简单介绍一下用加速度传感器修正角速度传感器(陀螺仪)累计误差的原理

内容原作者 OURAVR - feng_matrix 陀螺仪输出角速度，是瞬时量，一般角速度姿态平衡上是不能直接使用，多数惯导系统控制需要角度信号 所以需要角速度与时间积分计算角度，得到的角度变化量与初始角度相加，就得到目标角度，其中积分时间Dt越小，输出角度越准 但陀螺仪的原理决定了它的测量基准是自身，并没有系统外的绝对参照物，加上Dt是不可能无限小 所以积分的累积误差会随着时间流逝迅速增加，最终导致输出角度与实际不符，所以陀螺仪只能工作在相对较短的时间尺度内。 加速度测量的是重力方向，有系统外绝对参照物“重力轴”，在无外力加速度的情况下，能准确输出ROLL/PITCH两轴姿态角度 并且此角度不会有累积误差，在更长的时间尺度内都是准确的。但是加速度传感器测角度也有缺点 加速度传感器实际上是用MEMS技术检测惯性力造成的微小形变，而惯性力与重力本质就是一个东东 所以它就不会区分重力加速度与外力加速度，当系统在三维空间做变速运动时，它的输出就不正确了。 很可惜，多数需要惯导姿态角的系统，都不是工作在静止状态下。 所以在没有其它参照物的基础上，要得到较为真实的姿态角，就要扬长避短，结合两者的优点，摈弃其各自缺点 最简单的办法就是加权，设计算法在短时间尺度内增加陀螺仪的权值，在更长时间尺度内增加加速度权值，这样系统输出角度就更真实了 其实MK四轴的平衡算法也是这样，首先对陀螺仪做PI运算，其中I的真正含义就是积分反演角度 有了陀螺仪PI算法，四轴就有了瞬时增稳，就可以遥控飞了，但是它不会永远水平 由于累积误差的作用，很快中立点就不是水平位置了，这时候就需要用加速度不断的纠正陀螺仪积分误差。 你可以看到MK算法中有根据加速度方向不断把积分量I递减清零的代码，就是这个融合算法的核心了 MK立足于一个高级航模玩具，为了在低成本8位单片机上运行，不去显式的计算姿态角，只把校正后的PI值输出负反馈控制电机了 这样的好处是基本上只用整型算法就能完成运算，而要显式的计算姿态角，更专业的做法就是KALMAN滤波显式求解姿态 卡曼滤波也是在对历史数据积分，并且可以同步融合陀螺仪与加速度数据，陀螺仪与加速度贡献权值还可以通过滤波参数调整 所以它就成了惯性数据处理的经典算法，他的缺点是浮点运算量较大，对系统资源要求较高 很少有人在资源较少的8位单片机上玩卡曼滤波的。 总结一下就是： PITCH/ROLL角速度积分－>PITCH/ROLL姿态角，再结合加速度纠正累积误差 YAW角速度积分－>方向角，再结合地磁传感器、GPS纠正累积误差 当然导航并非只能用加速度传感器，其它有绝对参照物的传感器都可以 比如人除了耳蜗外，还有视觉，根据身边的景物人也不会有累积误差导致摔跤的问题 但一般人闭上眼睛，即便有耳蜗能保持平衡，摔跤可能性也会增加。 还有其它传感器，比如红外，航模上有种德国红外平衡仪，就是检测地平线上下，红外背景强度不同来保证绝对姿态的。 卫星上以前还听说过星光导航的，应该也是用它来作为一个相对静止的参照物。