IMU数据融合：互补，卡尔曼和Mahony滤波

本篇博客主要是参照国外的一篇文章来整理写的，自己觉得写的非常好，以此整理作为以后的学习和参考。国外的博客地址为：http://www.olliw.eu/2013/imu-data-fusing/  一些废话介绍在这里就不说了，直接上干货。

    在IMU数据融合来得到准确姿态方面的工作已经有很多大牛研究过，主要有:Colton,Bizard,Starlino,Lauszus,Mahony,Madgwick。他们的研究成果已经成为了标准的参考。这么多的算法中有相似也有不同之处，容易给人造成混乱。这里就以6轴传感器的IMU来讨论他们之间的区别和相似。

    这里讨论三个最基本的滤波器方法，互补滤波器，卡尔曼滤波器（线性的），Mahony&Madgwick 滤波器。分为五块部分来叙述，第一部分是关于基本的知识，第二部分是关于1维IMU数据融合（1阶，没有估计陀螺仪误差）；第三部分是关于1维IMU数据融合（2阶，带有陀螺仪误差估计）；第四部分带有Mahony滤波器的3维IMU数据融合；第五部分是关于3维滤波器的展望。最后附带一些算法的实现步骤。