下载文档原格式
自动驾驶技术IMU的基础知识和应用场景前面我们介绍了MEMS 陀螺仪的一些基本概念，也说明了陀螺仪和加速度计是构成IMU惯性测量单元的主要部件。
在查找IMU的过程中，我们经常会看到DOF,自由度的概念，今天我们就从DOF开始进一步理解IMU的基础知识和应用场景。
想象一个笛卡尔坐标系，形下图所示，具有x轴、y轴和z轴，传感器能够测量各轴方向的线性运动，以及围绕各轴的旋转运动。
这就是所有惯性测量单元的根本出发点，所有惯性导航系统都是据此而构建。
这些器件带有一个三轴加速度计，显然这是指x轴、y轴和z轴。
加速度计会测量线性速度的变化，也会响应重力。
加速度计会根据其方向而对重力作出响应，如下图所示，这使得我们能够基于非常简单的三角公式估算其方向。
利用arcsin公式，我们可以使用一个轴，而利用arctan公式，我们可以将笛卡尔坐标系中两个彼此正交的轴合并。
二者的主要区别在于：arcsin方法能够测量+/- 90度，而arctan方法能够测量+/- 180度，也就是全部360度，这样您将知道您在哪一个象限。
陀螺仪对旋转角速率进行积分，您就能估算角位移。
大致上说，加速度计具有很好的长期偏置稳定性和长期精度，但会对线性振动作出响应。
当进行角度估计时，线性振动会表现出来，有时候需要滤波，这会给其他方面带来负担，或者有时候振动太高，超出加速度计测量范围，从而完全破坏角度估计。
因此，陀螺仪没有对线性振动的一阶响应，但因为它对输出进行积分，所以任何偏置误差都会转换为角度估计的漂移。
任何系统的基本调整空间在于使用此类传感器的根本出发点。
加速度计的长期稳定性更好，但易受振动影响。
陀螺仪不易受振动影响，但长期稳定性较差，会导致估算更快地漂移。
IMU应用实例之工业检查系统想象屏幕上方的灰色条是生产车间的天花板。
天花板安装了某种摄像或照相设备，该设备。
IMU单元参数什么是IMU单元？IMU（惯性测量单元）是一种集成了加速度计、陀螺仪和磁力计的传感器单元。
它可以测量物体的加速度、角速度和磁场强度。
IMU单元通常用于航空航天、自动驾驶、运动追踪等领域。
IMU单元的参数IMU单元的参数可以分为硬件参数和软件参数两个方面。
硬件参数1.加速度计量程：加速度计量程指的是加速度计可以测量的最大加速度范围。
常见的量程有±2g、±4g、±8g、±16g等。
较大的量程意味着可以测量更大范围的加速度。
2.加速度计分辨率：加速度计分辨率是指加速度计可以测量的最小加速度变化量。
它决定了加速度计的精度。
一般以m/s²为单位。
3.陀螺仪量程：陀螺仪量程指的是陀螺仪可以测量的最大角速度范围。
常见的量程有±250°/s、±500°/s、±1000°/s、±2000°/s等。
4.陀螺仪分辨率：陀螺仪分辨率是指陀螺仪可以测量的最小角速度变化量。
它决定了陀螺仪的精度。
一般以°/s为单位。
5.磁力计量程：磁力计量程指的是磁力计可以测量的最大磁场强度范围。
常见的量程有±2.5、±4.7、±5.6、±8.1等。
6.磁力计分辨率：磁力计分辨率是指磁力计可以测量的最小磁场强度变化量。
它决定了磁力计的精度。
一般以高斯为单位。
软件参数1.数据输出频率：数据输出频率指的是IMU单元每秒钟向外部设备发送数据的次数。
它决定了数据的实时性。
常见的输出频率有100Hz、200Hz、400Hz等。
2.数据格式：数据格式指的是IMU单元输出数据的格式。
常见的格式有加速度、角速度和磁场强度的原始数据，以及经过滤波和姿态解算处理后的欧拉角、四元数等。
3.滤波算法：滤波算法用于对原始数据进行处理，去除噪声和干扰，提高数据的可靠性和精度。
常见的滤波算法有卡尔曼滤波、互补滤波等。
个球好了：的，在实际应用中，可能通过弹簧等装置来测量力。
