我花了几个小时研究数字积分和速度/位置估计，但我无法找到一个可以被大脑理解或适合我的情况的答案。
我有一个IMU（惯性测量单元），它有一个陀螺仪，一个加速度计和一个磁力计。所有这些传感器都处于融合状态，这意味着例如使用陀螺仪，我能够补偿加速度计读数中的重力，磁力计可以补偿漂移。 换句话说，我可以使用这样的设置获得纯加速度读数。
现在，我试图根据加速度准确估计位置，正如您所知，这需要双重整合，并且有各种方法可以做到这一点。但我不知道哪个最合适。 有人可以分享一些有关此事的信息吗？ 另外，如果您能在不使用任何复杂的数学公式/符号的情况下向我解释，我感激不尽，我不是数学家，这是我在寻找信息时遇到的问题之一。
由于
答案 0 :(得分：4)
您可以通过简单地将加速度矢量乘以时间步长（IMU的周期）求和来获得速度，然后将速度乘以时间步长来获得位置。您可以使用各种方法传播（不是整合）方向，具体取决于您选择的方向表示（欧拉角，四元数，姿态矩阵（ DCM），Axis-Angle等。）。
然而你有一个更大的问题。
长话短说：除非你拥有海军品质的IMU（200,000美元+），否则你不能简单地整合加速度和角速率来获得准确的姿势（位置和方向）估计值。
我假设您使用的是低成本（低于1,000美元）的IMU - 您的加速度计和陀螺仪受到噪音和偏差的影响。这些将使得通过简单集成无法获得准确的姿势。
在实践中，要做你想要的事情，需要融合和纠正＆＃39;测量位置和可选的方向。 IMU＆＃39;预测＆＃39;位置/方向，而另一个传感器模型（相机功能，gps，高度计，范围/方位测量）采取预测的位置，并正确的＆＃39;它。融合这些数据有多种方法，其中最多产的是扩展卡尔曼滤波器或误差状态（间接）卡尔曼滤波器。
回到原来的问题;我将方向表示为四元数，并且您可以使用错误 - quaternion derivative和陀螺仪的角速率来传播四元数方向。
编辑：
使用高通可以部分解决噪音问题 过滤，但你究竟在谈论什么样的偏见？
您应该阅读sources of error in MEMS accelerometers：恒定对齐偏差，随机行走偏差，白噪声和温度偏差。如你所说，你可以通过高通滤波器来减少噪音的影响 - 但这并不完美，因此存在明显的残留噪音。残余噪声的双重积分给出了二次增加的位置误差。即使在由于重力移除加速度之后，由于这些误差源将会测量显着的加速度，这将导致位置估计在不到1秒的积分内不准确。