4、IMU确定性误差校准：六面法校准加速度计和陀螺仪的零偏与标度因数
各位同学，欢迎来到第四讲。
上一章我们聊了IMU的误差模型，把那些乱七八糟的误差项分成了确定性误差和随机误差。今天咱们就动真格的——手把手把加速度计和陀螺仪的零偏、标度因数给校准了。
说白了，就是让传感器说人话。
4.1 为什么非得做六面法？
你想想看，一个加速度计放在桌上，理论上应该只感受到重力（1g）。但实际读出来可能是1.02g，或者0.98g。这就是零偏和标度因数在捣鬼。
陀螺仪更离谱，静止的时候它应该输出0，但实际可能飘着0.5°/s。这种误差如果不校准，你飞控的姿态解算从一开始就是歪的。
我个人习惯，拿到一个新IMU芯片，第一件事就是做六面法校准。不做这一步，后面什么卡尔曼滤波、什么融合算法，都是空中楼阁。
4.2 六面法的基本原理
六面法，顾名思义，就是把IMU分别朝六个方向放置。每个方向对应一个轴的正负方向与重力对齐。
以加速度计为例，当X轴朝上时，理论上输出应为[+1g, 0, 0]；X轴朝下时，输出为[-1g, 0, 0]。但实际读数包含了零偏和标度因数误差。
我们建立如下模型（只考虑零偏和标度因数）：
实际输出 = 标度因数 × 理论值 + 零偏对于加速度计，每个轴需要两个方程：
- 正方向：A_pos = S × (+1g) + B
- 负方向：A_neg = S × (-1g) + B
解这个二元一次方程组，就能得到：
- 标度因数 S = (A_pos - A_neg) / (2g)
- 零偏 B = (A_pos + A_neg) / 2
陀螺仪的六面法稍微不同。因为陀螺仪测量的是角速度，静止时理论输出为0。所以我们通过旋转台提供已知角速度，或者利用地球自转（但精度要求高，一般用转台）。
我在项目中遇到过，有些同学直接用六面法校准陀螺仪，结果发现零偏校准后还是飘。为什么？因为陀螺仪的零偏对温度极其敏感，六面法只能校准常温下的静态零偏。温度变化后，还得做温补。
4.3 实际操作步骤
好，咱们来走一遍流程。你需要准备：
- 一个水平台面（越平越好）
- IMU模块（固定在一个小方块上，方便翻转）
- 串口助手或数据采集程序
4.3.1 加速度计六面法
六个放置姿态如下：
| 姿态编号 | 放置方向 | 理论加速度 (g) |
|---|---|---|
| 1 | X轴朝上 | [+1, 0, 0] |
| 2 | X轴朝下 | [-1, 0, 0] |
| 3 | Y轴朝上 | [0, +1, 0] |
| 4 | Y轴朝下 | [0, -1, 0] |
| 5 | Z轴朝上 | [0, 0, +1] |
| 6 | Z轴朝下 | [0, 0, -1] |
每个姿态采集100-200个数据点，取平均值。然后按上面的公式计算每个轴的S和B。
4.3.2 陀螺仪六面法
陀螺仪的六面法其实更简单——因为静止时理论输出就是0。所以六个姿态下，每个轴的理论角速度都是0。
但这里有个坑：陀螺仪的零偏是各向同性的吗？不一定。我曾经遇到过一款IMU，X轴和Z轴的零偏差了一倍。所以必须每个轴单独校准。
操作步骤：
- 将IMU静止放置在六个姿态中的任意一个
- 采集100个数据点，取平均
- 这个平均值就是该轴的零偏（因为理论值为0）
- 重复六个姿态，取六个零偏的平均值作为最终零偏
至于标度因数，六面法其实不太适合陀螺仪。因为你需要一个已知的角速度输入。我建议用转台，或者至少用单轴旋转法。如果实在没有条件，可以先用加速度计的标度因数近似，或者查芯片手册。
4.4 代码实现
下面是我写的一个简单校准函数，用C语言实现。你可以直接移植到嵌入式平台上。
// 加速度计六面法校准
typedef struct {
float scale[3]; // 标度因数
float bias[3]; // 零偏
} AccelCalib;
AccelCalib accel_six_face_calib(float data[6][3]) {
AccelCalib calib;
// data[0]~data[5] 对应六个姿态的平均值
// 姿态顺序：X+，X-，Y+，Y-，Z+，Z-
for (int i = 0; i < 3; i++) {
float pos = data[2*i][i]; // 正方向读数
float neg = data[2*i+1][i]; // 负方向读数
calib.scale[i] = (pos - neg) / 2.0f; // 假设1g=1.0
calib.bias[i] = (pos + neg) / 2.0f;
}
return calib;
}
// 应用校准
void apply_accel_calib(float raw[3], AccelCalib calib, float out[3]) {
for (int i = 0; i < 3; i++) {
out[i] = (raw[i] - calib.bias[i]) / calib.scale[i];
}
}嗯，这里要注意：上面的代码假设重力加速度归一化为1.0。如果你的IMU输出单位是m/s²，那标度因数算出来就是m/s²/LSB，零偏单位也是m/s²。使用时保持一致就行。
4.5 校准效果验证
校准完了，怎么知道效果好不好？
我个人习惯做两个验证：
- 静态验证： 把校准后的IMU放在水平面上，看加速度计模值是否接近1g（9.8m/s²）。偏差应该在0.01g以内。
- 翻转验证： 手动翻转IMU，看各轴读数是否在±1g附近，且正负对称。
我曾经遇到一个案例，校准后模值还是偏大0.05g。排查了半天，发现是台面不够水平。后来用水平仪重新调平，问题就解决了。所以，校准环境很重要。
4.6 六面法的局限性
六面法虽然简单，但有几个硬伤：
- 依赖重力精度： 重力加速度在不同纬度有微小差异，高精度应用需要查表修正。
- 无法校准交叉耦合： 六面法只处理了对角线元素，轴间耦合误差（比如X轴加速度对Y轴输出的影响）没考虑。
- 陀螺仪标度因数不准： 前面说了，六面法对陀螺仪标度因数基本无能为力。
如果要做更高精度的校准，需要用到多位置法（比如十二面法）或者转台标定。但作为入门，六面法已经能解决80%的问题了。
好了，这一讲的内容就到这里。六面法虽然基础，但它是后续所有传感器融合工作的前提。下一章我们会讨论更复杂的多位置校准方法，以及如何处理轴间耦合误差。
公众号:蓝海资料掘金营，微信deep3321