3、传感器原理（上）：加速度计工作原理、陀螺仪工作原理、磁力计工作原理、传感器误差模型

好，咱们进入正题。这一章聊传感器原理，我分成上下两篇来讲。上篇先讲清楚三个核心传感器——加速度计、陀螺仪、磁力计——它们到底怎么工作的，以及它们身上那些“不完美”的地方。

你想想看，姿态估计算法再漂亮，如果传感器数据本身是“脏”的，那输出结果肯定也是乱的。所以，理解传感器原理，说白了就是理解你的“数据源”。

3.1 加速度计工作原理

加速度计测的是什么？很多人第一反应是“速度变化率”。嗯，理论上没错，但在姿态估计里，我们更关心它测的是“比力”。

什么叫比力？简单说，就是物体受到的惯性力减去重力。你拿手机平放在桌上，加速度计读数是 (0, 0, 9.8) m/s²。为什么？因为它在抵抗重力，向上顶。如果它自由落体，读数就是 (0, 0, 0)。

我个人习惯把加速度计想象成一个“质量块+弹簧”系统。质量块被弹簧拉着，当有加速度时，质量块会偏移，偏移量正比于加速度。MEMS加速度计用的是电容检测——质量块移动，电容变化，读出电压。

我在项目中遇到过一个问题：无人机悬停时，电机振动直接耦合到加速度计，导致姿态角抖动。后来加了低通滤波器才稳住。嗯，这里要注意，滤波会引入延迟，需要权衡。

3.2 陀螺仪工作原理

陀螺仪测角速度，单位是 °/s 或 rad/s。MEMS陀螺仪的原理跟加速度计不太一样，它用的是“科里奥利效应”。

说白了，就是一个质量块在高速振动，如果给它一个旋转，振动方向就会偏转。这个偏转力就是科里奥利力。检测这个力的大小，就能算出角速度。

我建议你把陀螺仪想象成一个“旋转敏感器”。它不依赖重力，所以无论你怎么转，它都能测出角速度。这是它比加速度计强的地方——动态响应快。

但陀螺仪有个致命弱点：零偏漂移。你把它静止放着，它读数不是0，而是一个小常数。而且这个常数会随着温度、时间慢慢变。我曾经在一个项目中，陀螺仪开机10分钟后零偏漂了0.5°/s，如果不补偿，积分出来的角度几分钟就飞了。

3.3 磁力计工作原理

磁力计测磁场强度，单位是 μT（微特斯拉）。它用来提供航向参考，也就是帮你找到北。

原理上，磁力计用的是“霍尔效应”或“磁阻效应”。简单说，磁场变化会引起材料电阻变化，通过检测电阻变化就能算出磁场大小和方向。

但磁力计是个“娇气”的传感器。为什么？因为它太容易被干扰了。你身边任何铁磁性物质——钢筋、电机、扬声器、甚至你口袋里的钥匙——都会改变局部磁场。

我记得有一次调试四旋翼，磁力计航向总是跳变。排查了半天，发现是电机线缆没做屏蔽，电流产生的磁场干扰了磁力计。后来把线缆远离磁力计，再做了硬铁校准，才稳定下来。

3.4 传感器误差模型

好了，三个传感器讲完了。但实际用起来，它们都不是完美的。我们需要一个误差模型来描述它们的不完美。

我习惯把误差分成两类：确定性误差和随机误差。

3.4.1 确定性误差

这类误差可以校准掉。主要包括：

• 零偏（Bias）： 传感器静止时的非零输出。比如陀螺仪零偏、加速度计零偏。
• 比例因子（Scale Factor）： 实际值与测量值之间的比例偏差。比如你转90°，陀螺仪积分出来是88°。
• 非正交性（Misalignment）： 三个轴不是严格垂直的。这会导致一个轴的运动会串到另一个轴上去。
• 交叉耦合（Cross-axis Sensitivity）： 一个轴的输入会影响另一个轴的输出。

举个例子，加速度计的误差模型可以写成：

a_measured = S * (a_true + b) + n

其中 S 是比例因子矩阵（包含非正交性），b 是零偏，n 是随机噪声。

3.4.2 随机误差

这类误差是随机的，没法完全校准，只能用滤波去估计。主要包括：

• 白噪声（White Noise）： 高频随机波动，功率谱密度恒定。
• 随机游走（Random Walk）： 零偏随时间缓慢漂移，像个醉汉走路。
• 闪烁噪声（Flicker Noise）： 低频噪声，1/f 特性。

在卡尔曼滤波里，我们通常把陀螺仪的零偏建模成随机游走过程。这样滤波器就能在线估计零偏，实时补偿。

3.5 小结

这一章我们聊了三个传感器的原理和误差模型。你记住一句话：加速度计提供重力参考，陀螺仪提供角速度，磁力计提供航向参考。但每个传感器都有“毛病”，需要用误差模型来描述，再用卡尔曼滤波去融合。

下一章，我会讲传感器标定和数据处理。到时候咱们手把手做一次校准，看看实际数据长什么样。

嗯，今天就到这儿。有问题随时找我。