VIO中IMU选型与数据处理

点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

作者丨蘅芜君@知乎

来源丨https://zhuanlan.zhihu.com/p/433625159

编辑丨计算机视觉life

MEMS IMU的型号多种多样，如何给自己的机器人选择一个合适的IMU至关重要。本文从IMU常用参数，选型需要测试哪些IMU特性，以及如何对IMU数据进行处理这三部分进行介绍。

IMU常用参数

这里列出常用的几款消费级MEMS IMU参数对比，IMU分别是BMI055(Realsense T265 D455使用)，BMI088(小觅彩色版和傲览Avia使用)，TDK ICM-42686，TDK ICM-42688(高通RB3，RB5计算平台使用)。

1.最大量程 (Range)

ICM-42686的加速度计量程最大是32g，陀螺仪的最大量程是4000°/s，BMI088的加速度计量程是32g, BMI055，ICM-42688都是16g。这里需要根据机器人的应用场景选择合适的量程，量程越大其灵敏度会随之下降，量程太小可能会有超量程情况。

2.ADC位数 (ADC Word Length)

BMI055的加速度计ADC位数最小是12bit，分辨率最差。BMI088、ICM-42686和ICM-42688都是16bit，分辨率一致。

3.灵敏度 (Sensitivity)

BMI088、ICM-42686和ICM-42688的加速度计灵敏度都是2048 LSB/g，BMI055的加速度计灵敏度最低是128 LSB/g。LSB是指传感器输出数字量的最低有效位。例如，BMI088的ADC位数是16位，能表示的最大数字是65536，其在16g量程时的灵敏度就是65536/32=2048 LSB/g，即加速度是1g时ADC输出的数值就是2048，数值越大代表了灵敏度越高，以上可以看出灵敏度与ADC的位数和量程有关。陀螺仪同理。

4.零偏 (Zero-g Offset/Zero-rate Offset)

BMI088和ICM-42688的加速度计零偏都是20mg，BMI055的零偏最大是70mg，TDK的陀螺仪零偏比BMI稍微小一点。

5.零偏温漂系数 (Zero-g Offset Temperature Drift/Zero-rate Offset Change over Temperature)

零偏温漂系数反映了加速度和陀螺仪零偏的温度敏感性，从手册上看BMI088、ICM-42686和ICM-42688相差不大，有条件最好实际测试对比。

6.非线性 (Nonlinearity)

理想情况下，我们认为IMU的数据是线性的，但是实际环境中，IMU的数据是非线性的，特别是越靠近量程最大值,非线性就越差。

7.零偏加速度敏感性 (G-sensitivity)

理想情况下，陀螺仪的输出应该对加速度不敏感，由于机械设计不对称和/或微加工不够精确，造成陀螺仪的测量可能会受到外部加速度的影响。BMI055和BMI088的g敏感度不差，都是0.1°/s/g 或 360°/h/g，需要注意的是大多数陀螺仪的g敏感度会随振动频率变化而变化，因此补偿方案将变得复杂，要求根据频率改变敏感度。

8.非正交误差 (Cross Axis Sensitivity)

理想情况下，加速度计和陀螺仪的X，Y和Z轴是完全正交的，即各轴的两两夹角为90度，但是由于结构的加工误差，很难做到完全正交。Cross-Axis Sensitivity为1%表示: 假设X轴的加速度为1g，理想情况下Y轴是无分量的。但是实际有1%的分量耦合到Y轴: 1g*1%=0.01g=10mg。

IMU特性测试

1.零偏重复性

全称是零偏逐次上电重复性，理想情况下，IMU在相同外界条件下每次上电的零偏不变，但是实际环境中，在相同的外界条件下IMU每次上电的零偏会有差别。测量方法是在工作温度下将IMU多次上电，记录每次上电以后的零偏大小，然后统计其差异。以BMI088为例，其加速度零偏重复性如下。

2.零偏温漂特性

对于高精度IMU模块，厂家会对每个IMU模块进行温漂矫正，而对于低端MEMS IMU芯片，不可能每个都做温漂标定和补偿，因此厂家往往给个零偏温漂系数。测量方法是将IMU芯片加热，记录整个温度区间内的零偏大小，拟合零偏温度特性曲线，观察零偏在某个温度范围内是否存在异常情况。测试结果可以参考零偏温度滞回特性。

3.零偏温度滞回特性

零偏温度滞回特性指的是IMU在温度上升阶段和温度下降阶段对应的零偏可能会不一致。测量方法是将IMU芯片加热然后降温，然后再加热降温，多测几次，观察IMU数据在对应温度的零偏是否一致。以BMI088为例，将其来回加热降温三次，其陀螺仪零偏温度滞回特性如下。

4.振动特性

振动特性指在振动情况下，零偏随振动频率的变化特性。有些IMU芯片在高频振动下，频率特性会出现异常，对于无人机场景，一般要做振动特性的测试，如果IMU出现异常频率特性，可以考虑加减震装置。

5.应力特性

应力特性是指IMU芯片贴到PCB板上以后，PCB板会对IMU施加应力，从而造成IMU零偏发生变化。如果IMU受到应力后零偏变化较大，则需要将IMU贴到PCB板上以后再次矫正零偏。以BMI088为例，测试IMU模块贴到PCB板前后的零偏变化如下。

IMU数据处理

前面已经介绍过机器人引起的振动会对IMU数据造成影响，需要对IMU模块做一定的减震处理，如果结构无法做减震，则需要对IMU数据进行处理。本文取一段无人车(差速转向，振动较大)在水泥地行驶时的IMU数据进行分析，IMU数据以200hz的采样率采集，参考飞控使用截止频率为15hz的巴特沃斯低通滤波器进行滤波。加速度Y轴数据波形如下：

图中可以看出红色滤波后的数据少了很多毛刺。对加速度数据进行FFT：

上图可以看到原始数据在20hz以后一直有高频噪声干扰，滤波后的频谱表明高频噪声干扰已经基本被去除，而且低频段的频谱没有失真。

参考文献

程序便利店的博客_dshxxxxxxx_CSDN博客-C++,Sensor领域博主

本文仅做学术分享，如有侵权，请联系删文。

3D视觉精品课程推荐：

1.面向自动驾驶领域的多传感器数据融合技术

2.面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码)
3.彻底搞透视觉三维重建：原理剖析、代码讲解、及优化改进
4.国内首个面向工业级实战的点云处理课程
5.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解
6.彻底搞懂视觉-惯性SLAM：基于VINS-Fusion正式开课啦
7.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化
8.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)

9.从零搭建一套结构光3D重建系统[理论+源码+实践]

10.单目深度估计方法：算法梳理与代码实现

11.自动驾驶中的深度学习模型部署实战

12.相机模型与标定(单目+双目+鱼眼）

13.重磅！四旋翼飞行器：算法与实战

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。

一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM、自动驾驶等）、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近4000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

 圈里有高质量教程资料、答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~