这个力可以是加速度引起的，但在下面的例子中，我们会发现它不一定是加速度引起的。
如果我们把模型放在地球上，球会落在Z-墙面上并对其施加一个1g的力，见下图：在这种情况下盒子没有移动但我们任然读取到Z轴有-1g的值。
球在墙壁上施加的压力是由引力造成的。
在理论上，它可以是不同类型的力量- 例如，你可以想象我们的球是铁质的，将一个磁铁放在盒子旁边那球就会撞上另一面墙。
引用这个例子只是为了说明加速度计的本质是检测力而非加速度。
只是加速度所引起的惯性力正好能被加速度计的检测装置所捕获。
虽然这个模型并非一个MEMS传感器的真实构造，但它用来解决与加速度计相关的问题相当有效。
实际上有些类似传感器中有金属小球，它们称作倾角开关，但是它们的功能更弱，只能检测设备是否在一定程度内倾斜，却不能得到倾斜的程度。
到目前为止，我们已经分析了单轴的加速度计输出，这是使用单轴加速度计所能得到的。
三轴加速度计的真正价值在于它们能够检测全部三个轴的惯性力。
让我们回到盒子模型，并将盒子向右旋转45度。
现在球会与两个面接触：Z-和X-，见下图：0.71g这个值是不是任意的，它们实际上是1/2的平方根的近似值。
我们介绍加速度计的下一个模型时这一点会更清楚。
在上一个模型中我们引入了重力并旋转了盒子。
在最后的两个例子中我们分析了盒子在两种情况下的输出值，力矢量保持不变。
虽然这有助于理解加速度计是怎么和外部力相互作用的，但如果我们将坐标系换为加速度的三个轴并想象矢量力在周围旋转，这会更方便计算。
请看看在上面的模型，我保留了轴的颜色，以便你的思维能更好的从上一个模型转到新的模型中。
想象新模型中每个轴都分别垂直于原模型中各自的墙面。
矢量R是加速度计所检测的矢量（它可能是重力或上面例子中惯性力的合成）。
RX，RY，RZ是矢量R在X，Y，Z 上的投影。
请注意下列关系：，R ^ 2 = RX ^ 2 + RY ^ 2 + RZ ^ 2（公式1）此公式等价于三维空间勾股定理。
自动驾驶基础（七十七）--惯性测量单元（IMU）二十三前面介绍了MEMS加速度传感器的分类，按照加速度传感器的原理及其应用而不同，有压阻式，电容式，压电式，谐振式等。
本文通过不同加速度传感器的原理、制作工艺及应用展开，能够使之更加全面了解加速度传感器。
首先介绍一下压阻式加速度传感器。
MEMS压阻式加速度传感器的敏感元件由弹性梁、质量块、固定框组成。
压阻式加速度传感器实质上是一个力传感器，他是利用用测量固定质量块在受到加速度作用时产生的力F来测得加速度a的。
在目前研究尺度内，可以认为其基本原理仍遵从牛顿第二定律。
也就是说当有加速度a作用于传感器时，传感器的惯性质量块便会产生一个惯性力:F=ma,此惯性力F作用于传感器的弹性梁上，便会产生一个正比于F的应变。
，此时弹性梁上的压敏电阻也会随之产生一个变化量△R，由压敏电阻组成的惠斯通电桥输出一个与△R成正比的电压信号V。
压阻式加速度传感器的原理，本系统的信号检测电路采用压阻全桥来作为信号检测电路。
电桥采用恒压源供电，桥压为Ue。
设R2、R4为正应变电阻，R1、R3为负应变电阻，则电桥的输出表达式为:我们在电阻布局设计、制造工艺都保证压敏电阻的一致性，因此可以认为有的压敏电阻和压敏电阻的变化量都是相等的，即:敏感原理采用的是压阻式信号检测原理，其核心是半导体材料的压阻效应。
压阻效应是指当材料受到外加机械应力时，材料的体电阻率发生变化的材料性能。
晶体结构的形变破坏了能带结构，从而改变了电子迁移率和载流子密度，使材料的电阻率或电导发生变化。
一根金属电阻丝，在其未受力时，原始电阻值为：最常用的半导体电阻材料有硅和锗，掺入杂质可形成P型或N型半导体。
其压阻效应是因在外力作用下，原子点阵排列发生变化，导致载流子迁移率及浓度发生变化而形成的。
