纯6轴imu姿态解算

主要看卡尔曼滤波的imu姿态解算

比较符合需求的博客：

关于ardupilot、px4固件ekf的错误与tslam-v12-tekf对它的改进 - 知乎

比较简单满足需求：

 https://github.com/rsasaki0109/imu_estimator

GitHub - kekeliu-whu/imu_pose_estimator: IMU pose estimator implemented by EKF, ESKF and CF.

稍复杂但肯定能满足需求：

GitHub - PX4/PX4-ECL: Estimation & Control Library for Guidance, Navigation and Control Applications Using the ECL EKF | PX4 User Guide

https://github.com/ArduPilot/ardupilot/tree/master/libraries

2023.4.26

若觉得解算后效果不佳，一般不是解算算法引起的。首先应尝试物理减震方式去掉高频噪声，再使用数字滤波器进行滤波。如果你选择卡尔曼的话，在原始数据进卡尔曼预测函数之前，对加速度计 陀螺仪 都使用 fir或iir低通滤波器 滤一次。如果选择互补滤波，陀螺仪最好用带通滤波器。

MPU6050欧拉角卡尔曼滤波解算和DMP解算哪个方式数据更加精准？ - 知乎

附录：

9轴imu姿态解算：

内参标定：

Project_rikirobot/src/rikirobot_project/imu_calib at master · Taospirit/Project_rikirobot · GitHub

方差和随机游走：imu_utils

2023.5.22更新：

以上内容都是基于EKF来做的，之前有mahony姿态结算，看到这篇解说的很通透，从而有些启发

IMU姿态滤波算法——Mahony算法：原理与代码