第3章陀螺仪校准

3、陀螺仪校准：零偏校准、温度补偿、Allan方差分析

陀螺仪校准，说白了就是让飞控知道「什么是静止」。

我刚开始做飞控那会儿，总觉得陀螺仪数据挺准的，结果一上电飞机就慢慢自旋。查了半天，原来是零偏没校准好。嗯，从那以后我再也不敢跳过这一步了。

3.1 零偏校准：最基础也最容易被忽略

陀螺仪静止时，理论上输出应该是0。但现实是，每个陀螺仪都有个固定的偏移量。这个偏移量，就是零偏。

零偏校准的原理

说白了就是让陀螺仪静止一段时间，采集一堆数据，然后取平均值。这个平均值就是零偏值。以后每次读取数据时，把这个值减掉就行。

在ArduPilot里，零偏校准通常在飞控上电后的前几秒自动完成。你只需要把飞机放平、静止不动。

核心参数：

INS_GYRO_FILTER：陀螺仪低通滤波频率，默认20Hz
INS_ACC_BODY_FIX：是否使用机体坐标系对齐
INS_GYRO_RATE：陀螺仪采样率，通常设为400Hz

我个人习惯在每次飞行前做一次静态校准。尤其是冬天和夏天温差大的时候，零偏变化很明显。

小技巧：如果你发现飞机悬停时慢慢往一个方向漂，先别急着调PID。先检查一下陀螺仪零偏值。很多时候，重新校准一下就好了。

3.2 温度补偿：为什么冬天和夏天数据不一样？

陀螺仪的零偏会随温度变化。你想想看，MEMS陀螺仪内部是个微小的振动结构，温度一变，材料的弹性模量、阻尼系数都会变。零偏自然就跑了。

温度补偿怎么做？

ArduPilot支持两种方式：

内置温度补偿：部分高端IMU芯片自带温度补偿，比如ICM-20689。这种直接用就行。
软件温度补偿：通过采集不同温度下的零偏值，拟合出一条曲线。ArduPilot里用INS_GYRO_TEMP_ENABLE参数开启。

我在项目中遇到过一个问题：一台无人机在室内校准好好的，拿到室外零下10度的地方，一解锁就翻。查了半天，就是温度补偿没做好。后来我写了个脚本，让飞控在-20°C到60°C范围内自动采集数据，拟合补偿曲线。效果立竿见影。

注意：温度补偿不是万能的。如果温度变化太快（比如从空调房直接拿到烈日下），补偿曲线可能跟不上。建议给飞控一个「温度稳定时间」，至少等30秒再起飞。

3.3 Allan方差分析：量化你的陀螺仪到底有多「稳」

Allan方差，听起来很高大上。其实它就是用来分析陀螺仪噪声特性的工具。

为什么要做Allan方差？

因为陀螺仪的噪声不是白噪声。它包含多种成分：

角度随机游走：高频噪声，像白噪声一样
速率随机游走：低频漂移，慢慢变化
零偏稳定性：长时间尺度下的稳定性
量化噪声：ADC量化带来的误差

Allan方差可以把这些成分分离开来。你想想看，就像用筛子把不同大小的沙子分开一样。

实际操作步骤：

让陀螺仪静止，采集至少2小时的数据（采样率400Hz）
用Python或MATLAB计算Allan方差
从Allan方差曲线上读出关键参数

下面是我常用的Python代码片段：

import numpy as np
import matplotlib.pyplot as plt

def allan_variance(data, fs):
    """计算Allan方差"""
    N = len(data)
    max_m = int(np.log2(N))
    tau = np.zeros(max_m)
    avar = np.zeros(max_m)
    
    for m in range(1, max_m + 1):
        tau[m-1] = m / fs
        # 分组平均
        cluster_size = 2**m
        num_clusters = N // cluster_size
        clusters = data[:num_clusters * cluster_size].reshape(-1, cluster_size)
        means = np.mean(clusters, axis=1)
        # 计算方差
        avar[m-1] = 0.5 * np.mean((means[1:] - means[:-1])**2)
    
    return tau, np.sqrt(avar)

# 读取陀螺仪数据
gyro_data = np.loadtxt('gyro_static.txt')
fs = 400.0  # 采样率

tau, adev = allan_variance(gyro_data, fs)

# 绘制Allan方差曲线
plt.loglog(tau, adev)
plt.xlabel('积分时间 (s)')
plt.ylabel('Allan标准差 (deg/s)')
plt.grid(True)
plt.show()

从曲线上你能读出什么？

曲线特征	对应参数	典型值（消费级IMU）
斜率-1/2的直线段	角度随机游走	0.01 ~ 0.1 °/√h
曲线最低点	零偏稳定性	1 ~ 10 °/h
斜率+1/2的直线段	速率随机游走	0.1 ~ 1 °/h/√h

我记得有一次，客户说他们的无人机悬停时高度漂移严重。我一看Allan方差曲线，零偏稳定性高达50°/h，明显是IMU质量不行。换了IMU后，问题就解决了。

实战建议：如果你用的是Pixhawk这类飞控，建议至少做一次Allan方差分析。把结果存下来，以后换IMU或者升级固件时对比一下。你会发现，不是所有IMU都「一样」的。

3.4 知识体系总览

下面这张图，是我自己总结的陀螺仪校准知识体系。你可以把它当作一个检查清单：

这张图把三个核心模块串起来了。你从左边开始，先做零偏校准，再做温度补偿，最后用Allan方差验证效果。每一步都踩实了，EKF才能正常工作。

最后提醒一句：别指望一次校准管一辈子。陀螺仪会老化，温度环境会变。我建议每3个月重新做一次完整的校准流程。尤其是换过IMU或者摔过机之后，一定要重新校准。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录

3、陀螺仪校准：零偏校准、温度补偿、Allan方差分析

3.1 零偏校准：最基础也最容易被忽略

3.2 温度补偿：为什么冬天和夏天数据不一样？

3.3 Allan方差分析：量化你的陀螺仪到底有多「稳」

3.4 知识体系总览