由于半导体(如单晶硅)是各向异性材料，因此它的压阻效应不仅与掺杂浓度、温度和材料类型有关，还与晶向有关。
压阻效应的强弱可以用压阻系数来表征。
自动驾驶基础（六十九）--惯性测量单元（IMU）十五工业级及汽车级MEMS技术是相对消费级器件而言的，前者成本更高，但远低于传统光纤或环形激光陀螺仪技术。
这里将从消费级市场开始，说明我们所称的技术差别。
从多个角度看，这种技术差异都是值得关注的，正如前面所说的，目前市场上有很多应用，包括大量可穿戴技术和手机等，其动态角度估计能有几度的分辨率精度就够好了。
对于手机而言，若想知道图片的哪个方向朝上，精度只要大约45度就可以了。
在手机上查看不同的东西或玩游戏时，常常也只需要3到5度的精度。
再看偏向于工业应用的器件，您会要求其性能高出10倍以上，而且要能承受更恶劣的环境条件，这很重要。
使用成本不到10美元的器件时，年使用量可能是10,000只；再看工业级陀螺仪，使用量可能是数百只左右，成本可能是100美元，理解这一点很重要。
谈论简单运动和复杂运动时，想想它涉及到多少个轴。
我拿着手机，沿着一个方向转动，那么就是绕一个轴旋转。
这是相对简单的运动。
再想象有一辆无人驾驶汽车，沿着崎岖的路面高速行驶。
很显然，它会沿着各个方向跳动，因此可以预期，所有三个轴方向上都有运动，不光是三个轴，还有线性和旋转信息。
您会考虑需要什么样的精度，还有应用所处的条件。
从这里的说明可以看出，消费级设备在变得越来越好，但工业级设备也是如此。
随着时间推移，某些应用空间会成熟起来。
消费级设备可能跟上一些发展，并且帮助解决许多需求，但总是存在一系列不断发展的应用需要更高的性能水平，而且会有项目来证明为此付出额外的成本是值得的。
大量研究都发现了这样一个趋势：偏置和其他重要参数的长期稳定性与对传感器中的机械应力的管理好坏有关。
封装已变得非常重要。
往手机中添加东西时，需要把它做得尽可能小，成本尽可能低；不是任务需要的材料，每一微克都要从设备中去除。
自然，它们会更容易受物理应力影响。
甚至把手机放到口袋这样简单的事情也会导致封装弯曲，改变其特性。
对于这些事情，工业级IMU至少会在一阶上进行处理。
IMU惯性测量单元【IMU惯性测量单元简单介绍】（英文：Inertial measurement unit，简称IMU）是测量物体三轴姿态角(或角速率)以及加速度的装置。
一般的，一个IMU包含了三个单轴的加速度计和三个单轴的陀螺，加速度计检测物体在载体坐标系统独立三轴的加速度信号，而陀螺检测载体相对于导航坐标系的角速度信号，测量物体在三维空间中的角速度和加速度，并以此解算出物体的姿态。
在导航中用着很重要的应用价值。
为了提高可靠性，还可以为每个轴配备更多的传感器。
一般而言IMU要安装在被测物体的重心上。
【IMU惯性测量装置的工作原理】IMU惯性测量装置属于捷联式惯导，该系统有两个加速度传感器与三个方向的角速率传感器（陀螺）组成。
以当地水平指北系统为例，惯性平台始终保持地平坐标系,安装在平台上的3个互相正交的加速度计分别测出沿东西、南北和垂直方向的加速度分量,并输入计算机。
在消除加速度计误差、重力加速度和由于地球自转产生的科里奥利加速度影响后，得出运载体相对地平坐标系的位移加速度分量,再就t（从起始点到待测点的时间）进行两次积分，并考虑初始速度值，就可解算出相对前一起始点的坐标变化量，同相应起始点的经度λ0、纬度0和高程h0累加，就得到待定点的坐标。
电子计算机除了用观测数据计算点位坐标外，还根据一次积分后的速度分量和已知地球参数（仪器所在点的地球子午圈和卯酉圈曲率半径M和N，地球自转角速度ω），连续计算控制惯性平台的力矩信号W、W 和W，以便实时跟踪所选定的地平坐标系。
垂直加速度计的输出信号，实际是运载体垂直加速度与当地的重力加速度之和。
当运载体停止时，它的垂直加速度为零,这时从中消除非重力加速度之后,就得到当地的重力加速度。
