手机上的陀螺仪漂移

很多帖子都讨论了陀螺仪漂移问题。有些人说陀螺仪读数有漂移，但其他人说积分有漂移。

1. 原始陀螺仪读数有漂移[link] https://stackoverflow.com/questions/1586658/combine-gyroscope-and-accelerometer-data.
2. 整合有漂移[link] https://stackoverflow.com/questions/7246256/gyro-sensor-drift-and-correct-angle-estimation（答案1）。

So, I conduct one experiment. The next two figures are what I got. The following figure shows that gyro reading doesn't drift at all, but has the offset. Because of the offset, the integration is horrible. So it seems that the integration is the drift, is it?

The next figure shows that when the offset is reduced the integration doesn't drift at all.

此外，我还进行了另一个实验。首先，我把手机放在桌子上静止了大约10秒。然后将其向左旋转，然后恢复到后面。然后向右并返回。下图很好地说明了角度。我使用的只是减少偏移然后进行积分。

所以，我这里的大问题是，也许偏移量是陀螺仪漂移（积分漂移）的本质？在这种情况下，可以应用免费滤波器或卡尔曼滤波器来消除陀螺仪漂移吗？

任何帮助表示赞赏。

如果陀螺仪读数有“漂移”，则称为bias并且不漂移。

漂移是由积分引起的，即使偏置恰好为零，也会发生漂移。漂移是因为您通过积分累积了读数的白噪声。

For 漂移消除，我强烈推荐方向余弦矩阵 IMU：理论 https://drive.google.com/open?id=0B9rLLz1XQKmaZTlQdV81QjNoZTA手稿，我已经实现了传感器融合微光2 http://www.shimmer-research.com/products-2/shimmer-revisions基于它的设备。

（编辑：该文档来自矩阵飞行员 https://github.com/MatrixPilot/MatrixPilot项目，此后已移至 Github，可以在 wiki 的下载部分找到。）

如果您坚持使用卡尔曼滤波器，请参阅https://stackoverflow.com/q/5478881/341970 https://stackoverflow.com/q/5478881/341970.

您为什么要实现自己的传感器融合算法？

两个安卓系统（传感器管理器 http://developer.android.com/reference/android/hardware/SensorEvent.html#values under Sensor.TYPE_ROTATION_VECTOR）和 iPhone（核心运动 http://developer.apple.com/library/ios/documentation/CoreMotion/Reference/CMAttitude_Class/Reference/Reference.html#//apple_ref/occ/cl/CMAttitude）提供自己的。