A robust and easy to implement method for IMU calibration without external equipments
1 标定原理1
亲试可用，还有动态演示效果不错。相比商用产品的简易标定流程，该标定方法有以下几点不同：
- 给出了加速度计和陀螺仪更复杂的模型。
- 利用Allan方差的定义，标定陀螺仪的偏置。
- 大量冗余数据，保证最优化收敛。利用数十次测量数据而不是仅仅6个位置。
- 利用Runge-Kutta积分和四元数表示法，实现陀螺仪的轴向偏差和尺度因子的标定。
操作流程大致如下：
2 标定要点
实际标定操作和算法处理过程中，有几点很重要。
1、和深度学习训练样本一样，IMU标定的最优化过程也需要样本的平衡性。和复杂一些的非线性最优化类似，IMU参数标定算法一般也是基于Levenberg–Marquardt参数算法的拟合算法。而旋转操作可以让IMU数据（如加速度计）在三维数据空间中形成椭球形，数据均匀分布在椭球面上能够避免某一轴向的拟合权重过大，造成拟合椭球变形。
2、传感器对温度敏感（特别是陀螺仪），因此在没有温度计并且温度补偿的条件下，保证IMU的热平衡很重要。陀螺仪除了零点偏置，还有零点偏置漂移等更多误差，因此动态调节。
3、对加速度数据积分的起点和终点很关键。由于是人为转动IMU产生的抖动比较严重，因此转动的开始和结束不是很清晰，可以通过滤波减少积分误差。
4、标定器材配套很重要。手持式标定会引入人为振动，因此最好为IMU设计相应稳定可靠的标定装置，比如具有类似地球仪的旋转结构，并且带有刻度、有水平仪的仪器，这样能够实现垂直状态和特定角度转动。
5、利用Allan方差定义，可得到等待时间。但仍然存在问题，不同轴陀螺的Allan方差不一样，甚至可能差别很大。
6、IMU的坐标绝对基准还是不能标定得到。
以上两种方法制作的轻量级标定工具适用于一般的研究或产品，但对于一些高性能传感器，它们自身误差甚至小于标定参数精度，以上标定方法不再适用。需要很多价格不菲的精密仪器去标定，即提供绝对基准。
matlab仿真
matlab源代码实现。2