运载体在运动过程中，由计算机通过陀螺仪控制惯性平台，不断地按参考椭球面的曲率进动。
由于加速度计误差、陀螺仪漂移和垂线偏差变化等因素的影响，运载体到达待测点停止时,平台将不平行于当地水平面,两个水平加速度计的输出不等于零。
imu单元参数摘要：1.IMU单元简介2.IMU单元参数概述3.常见IMU单元参数解析4.如何选择合适的IMU单元参数5.总结正文：近年来，IMU（Inertial Measurement Unit，惯性测量单元）在无人机、机器人、自动驾驶等领域得到了广泛应用。
IMU单元通过测量载体运动状态的六个自由度（三维角速度和三维加速度），为各类应用提供精确的姿态和位置信息。
为了确保IMU单元的性能和可靠性，合理设置参数至关重要。
本文将介绍IMU单元参数的概述、常见参数解析以及如何选择合适的参数。
1.IMU单元简介IMU单元通常由惯性传感器（如陀螺仪、加速度计）和高精度时钟组成。
在实际应用中，IMU单元需与其他传感器（如GPS、激光雷达等）结合使用，以实现更高精度的定位和姿态估计。
2.IMU单元参数概述IMU单元的参数主要包括以下几类：（1）传感器参数：包括传感器的类型、灵敏度、噪声等；（2）数据输出参数：包括数据输出频率、数据格式等；（3）滤波参数：包括滤波器类型、参数设置等；（4）校准参数：包括传感器校准、误差补偿等；（5）电源管理参数：包括工作电压、功耗等。
3.常见IMU单元参数解析（1）传感器参数：传感器的类型和灵敏度直接影响IMU单元的测量精度。
例如，高精度的MEMS陀螺仪和加速度计相较于传统机械式传感器具有更高的灵敏度和更低的噪声。
（2）数据输出参数：数据输出频率应根据实际应用需求进行选择。
一般来说，较高频率的数据输出可以提供更精确的姿态和位置信息，但同时也会带来更高的处理负担和功耗。
（3）滤波参数：滤波器的类型和参数设置对IMU数据的实时性和准确性有很大影响。
常见的滤波器类型包括低通滤波、高通滤波、带通滤波等。
滤波器的参数设置需根据实际应用场景进行调整，如截止频率、带宽等。
（4）校准参数：IMU单元在使用过程中，传感器误差和漂移会导致测量结果的偏差。
通过定期进行传感器校准和误差补偿，可以有效提高测量精度。
自动驾驶基础（六十七）--惯性测量单元（IMU）十三MEMS陀螺仪的重要参数包括：量程（动态范围）DYNANMIC RANGE，分辨率（Resolution）、零角速度输出（零位输出）、灵敏度（Sensitivity）。
这些参数是评判MEMS陀螺仪性能好坏的重要标志，同时也决定陀螺仪的应用环境。
下面我们把MEMS陀螺仪的主要性能参数列出来，并做简单介绍：·量程（动态范围） DYNAMIC RANGE陀螺仪的量程通常以正、反方向输入角速率的最大值来表示，比如：+/-300 degree/sec。
该值越大表示陀螺仪敏感角速率的能力越强，在此输入角速率范围内，陀螺仪刻度因子非线性度能满足规定要求，通常陀螺仪的量程是可以配置的。
·灵敏度（分辨率）SENSORTIVITY RESOLUTION灵敏度（分辨率）表示在规定的输入角速率下能感知的最小输入角速率的增量，比如：0.05 degree/sec/LSB。
一般而言MEMS陀螺仪的测量范围越大，灵敏度会相应降低。
分辨率是指陀螺仪能检测的最小角速度，该参数与零角速度输出其实是由陀螺仪的白噪声决定。
•零角速度输出（零位输出）ZERO OUTPUTMEMS陀螺仪的误差主要包括零位误差和动态误差，一般重点对零位误差做处理。
零位误差又分为零值偏移误差和随机漂移误差，目前对MEMS陀螺仪零位误差的估算方法主要包括1σ和Allan方差两种方法。
1σ方法得到的是误差的总体指标，Allan方差分析法可以对误差的各种成分进行有效的分析。
