一文读懂 IMU（惯性测量单元）：自动驾驶、无人机与机器人的“小脑”

作用： 测量物体在 X, Y, ZX,Y,Z 三个物理轴向上的线加速度。
基本原理： 把它想象成一个装在弹簧上的小质量块。当你加速移动时，由于惯性，质量块会挤压弹簧。通过测量弹簧的形变量，就能算出当前的加速度。
静态特性： 即使静止不动，加速度计也会受到重力（约 9.8m/s²）的影响，它会始终感知到一个向上的加速度。这个特性常被用来计算物体的俯仰角（Pitch）横滚角（Roll）。

作用： 测量物体绕 X, Y, ZX,Y,Z 三个轴旋转的角速度。
基本原理： 利用科里奥利力（Coriolis force）。当物体在旋转体系中进行直线运动时，会受到一个垂直于运动方向的力，通过检测这个力即可推算出旋转角速度。
不可替代性： 加速度计在剧烈运动时会有极大的噪声，而陀螺仪对瞬时的旋转动作极其敏感，两者正好互补。

作用： 测量地球磁场，相当于一个电子指南针。
为什么需要它？ 加速度计无法测量绕重力方向的旋转（即偏航角 Yaw），而陀螺仪的积分随着时间推移会产生累积误差（漂移）。磁力计可以通过对齐地球磁场（地磁北极）来消除偏航角的长期漂移。

在做硬件选型时，经常会看到不同自由度（DOF）的 IMU，用一张表带你快速看懂：

3轴磁力计

IMU 的核心价值在于推算导航（Dead Reckoning）。只要知道一个物体的初始状态（位置和速度），理论上通过 IMU 不断积分，就能算出它在任意时刻的位置。

这是一个经典的运动学物理问题，通过对微小时间间隔 \Delta tΔt 内的数据进行累加（积分）：

1. 速度的更新： 速度是加速度对时间的积分。

2. 位置的更新： 位置是速度对时间的积分。

3. 姿态（角度）的更新： 角度是角速度（陀螺仪输出）对时间的积分。

看着上面的积分公式，似乎我们只要拥有一个 IMU 就可以天下无敌了？绝对不是。

现实中的传感器是有**噪声（Noise）和零偏（Bias）的。哪怕是一个极其微小的误差，在经过两次积分计算位置后，误差会随着时间的平方呈指数级放大：

也就是说，如果仅靠一个普通的消费级 IMU 来定位，可能几秒钟后，系统以为你已经飞到火星去了。这就引出了目前工程界极其核心的一门技术——传感器融合（Sensor Fusion）。

在实际工业和自动驾驶中，从来不会单凭 IMU 孤军奋战，通常会结合其他传感器进行误差修正：

数据滤波算法： 采用互补滤波（Complementary Filter）卡尔曼滤波（Kalman Filter）。利用加速度计的低频稳定性和陀螺仪的高频动态性进行数据融合。
GNSS + IMU（组合导航）： GPS 负责提供没有累计误差的绝对低频定位，IMU 负责提供高频的连续姿态，两者结合是目前自动驾驶的标准方案。
VIO（视觉惯性里程计）： 结合摄像头（SLAM 技术），利用视觉特征点匹配来限制 IMU 的发散，广泛应用于扫地机器人和 AR/VR。