

嗯，0.3度，听起来不大对吧？但换算成位置误差，飞10米就偏了5厘米。再叠加积分，几分钟后你的飞机就不知道飞哪去了。

校准的核心目的，说白了就是让传感器告诉你真实的世界。传感器不是完美的，它有自己的脾气——有偏差、有尺度误差、有安装误差。校准就是把这些误差找出来，然后补偿掉。

1.2 传感器的“原罪”——误差从哪来？

我习惯把传感器误差分成三类，这样排查问题的时候思路特别清晰：

误差类型	物理含义	典型来源
零偏（Bias）	输入为零时，输出不为零	制造工艺、温度漂移
尺度因子（Scale Factor）	输出变化量与输入变化量的比例不准确	敏感度差异、电路增益误差
交叉耦合（Cross-axis）	一个轴的输入影响了另一个轴的输出	安装不正、PCB应力

举个例子你就明白了。假设一个加速度计，静止时应该输出0g（水平方向）和1g（垂直方向）。但实际读出来是：X轴0.05g，Y轴-0.03g，Z轴0.98g。这就是零偏和尺度因子在作怪。

我在项目中遇到过最离谱的一次，是一个IMU的Z轴尺度因子偏差了5%。这意味着飞机悬停时，高度估计会持续漂移。你想想看，飞控以为自己在平飞，实际上已经在慢慢下降了。

1.3 校准的数学原理——最小二乘法

校准的数学基础，其实不复杂。我们用一个线性模型来描述传感器：

传感器输出 = 真实值 × 尺度因子 + 零偏 + 噪声

写成数学形式：

y = k × x + b + ε

其中：

• y：传感器读到的原始值
• x：真实的物理量（我们想知道的）
• k：尺度因子（理想情况下k=1）
• b：零偏（理想情况下b=0）
• ε：随机噪声（无法消除，只能降低影响）

校准的任务，就是通过已知的输入（比如静止、旋转90度等），反推出k和b。最常用的方法就是最小二乘法。

对于更复杂的传感器（比如磁力计），模型会变成椭球拟合：

(x - b)ᵀ · A · (x - b) = 1

这里A是一个3×3的矩阵，包含了尺度因子和交叉耦合。校准就是通过采集空间中的多个点，拟合出这个椭球的参数。嗯，这个在ArduPilot里叫“磁力计椭球校准”，后面我们会详细讲。

1.4 不校准的后果——血的教训

我曾经帮一个朋友调试他的无人机。他说飞机老是往右偏，调了PID也没用。我一看日志，发现他的陀螺仪零偏是0.5度/秒。这意味着即使飞机完全静止，飞控也以为它在缓慢旋转。

你想想看，飞控为了对抗这个“假旋转”，会一直给电机输出修正信号。结果就是：飞机在悬停时不断抖动，而且越修正越偏。这就是典型的“传感器误差被控制器放大”的例子。

另一个常见问题是磁力计。如果不校准，航向角误差可能达到20-30度。在GPS信号好的时候还能凑合，一旦进入GPS失效模式（比如飞过桥底），飞控会瞬间失去方向，直接进入“失控保护”。

1.5 ArduPilot中的校准流程

ArduPilot的校准流程，其实就是在帮你做上面说的这些数学运算。它的内部实现是这样的：

// 伪代码示意
void calibrate_accel() {
    // 1. 采集6个姿态的数据
    for each orientation {
        collect_samples();
        compute_mean();
    }
    
    // 2. 用最小二乘法解算参数
    solve_least_squares();
    
    // 3. 保存校准参数到参数系统
    save_to_params();
}

我个人习惯在每次更换飞控硬件、或者更换机架后，都重新做一次完整的传感器校准。别偷懒，这个步骤省不了。

1.6 知识体系总览

下面这张图，是我自己总结的传感器校准知识框架。你可以把它当作一个“导航图”，后面每个章节都会对应到其中的一个模块。

1.7 本章小结

校准不是可有可无的步骤，它是飞控稳定工作的基石。记住三点：

• 误差不可避免——每个传感器都有零偏和尺度误差
• 数学可解——用最小二乘法就能求出补偿参数
• 实践要勤——换硬件、换机架、甚至换环境温度，都建议重新校准

下一章，我们会深入加速度计的校准细节，包括ArduPilot的具体操作步骤和日志分析方法。到时候我会分享一个我踩过的坑——关于加速度计校准顺序的，保证让你少走弯路。

---