目前对零值偏移误差的补偿方法比较简单，一般采用在静态条件下测定零值偏移常量，在应用中通常采用对其一次性的零值偏移补偿的方法。
在陀螺仪长时间工作以及外界环境发生变化条件下，零值偏移量并非恒定值，所以这种简单的零值偏移误差补偿方法存在很大的缺陷。
对陀螺仪的随机漂移误差补偿，目前常采用Kalman滤波的方法，因这种方法具有较好的实时性得到了广泛的引用，但是Kalman滤波法要求信号必须是平稳时间序列，且要知道信号的激励噪声和观测噪声的方差。
自动驾驶基础（六十四）---惯性测量单元（IMU）十现在随着陀螺仪的发展，技术越来越成熟，陀螺仪的结构和原理都有着很大的变化。
由于设备对偏转度的要求越来越精准，已经出现了高精度陀螺仪这一概念，完全不局限在传统的机械陀螺仪当中。
所以，对于陀螺仪的分类，除了上述按照陀螺仪的发展阶段以及技术特点的分类外，还可以按照陀螺仪的精度性能来分类。
陀螺漂移是陀螺仪性能高低的主要表征。
陀螺漂移是由于制造上的缺陷及干扰产生的偏离稳定的输出，用度/小时表示。
按照精度性能，陀螺仪可分为以下三类：1. 高精度陀螺（惯性级）陀螺漂移率优于0.001度/小时（1σ），主要用于洲际导弹、核潜艇、远程运载火箭、战略轰炸机等战略武器。
2. 中精度陀螺（导航级）陀螺漂移率优于0.01度/小时（1σ），用于战术飞机、水面舰船、先进战车以及各类新型导弹等的导航与制导。
3. 低精度陀螺（速率级）陀螺漂移率为0.1~1度/小时（1σ），用于工作时间较短的、精度要求相对较低的惯性系统，如各类战术武器、各种稳瞄平台、无人运载器、飞机航姿系统等。
以漂移率优于0.01度/小时（1σ）的导航级陀螺为例，它能使用户获得大约1海里/小时的位置精度和1毫弧度的方位精度。
而漂移优于0.01度/小时的概念是，它必须能测量1/1000的地球自转角速率（地球自转角速率为15.0411度/小时）。
这意味着，这种仪表应能测量相当于每3年（几乎1000天）旋转1圈的物体的旋转角速度。
如果是在捷联式惯性导航系统的机械编排下，它还必须能测量运载体全部的旋转角速率，这个角速率可能是3000度/秒（约107度/小时）或更高。
因而，导航级陀螺必须具有10-2~107度/小时的动态范围，跨度约为9个数量级。
大多数导航系统还要求这种测量非常频繁地进行，为100~200次/秒。
如此苛刻的要求就是陀螺仪表如此复杂和昂贵的原因。
下面就来介绍一下，近年来成功开发的高精度陀螺仪。
一. 静电陀螺仪虽然传统的机械陀螺仪已经满足不了用户、或是场景变换上的精度需求了，但并不意味着包含转子结构的陀螺仪已经完全退出了高精度陀螺仪队伍当中。
IMU惯性测量单元【IMU惯性测量单元简单介绍】（英文：Inertial measurement unit，简称IMU）是测量物体三轴姿态角(或角速率)以及加速度的装置。
一般的，一个IMU包含了三个单轴的加速度计和三个单轴的陀螺，加速度计检测物体在载体坐标系统独立三轴的加速度信号，而陀螺检测载体相对于导航坐标系的角速度信号，测量物体在三维空间中的角速度和加速度，并以此解算出物体的姿态。
在导航中用着很重要的应用价值。
为了提高可靠性，还可以为每个轴配备更多的传感器。
一般而言IMU要安装在被测物体的重心上。
【IMU惯性测量装置的工作原理】IMU惯性测量装置属于捷联式惯导，该系统有两个加速度传感器与三个方向的角速率传感器（陀螺）组成。
以当地水平指北系统为例，惯性平台始终保持地平坐标系,安装在平台上的3个互相正交的加速度计分别测出沿东西、南北和垂直方向的加速度分量,并输入计算机。
在消除加速度计误差、重力加速度和由于地球自转产生的科里奥利加速度影响后，得出运载体相对地平坐标系的位移加速度分量,再就t（从起始点到待测点的时间）进行两次积分，并考虑初始速度值，就可解算出相对前一起始点的坐标变化量，同相应起始点的经度λ0、纬度0和高程h0累加，就得到待定点的坐标。
