imu存在的问题_4.1 IMU误差模型

这篇文章主要讨论 IMU 中陀螺仪和加速度计的随机误差。现在市场中的 IMU 中基本都包含磁强计，但在日常应用中磁强计的主要误差来源是环境中的磁场干扰，而传感器本身的误差基本可以忽略不计，因此磁强计在 IMU 姿态估计中的使用是一个非常不同的话题，在这篇文章中不予讨论。此外，在惯性导航中，陀螺仪和加速度计的信号都需要积分，而积分往往会积累误差，因此这两者的误差模型就显得更重要一些。

1. 陀螺仪和加速度计的系统误差

所谓系统误差是指非随机误差，可以通过传感器的校准消除。陀螺仪和加速度计的系统误差一般包含以下几种：开机后恒定的零偏误差（bias），比例因子误差（scale factor），不重合及非正交误差（misalignment and non-orthogonality），非线性误差（non-linearity），温度误差（thermal noise）。其中陀螺仪还包含加速度的变化引起的误差（g-dependent noise）[1]。因此包含系统误差的角速度可以写为以下的表达式：

（1）

其中

表示测量得到的角速度，

表示真实的角速度，

表示非线性误差，

表示比例因子和不重合及非正交误差，

表示恒定的零偏误差，

表示温度变化引起的误差，

表示加速度变化引起的误差。

通常比较好的 IMU 在芯片中已经做了零偏误差，比例因子误差，不重合及非正交误差，和温度引起的误差的补偿；而且零偏误差可以通过在开机后静止一段时间比较准确地测量。加速度计的系统误差和陀螺仪类似，只是不包含加速度引起的误差

。

在卡尔曼滤波器中，我们一般都假设测量的信号不包含系统误差，但这是不可能的！不过在之后文章我们会谈到，卡尔曼滤波器最终会趋向于线性互补滤波器，因此卡尔曼滤波器在有系统误差的情况下长期表现至少和互补滤波器一样好。另外，我们可以用卡尔曼滤波器同时估计 IMU 的姿态和一些系统误差参数，例如一般使用的 IMU 姿态估计算法都会包含对零偏误差的