1. 飞控为什么需要多传感器融合？—— 单一传感器的局限性与融合的必要性
1.1 一个让我印象深刻的失败案例
先讲个故事。几年前我调试一架四旋翼，用的是一块很常见的飞控板，只靠一个MPU6050（六轴IMU）做姿态估计。当时在室内飞，一切正常。结果拉到室外，一阵风吹过来，飞机突然开始剧烈晃动，然后直接翻了。
我后来复盘发现，问题出在加速度计上。风太大，电机震动剧烈，加速度计的数据被高频噪声淹没了。姿态解算出来的角度，偏差了将近15度。飞控以为自己在平飞，其实已经快侧翻了。
嗯，这就是单一传感器的典型问题。你想想看，如果当时多一个磁力计或者GPS，哪怕只是多一个气压计，情况都会好很多。
1.2 单一传感器的局限性
说白了，每种传感器都有自己的「死穴」。我列几个常见的，你看看是不是也遇到过。
| 传感器 | 优点 | 致命缺陷 |
|---|---|---|
| 加速度计 | 静态精度高，能测重力方向 | 怕震动，动态响应慢，噪声大 |
| 陀螺仪 | 动态响应快，角速度测量准 | 有零偏漂移，长时间积分会飞掉 |
| 磁力计 | 能提供绝对航向 | 易受电磁干扰，室内基本不能用 |
| 气压计 | 能测高度，成本低 | 受温度、气流影响大，精度差 |
| GPS | 绝对位置，无累积误差 | 更新率低（5-10Hz），室内无信号 |
| 光流/视觉 | 室内也能定位，精度不错 | 怕光线变化，怕纹理少的地面 |
你看，没有一个是完美的。陀螺仪短期准但长期漂，加速度计长期准但短期抖。GPS室外好用但室内抓瞎。这就是为什么我们需要融合——用各自的优点，补彼此的短板。
1.3 融合到底解决了什么问题？
我个人习惯把融合解决的问题归纳为三类：
- 互补性融合：比如加速度计和陀螺仪。加速度计低频准，陀螺仪高频准。互补滤波就是干这个的——低频信加速度计，高频信陀螺仪。
- 冗余性融合：比如双GPS或者双IMU。一个坏了，另一个顶上。我在做工业级飞控时，必须做冗余，不然炸机成本太高。
- 协同性融合：比如GPS+IMU。GPS更新慢但绝对准确，IMU更新快但会漂。卡尔曼滤波把两者结合，既能得到100Hz的位姿输出，又不会漂移。
核心观点：多传感器融合不是「多一个传感器多一份保险」这么简单。它是通过算法，让1+1 > 2。你想想看，一个加速度计+一个陀螺仪，经过互补滤波，就能得到比单独任何一个都准的姿态角。这就是融合的魅力。
1.4 避坑指南：我曾经踩过的三个坑
这里分享几个我实际项目中遇到的教训，希望能帮你少走弯路。
坑一：时间戳不同步
我曾经在一个项目里，IMU用I2C读取，GPS用串口读取。结果IMU数据到了，GPS数据还在缓冲区里。融合的时候，拿到的两个数据差了50ms。对于高速飞行的无人机，50ms的延迟足以让姿态估计偏差好几度。后来我强制所有传感器都用同一个定时器打时间戳，才解决。
坑二：传感器量程不匹配
有一次我选了个±2g的加速度计，配了个±2000°/s的陀螺仪。结果飞机做大机动时，加速度计直接饱和了，输出全是2g。融合算法以为飞机在疯狂加速，实际上只是传感器量程不够。嗯，选型时一定要考虑动态范围。
坑三：忽略传感器噪声特性
卡尔曼滤波里有个R矩阵，代表测量噪声协方差。我刚开始做的时候，随便填了个值。结果滤波效果还不如互补滤波。后来老老实实拿传感器静止采集了10分钟数据，算方差，填进去，效果立竿见影。说白了，融合算法好不好，一半靠传感器标定。
1.5 融合的核心逻辑：一张图看懂
下面这张图是我自己画的，展示了多传感器融合的基本框架。你看，每个传感器都有自己的「特长」和「短板」，融合算法就是那个「调度员」，把各路信息整合成一个更可靠的输出。
你看，左边四个传感器各有各的毛病。但经过中间的融合算法处理后，右边输出的姿态和位置，就比任何一个单独传感器都可靠得多。这就是我们做融合的目的。
1.6 什么时候必须做融合？
我个人的判断标准很简单：
- 如果你只是做玩具级飞控（比如室内小四轴），单IMU+互补滤波就够了。没必要上卡尔曼，太复杂。
- 如果你做消费级产品（比如航拍无人机），必须做融合。因为用户会在各种环境下飞，室内室外、有风无风、白天黑夜。单一传感器扛不住。
- 如果你做工业级/军用级，不仅要融合，还要做冗余融合。我见过一个项目用了3个IMU+2个GPS+1个视觉，通过投票机制选最优数据。成本高，但可靠性也高。
我的建议：初学者先从互补滤波入手，理解「互补」的思想。等搞懂了，再上卡尔曼滤波。不要一上来就啃卡尔曼公式，容易劝退。我当年就是先玩互补滤波玩熟了，再看卡尔曼，发现其实就是互补滤波的「升级版」——多了状态预测和协方差更新。
1.7 小结
单一传感器都有局限，这是物理规律决定的。融合不是炫技，是刚需。说白了，飞控要稳定，就得让多个传感器「互相兜底」。互补滤波适合入门，卡尔曼滤波适合进阶。但不管用哪种，核心思想都一样：信该信的，不信不该信的。
嗯，这一章就到这里。下一章我们开始动手写互补滤波的代码，到时候我会把我在项目中踩过的坑都告诉你。