电子计算机除了用观测数据计算点位坐标外，还根据一次积分后的速度分量和已知地球参数（仪器所在点的地球子午圈和卯酉圈曲率半径M和N，地球自转角速度ω），连续计算控制惯性平台的力矩信号W、W 和W，以便实时跟踪所选定的地平坐标系。
垂直加速度计的输出信号，实际是运载体垂直加速度与当地的重力加速度之和。
当运载体停止时，它的垂直加速度为零,这时从中消除非重力加速度之后,就得到当地的重力加速度。
运载体在运动过程中，由计算机通过陀螺仪控制惯性平台，不断地按参考椭球面的曲率进动。
由于加速度计误差、陀螺仪漂移和垂线偏差变化等因素的影响，运载体到达待测点停止时,平台将不平行于当地水平面,两个水平加速度计的输出不等于零。
自动驾驶基础——惯性测量单元（IMU）展开全文本文介绍了IMU在自动驾驶技术中的重要作用，严格来讲，单纯的IMU只提供相对定位信息，即自体从某时刻开始相对于某个起始位置的运动轨迹和姿态。
评价自动驾驶汽车的技术指标很多，目前最受关注的主要是安全性、成本和运营范围（也就是SAE自动驾驶分级L1- L5的等级划分中的ODD,设计运行域Operational Design Domain）。
这三个指标是相互关联的，例如，运营范围越小，应用场景越简单，成本越低，同时安全性越高，反之亦然。
因此竞争焦点在于，谁能在更大的运营范围内提供更安全和更低成本的解决方案，或提供支持这种方案的核心器件。
从目前的情况看，园区或室内的自动驾驶技术已经日趋成熟，而开放道路，尤其是城市环境下的全自动驾驶技术仍然处于研发和测试阶段。
这里面固然有感知层面的问题，目前的传感器对开放道路上的行人、动物等目标的检测能力仍然有待提高，但另一个容易被忽视的问题是定位的难度。
在一个不大的固定区域内，定位问题可以通过基础设施改造和SLAM技术解决；在室内，UWB定位可以达到厘米级精度。
然而，如果要设计一个可以在更大范围内自动驾驶的汽车，高精定位就成为一个挑战。
对于一辆自动驾驶汽车来说，高精定位有两层含义：·得到自车与周围环境之间的相对位置，即相对定位；·得到自车的精确经纬度，即绝对定位。
看到这里，很多人的第一反应是，人自己开车的时候，从来不知道自己的经纬度，为什么自动驾驶汽车一定要做绝对定位呢？其本质原因还是在于环境感知能力的差异。
人类可以仅凭双眼（和一些记忆、知识）就能精确地得出周围的可行驶区域、道路边界、车道线、障碍物、交通规则等关键信息，并据此控制汽车安全地行驶。
然而目前人类所设计的传感器和后处理算法还无法达到同样的性能。
因此，自动驾驶汽车对于周边环境的理解需要高精地图、联合感知等技术的辅助。
高精地图可以把由测绘车提前采录好的、用经纬度描述的道路信息告诉车辆，而所有的车辆也可以把实时感知得到的、用经纬度描述的动态障碍物的信息广播给周围的车辆，这两个技术叠加在一块，就可以大大提高自动驾驶汽车的安全性，从而拓展它们的运营范围。
之所以使用经纬度来描述这些信息，是因为不同的车辆，包括采集高精地图的测绘车在内，必须使用同一个观测坐标系才能共享观测的信息，而目前世界上最通用的观测坐标系就是由经纬度定义的坐标系，对绝对定位的需求就来自这里。
众所周知，GPS可以为车辆提供精度为米级的绝对定位，差分GPS或RTK GPS可以为车辆提供精度为厘米级的绝对定位，然而并非所有的路段在所有时间都可以得到良好的GPS信号。
因此，在自动驾驶领域，RTKGPS的输出一般都要与IMU，汽车自身的传感器（如轮速计、方向盘转角传感器等）进行融合。
其中，IMU的全称是Inertial Measurement Unit，即惯性测量单元，通常由陀螺仪、加速剂和算法处理单元组成，通过对加速度和旋转角度的测量得出自体的运动轨迹。
