姿态辅助的三轴加速度计线性校准

Attitude-Aided Linear Calibration of Triaxial Accelerometers

三轴MEMS加速度计广泛应用于惯性传感、导航及传感器融合，但现有标定方法往往依赖昂贵的基准设备或非线性迭代优化，限制了其在低成本或自标定系统中的效率与适用性。本文提出姿态辅助线性加速度计标定方法（ALAC），适用于任何可提供姿态信息的平台（如转台、机械臂或惯性测量单元）。ALAC通过构建组合误差矩阵（CEM）在统一标定模型中表征传感器误差，并实现线性最小二乘估计。该方法联合估计偏置与重力矢量，隐式处理平台未对准误差，同时通过CEM矩阵分解恢复尺度、非正交性及对准旋转参数。在静态重力条件下，标定被形式化为约束齐次最小二乘（CHLS）问题，并通过标准线性代数闭式求解。仅需五个任意取向的测量数据，其递归扩展支持在线或现场标定。在固定于机器人的加速度计实验及准静态公开IMU轨迹上的结果表明，ALAC（离线与在线模式）在精度及对传感器噪声的鲁棒性方面均优于基于基准及在线基线方法。在同一数据集上，滤波条件下其性能与迭代自标定方法相当，且在原始测量值上超过所有评估基线。这些结果验证了基于MEMS惯性平台（尤其是低成本IMU及在线标定场景）的鲁棒实用标定方案。