[具身智能-613]：IMU 九轴惯性测量传感器：原始数据含义 → 推导数据种类 → 对应原始数据源 → 匹配算法 → 现成算法库

一、九轴 IMU 基础构成

九轴 IMU =3 轴加速度计+ 3 轴陀螺仪 + 3 轴磁力计

通信接口：I2C / SPI

输出形式：9 路 16 位有符号原始整数（范围：-32768 ~ +32767）

二、九轴原始数据 每路含义详解

1）三轴加速度计 \(A_x,A_y,A_z\)

物理含义感知自身线性加速度 + 地球重力加速度

• 静止时：只受重力
• 运动时：重力 + 运动惯性加速度

轴定义

• \(A_x\)：绕 X 轴前后加速度
• \(A_y\)：绕 Y 轴左右加速度
• \(A_z\)：竖直方向加速度（静止≈1g）

特点静态倾角准、动态抖动大；无航向参考。

2）三轴陀螺仪 \(G_x,G_y,G_z\)

物理含义感知绕三轴的瞬时转动角速度单位：°/s

轴定义

• \(G_x\)：绕 X 轴翻滚角速度
• \(G_y\)：绕 Y 轴俯仰角速度
• \(G_z\)：绕 Z 轴水平旋转角速度

特点动态响应极快、姿态顺滑；长时间积分会零点漂移。

3）三轴磁力计 \(M_x,M_y,M_z\)

物理含义感知地球磁场三轴分量，等效数字电子罗盘

轴定义

• \(M_x、M_y、M_z\)：空间三轴磁场强度

特点唯一能提供地理正北基准，用来修正偏航 Yaw 漂移；六轴无磁力计，Yaw 必飘。

三、IMU 推导数据种类、对应原始数据源、适配算法

按从简单到高阶分层整理，一目了然：

层级 1：物理工程量（原始值换算为真实单位）

推导数据

• 加速度 \(a_x,a_y,a_z\) 单位：g
• 陀螺仪 \(g_x,g_y,g_z\) 单位：°/s
• 磁力计 \(m_x,m_y,m_z\) 单位：μT

依赖原始数据

全部 9 轴原始数据

所用算法

量程标定换算公式（无复杂滤波）

• 加速度 (±2g)：\(a = Raw / 16384.0\)
• 陀螺仪 (±250°/s)：\(g = Raw / 131.0\)
• 磁力计：\(m = Raw / 0.15\)

层级 2：静态欧拉角（俯仰 / 横滚）

推导数据

• Pitch 俯仰角
• Roll 横滚角

依赖原始数据

仅 3 轴加速度计

所用算法

三角函数反正切atan2纯重力矢量分解，无融合。

局限

静止准、一动就抖；无法解 Yaw。

层级 3：六轴融合姿态（稳定 Pitch/Roll）

推导数据

平滑无抖动：Pitch、Roll

依赖原始数据

3 轴加速度 + 3 轴陀螺仪（六轴）

适配算法

1. 一阶互补滤波（最简单、嵌入式首选）
2. 基础卡尔曼滤波

局限

Pitch/Roll 稳定，Yaw 长期漂移，无正北基准。

层级 4：九轴全姿态 AHRS（完整欧拉角）

推导数据

• Pitch 俯仰
• Roll 横滚
• Yaw 偏航 / 航向角（正北 0°~360°，不漂移）

依赖原始数据

3 轴加速度 + 3 轴陀螺仪 + 3 轴磁力计（完整九轴）

适配算法

1. Mahony 滤波（轻量、算力小、机器人 / 云台标配）
2. Madgwick 滤波（精度更高、姿态更顺滑，无人机 / SLAM）
3. EKF 扩展卡尔曼（工业级、抗干扰强、惯导 / AGV）

层级 5：四元数、姿态矩阵

推导数据

• 四元数 \(q_0,q_1,q_2,q_3\)
• 旋转姿态矩阵

依赖原始数据

九轴全量数据

适配算法

Mahony / Madgwick / EKF 内置输出作用：避免欧拉角万向锁，用于 3D 姿态、机器人坐标变换。

层级 6：导航级衍生数据

推导数据

• 分离重力后的线性加速度
• 速度（加速度二次积分）
• 位置轨迹（速度积分）

依赖原始数据

九轴 + 可选 GPS / 气压计

适配算法

EKF/UKF 多传感器融合

四、汇总对照表（可直接收藏）

表格

五、现成可用的 IMU 算法库（不用自己写算法）

1、Python 库（树莓派 4B/5、RK3568/RK3588 通用）

① ahrs（专业标准库）

bash

运行

pip install ahrs

内置：Mahony、Madgwick、EKF、四元数欧拉角互转，直接输入 9 轴物理量，输出姿态角。

② imufusion（极简封装）

bash

运行

pip install imufusion

内置成熟 AHRS 融合，一行代码出稳定姿态。

2、C/C++ 嵌入式库（RK3568/RK3588 / 单片机 / RTOS）

1. Mahony AHRS 开源库：轻量、无依赖、占用极小
2. Madgwick AHRS 开源库：高精度 3D 姿态
3. RT-Thread 传感器框架：自带 IMU 驱动 + 姿态解算
4. FreeRTOS 官方 IMU 算法组件

3、硬件内置解算（零算法开发）

BNO055九轴芯片内部硬件完成 Mahony 融合，直接读出 Pitch/Roll/Yaw，无需任何算法编程。

六、核心总结

1. 原始 9 轴：加速度→静态倾角；陀螺仪→动态平滑；磁力计→锁定航向。
2. 推导数据逐级依赖：物理量→静态角→六轴姿态→九轴全姿态→四元数→导航数据。
3. 算法匹配：简单用互补滤波、标准用 Mahony、高精度用 Madgwick、工业导航用 EKF。
4. 开发直接用库：Python 用ahrs，C 用 Mahony/Madgwick 开源库，无需自研解算。