我们把传统的IMU和与车身、GPS等信息融合的算法组合在一起的系统称为广义的、针对自动驾驶的IMU。
精确测量方向在一系列领域中起着关键作用，包括：航空航天、机器人、导航和人体运动分析和机器交互。
虽然多种技术能够测量方位，但基于惯性的感知系统的优点是完全独立，因此测量实体既不受运动限制，也不受任何特定环境或位置的限制。
惯性测量单元(IMU)由陀螺仪和加速度计组成，能够跟踪旋转和平移运动。
为了进行三维测量，需要由三个相互正交的敏感轴组成的三轴传感器。
这也被称为自由度(DoF)，三轴陀螺仪和三轴加速度计集成的IMU称为6DOF IMU。
而MARG (磁性，角速度和加速度)传感器是一种混合IMU，它包含三轴磁强计，也被称为九轴IMU（或者9DOF IMU）。
6DOF普通IMU 就只能测量相对于重力方向的姿态，这对于许多应用来说都是足够的。
MARG系统(9DOF IMU)也被称为AHRS(姿态和航向参考系统)，能够提供相对于重力方向和地球磁场的方向的完整测量。
方位估计算法是任何IMU或MAG系统的基本组成部分。
需要将单独的传感器数据融合到一个单一的、最优的方位估计中。
前文介绍了IMU在自动驾驶技术中的重要作用，严格来讲，单纯的IMU只提供相对定位信息，即自体从某时刻开始相对于某个起始位置的运动轨迹和姿态。
然而，将IMU的相对定位与RTK GPS的绝对定位进行融合后，就产生了两个无可替代的优点：（1）IMU可以验证RTK GPS结果的自洽性，并对无法自洽的绝对定位数据进行滤波和修正；一个简单的例子是，如果RTKGPS输出汽车的绝对位置在短时间内发生了很大的变化，这意味着汽车有很大的加速度，而此时IMU发现汽车并不具备这样的加速度，就表明RTK GPS的定位出了问题，应该由IMU来接管绝对定位系统；（2）IMU 可以在RTKGPS信号消失之后，仍然提供持续若干秒的亚米级定位精度，为自动驾驶汽车争取宝贵的异常处理的时间。
同样的道理，IMU 也可以在相对定位失效时，对相对定位的结果进行航迹推演，在一段时间内保持相对定位的精度；例如，在车道线识别模块失效时，基于失效前感知到的道路信息和IMU对汽车航迹的推演，仍然能够让汽车继续在车道内行驶。
在上图中，自动驾驶汽车驶入高楼林立的区域，失去了卫星信号，无法由GPS提供绝对定位，此时，IMU可以发挥其延续绝对定位的作用，在没有GPS信号的区域为汽车提供绝对定位信息，这些信息包括汽车的实时经纬度和海拔高度，体现了IMU在绝对定位中的作用。
在上图中，自动驾驶汽车通过车道线识别功能确保自身在道路中行驶。
在遇到强烈太阳光照射的情况下，车道线识别功能失效。
此时，IMU可以发挥其延续相对定位的作用，根据历史记录中的道路曲率与汽车相对于车道边界的历史位置，确保汽车在一段时间内继续行驶在车道中。
形象地体现了IMU在相对定位中的作用。
目前，大家对于自动驾驶系统在部分功能单元失效情况下的行为讨论的不多，但一个基本的共识是，功能单元缓慢失效比突然失效更安全，有预警的失效比无意识的失效更安全。
IMU与其它相对或绝对定位系统结合使用后，使得定位系统即便失效，也是一个缓慢的、可预警的过程。
这里举一个具体的例子来说明功能单元缓慢而有预警地失效的重要性。
假如一辆自动驾驶汽车在有车道线的路上行驶，它对道路边界的判定由高精地图和车道线识别系统通过融合得到，其中高精地图必须配合高精定位才能使用（我们暂时不考虑带有道路指纹的高精地图）。
这时汽车进入了高楼林立的区域，GPS失去了信号，由IMU接管绝对定位，同时提供相对于此时此地的相对定位；而车道线识别系统有1%的概率完全找不到任何车道线和道路边界。
那么，在99%的正常情况下，汽车可以切换到车道保持或ACC模式进行安全行驶，在1%的极端状况里，汽车可以根据IMU的相对和绝对定位信息，配合之前感知到的车道线信息和高精地图，安全地减速或停车，并提示人工接管驾驶，在整个过程中可以确保安全。
