一个没有标定过的IMU，输出的姿态角可能每隔几分钟就漂移几度。对于需要长时间稳定运行的机器人来说，这不是“精度不够”的问题，而是“能不能用”的问题。

IMU的漂移来自三个层面：加速度计的零偏和温度漂移、陀螺仪的积分漂移和随机噪声、磁力计的地磁干扰。每一层都需要不同的标定方法和补偿策略。这篇文章从误差模型出发，讲透IMU标定的完整流程。

一、MEMS加速度计：零偏和温度漂移怎么测

MEMS加速度计的核心误差是零偏——当加速度为零时，传感器输出的非零电压值。这个零偏不是常数，它会随温度变化，这就是温度漂移。

测量零偏最直接的方法是六面法：把IMU分别以六个正交方向静置，在每个方向上记录加速度计的输出。当IMU的某一轴朝上时，该轴应该输出+1g（重力加速度）；朝下时应该输出-1g。通过六个位置的测量值，可以解算出每个轴的零偏和标度因数误差。

但六面法只在常温下有效。在GNSS/INS组合导航系统中，MEMS IMU的工作时间较长，温度变化较大，IMU零偏随温度变化比较显著。如果不做温度补偿，在极端温度下启动系统时，IMU会出现较大的初始误差，甚至发生航向偏移。

温度补偿的工程实现方法经历了三代演进。第一代是查表法：在每个温度点测量零偏，标定时查表插值。精度高，但需要写入大量补偿参数。第二代是多项式拟合：用高阶多项式拟合零偏-温度曲线。参数少，但存在过拟合的隐患。第三代是自适应分段多项式拟合，也是目前工程上较优的方案。

自适应分段的核心思路是：先采集全温范围（如-30°C到70°C）的IMU数据，生成零偏温度曲线；然后自动识别曲线的拐点，依据拐点划分为多个温度区间；在每个区间内进行低阶多项式拟合，生成拟合参数写入嵌入式平台。这种方法的补偿精度与查表法相当，但参数数量大幅减少，也不会出现过拟合。

二、陀螺仪：Allan方差如何分析积分漂移

陀螺仪的误差分两类：确定性误差（零偏、标度因数、安装误差）和随机误差（角度随机游走、速率随机游走、量化噪声）。确定性误差可以用六面法标定，但随机误差需要用Allan方差来分析和建模。

Allan方差的基本思路是：把长时间静态采集的陀螺仪数据分成若干组，每组计算平均角速率，然后计算相邻组之间的方差。这个方差随分组时间τ的变化曲线，就是Allan标准差曲线。

Allan标准差对数曲线的斜率与噪声源的对应关系是分析的关键：斜率-1对应量化噪声，斜率-1/2对应角度随机游走噪声，斜率+1/2对应速率随机游走噪声。

角度随机游走是陀螺仪最核心的随机误差源。它表现为白噪声，积分后变成角度上的随机游走——这就是为什么陀螺仪积分得到的姿态角会随时间缓慢漂移。Allan方差曲线中斜率为-1/2的直线段直接给出了角度随机游走系数N的值。

速率随机游走则对应斜率为+1/2的直线段，它表现为一阶自回归过程（ARMA(1,0)），反映了零偏本身的缓慢变化趋势。

Allan方差分析的价值在于：它把陀螺仪的随机误差分解为可量化的噪声参数。这些参数直接决定了姿态估计算法（如卡尔曼滤波）的噪声矩阵设置。如果角度随机游走系数估计偏大，滤波器会过度信任加速度计，导致姿态跟踪滞后；如果估计偏小，滤波器会过度信任陀螺仪，导致姿态漂移累积。

三、磁力计：软铁和硬铁校正

磁力计的误差来源与前两者不同——它测量的不是惯性量，而是环境磁场。在机器人上，电机、电池、金属结构都会产生磁场干扰。

硬铁误差来自永磁体或磁化材料产生的恒定磁场偏移。它的效果是把磁力计的测量圆心从原点平移开——就像一个固定的偏置向量叠加在真实的地磁场上。

软铁误差来自高导磁材料对外部磁场的畸变。它不是一个平移，而是一个非均匀的缩放和旋转——原本应该是一个球面的测量数据，被扭曲成了一个椭球面。

校正硬铁误差的方法是椭球拟合。将磁力计绕各个方向旋转，采集一组测量数据。如果只有硬铁误差，这些数据点在三维空间中构成一个球面；如果有软铁误差，球面被畸变为椭球面。

椭球拟合的目标是找到一个变换矩阵和偏移向量，把畸变的椭球“恢复”成以原点为中心的球面。具体操作是：假设原始数据形成椭圆，使用椭圆方程对原始数据执行拟合，通过拉格朗日乘子求解参数向量，然后计算椭圆的硬铁偏移、软铁误差和比例因子。

在实际工程中，硬铁和软铁校正通常一起完成。一个完整的24参数标定模型可以同时处理硬铁畸变、安装偏差和软铁畸变。校正后的磁力计可以用于姿态估计中的航向角测量——但需要注意，磁力计在室内环境中受建筑钢筋干扰严重，在很多机器人场景中，航向角的估计更多依赖陀螺仪的积分，磁力计只在必要时用作长期校正。

四、六面标定的工程落地

把以上三种传感器的标定整合起来，就是一套完整的IMU标定流程。工程上通常采用正六面体工装+温控转台的方案。

标定流程的核心是六位置静态标定。将IMU安装在正六面体工装上，按六个正交姿态分别静置，记录每个姿态下的加速度计和陀螺仪输出。通过六个位置的测量值，用最小二乘法估计加速度计的3个零偏和3个比例因子误差。

对于陀螺仪，除了零偏，还需要标定标度因数和安装偏差。陀螺仪的标定需要转台以精确的角速率旋转。通过记录转台正转和反转时的脉冲输出，可以分离出标度因数非线性误差和安装偏差的投影分量。

温度补偿的工程实现通常与六面标定合并进行：在温控转台上，从低温到高温逐步改变温度，在每个温度点完成六位置标定，建立全温范围的误差模型。最终写入嵌入式平台的补偿参数包括：各温度区间的零偏拟合参数、标度因数拟合参数、以及安装偏差的修正系数。

五、标定为什么是感知系统的隐形地基

IMU标定的精度直接决定了机器人姿态估计的精度。姿态估计又是视觉定位、SLAM、运动控制的基础。

一个具体的链路：IMU提供姿态角→姿态角用于将相机坐标系下的目标位置转换到世界坐标系→如果IMU有1°的姿态误差，一个5米外的目标在水平方向上的定位误差就会达到约8.7厘米。对于抓取任务来说，这个误差已经足以导致抓取失败。

这也是为什么在端侧视觉定位系统中，IMU标定的重要性不亚于视觉模型本身的精度。VLX-Seek的细粒度视觉定位能力可以在图像中精确定位目标（COCO mAP达到45.3，超过千亿参数的Gemini 3.1 Pro的41.4），但这个像素级的定位结果要转化为机器人坐标系中的抓取点，必须经过IMU提供的姿态信息和相机标定参数的外参转换。标定的精度是整个感知链路精度的上限——模型再准，标定不准，最终输出的目标位置也会偏差。

VLX-Seek-3B的轻量化设计（3B参数）使其可以在端侧设备上实时运行（OmAI开发者平台｜VLX端侧流式多模态模型），在开放词汇检测、细粒度定位和实时跟踪等任务上保持稳定表现，同时更适合实时追踪和端侧部署。这意味着在一个典型的机器人系统中，Seek可以在端侧持续输出目标定位结果，而这些结果的空间精度，直接取决于IMU和相机的标定质量。