飞控简析-从入门到跑路 第三章姿态解算的比较

姿态解算是每一个无人机都需要解决的问题，目前常用的姿态解算方法有三种：卡尔曼滤波、互补滤波、梯度下降。为了研究每种算法的误差大小及解算出来的数据情况，特别拿出了我的（其实是公司的）珍藏多年Xsens公司的Mti-3模块（3000软妹币，原来有Mti-G-710的,但是在无人机上）进行数据的采集，以模块输出的姿态角为准，进行比较。

传感器数据及MATLAB处理脚本下载地址:https://github.com/mansky/ImuFusion

俯仰角比较

局部数据放大

从数据可以看出，梯度下降（gradientDescent）的误差与Mti-3的误差是最小的，从第一张图可以看出，梯度下降算法的数据会有许多的毛刺。互补滤波相对误差比梯度下降大，但是效果仍算可以。至于卡尔曼滤波，本人使用的算法构造应该是有问题的，使用加速度来修正陀螺仪，确实可以得到精度更高的陀螺仪数据，但是进行姿态解算的时候，如果只使用陀螺仪数据进行积分，仍然会引入累积误差，导致角度误差越来越大。

kalman角速度与原始角速度的比较

kalman的角速度与mti-3原始角速度相比，曲线更为平滑。

横滚角比较

航向角比较

可以看到，由于没有加入磁罗盘进行航向角的校准，故算法对航向角的解算都不好

综上所述：互补滤波其实已经可以满足基本的需求，如果需要更精确的数据，可以使用梯度下降算法，但梯度下降算法运算量大一点，本人的卡尔曼滤波的算法的设计与实现差了一点 ，导致解算出来的姿态有问题，只能当作给大家提供的一种实现的思路