反过来说，如果汽车没有IMU，在同样的情况下，就有1%的概率无法得到自车相对于车道线和道路边界的位置，汽车将完全成为高速奔跑的瞎子，即使急刹车也随时有发生碰撞的危险。
在实际系统中，高精地图可以通过标志、道路指纹等方式提供绝对定位，车道线识别也可以基于各种不同传感器，这相当于把上述1%的碰撞概率降低若干个数量级，然而这对于高速场景下的乘用车和商用车来说还远远不够。
无论这个概率有多低，都需要有一个技术来最后处理这个概率条件下的极端工况，也就是说需要最后一道安全防线。
为什么自动驾驶系统在定位领域的最后一道防线是IMU，而不是其它技术呢？主要原因有三个。
第一，IMU对相对和绝对位置的推演没有任何外部依赖，是一个类似于黑匣子的完备系统；相比而言，基于GPS的绝对定位依赖于卫星信号的覆盖效果，基于高精地图的绝对定位依赖于感知的质量和算法的性能，而感知的质量与天气有关，都有一定的不确定性。
第二，同样是由于IMU不需要任何外部信号，它可以被安装在汽车底盘等不外露的区域，可以对抗外来的电子或机械攻击；相比而言，视觉、激光和毫米波在提供相对或绝对定位时必须接收来自汽车外部的电磁波或光波信号，这样就很容易被来自攻击者的电磁波或强光信号干扰而致盲，也容易被石子、刮蹭等意外情况损坏。
第三，IMU对角速度和加速度的测量值之间本就具有一定的冗余性，再加上轮速计和方向盘转角等冗余信息，使其输出结果的置信度远高于其它传感器提供的绝对或相对定位结果。
当然，IMU也有其局限性，主要是价格昂贵。
目前市面上主流的、能够在GPS丢失后10秒内提供车道级定位的IMU的价格在数千美元以上，且均为进口，成为除激光雷达之外，自动驾驶汽车的另一个成本瓶颈。
值得欣慰的是，国内已经有初创公司致力于研发具有自主知识产权的，针对自动驾驶专用的IMU，有望将其成本降到1万元以下并保持精度不变。
当自动驾驶时代来临，高精地图及高精定位将会成为高级别智能网联汽车的重要配置，高精度IMU也将会成长为一个百亿级的市场。
在自动驾驶纷繁复杂无法穷举的工况中，IMU以其超高的置信度、完全无需外部依赖的特性，以及强大的抗干扰能力，像一颗定海神针，为自动驾驶的定位系统提供最后一道安全保障。
自动驾驶的核心内涵包括定位、感知、决策、执行四个部分，其中定位是决策和执行的前提。
定位系统主要作用是确定车辆所处的绝对位置；感知层的主要作用是收集和解析出周围环境的信息；决策层基于对当前位置和周围环境的理解，做出实时的安全有效的执行计划；执行层则是按照决策层的计划进行。
定位系统主要是以高精地图为依托，通过惯性传感器（IMU）和全球定位系统（GNSS），来精确定位车辆所处绝对位置。
其中，高精地图可以为车辆环境感知提供辅助，提供超视距路况信息，并帮助车辆进行规划决策。
惯导系统是一种不依赖于外部信息、也不向外部辐射能量的自主式导航系统；而全球定位系统是通过卫星定位，在地球表面或近地空间的任何地点，提供三维坐标和速度的定位系统。
二者的结合就可以取长补短，共同构成自动驾驶定位导航系统。
感知层主要功能是对环境信息和车内信息进行采集与处理，例如车辆的速度，方向，运动姿态和交通状况等，并向决策层输出信息。
这一环节涉及到道路边界检测、车辆检测、行人检测等多种技术，所用到的传感器一般有激光雷达、摄像头、毫米波雷达、超声波雷达等。
由于各个传感器在设计的时候有各自的局限性，单个传感器满足不了各种工况下的精确感知，想要车辆在各种环境下平稳运行，就需要运用到多传感器融合技术，该技术也是环境感知这一大类技术的关键所在。
决策层的作用在于接收来自车体自身感知器件以及来自车联网的网络虚拟空间信号，通过整合车载或云端处理结果，替代人类进行决策判断，输出车辆控制信号。
