自動駕駛定位團隊中有位高權重的九代長老GNSS，有顏值擔當的華山師妹SLAM，也有雄踞一方的邊塞將軍UWB。每人都練就了一門絕世武功，GNSS修煉的是室外吸“星”大法，SLAM修煉的是勾魂攝魄妖法，UWB修煉的是近身搏擊之術。

然而每門絕世武功在自動駕駛圈都有一個眾人皆知的致命缺點，GNSS在有遮擋的環境下功力全失，SLAM在特征重復或缺失的地方威力大減，UWB在面對飛鏢遠戰對手時束手無策。自動駕駛定位團隊要想克服長尾問題從而獲得小數點后好幾個9的安全性，勢必還需要一位成員。幾經挑選與面試，IMU脫穎而出，修煉的是互補的“玉女心經”，小而美，卻被認為是自動駕駛定位團隊奪冠的最后一塊拼圖。

一個經典的配合場景是：GNSS在隧道場景完全失去作用，這個時候可以應用SLAM，進行局部定位與匹配，但是在隧道內特征缺失、重復，車道線缺失的時候，SLAM還是存在一定的概率失效，這樣的小概率長尾問題一定會存在但又必須要解決。而這個時候IMU的“玉女心經”便可以發揮作用，結合之前感知的車道線信息和高精地圖，IMU可以保持一段時間相對定位的準確，待汽車離開隧道GNSS定位重新接管或SLAM匹配到合適特征或直接執行最小風險策略。

本文就深挖IMU小和美的特點，看她修煉的玉女心經有什么神奇之處。

基本介紹

IMU（Inertial Measurement Unit，慣導測量單元），標配版本集成了一個三軸加速度計和一個三軸陀螺儀，俗稱六軸IMU。高配版本再多集成一個三軸的磁力計，俗稱九軸IMU。加速度計可以測量物體在其坐標系下的三軸加速度，陀螺儀可以測量物體在其坐標系下的三軸角速度，通過對加速度和角速度數據進行積分運算，可以解算出物體一個相對的定位信息。

與GNSS一樣，IMU也是起源于軍工。長期以來，受限于之前高昂的成本，IMU僅為國防和航天所用。俄羅斯的導彈如何能準確擊中烏克蘭的軍事目標而不誤傷民用建筑，其中便有IMU的巨大苦勞。隨著價格更加親民的MEMS（Micro-Electro-MechanicalSystem，微機電系統）加速度計和陀螺儀出現，普通民眾才開始享受IMU的紅利。手機屏幕的自動旋轉功能、智能手環的計步功能、虛擬現實頭盔、無人機，無不是IMU發光發熱的地方。

加速度計原理

每一軸的加速度計都可以簡化為如下等效模型，包括一個質量塊、兩根彈簧和一個指示針，如下圖所示。

                           

當將上圖三個加速度計封裝起來固定在汽車上，在汽車靜止時，受重力影響，質量塊會往一個方向壓縮，并最終實現平衡，這個時候根據指示針位移計算的加速度為重力在各個坐標軸下的分量。

當汽車開始加減速行駛，質量塊由于慣性作用，會往車輛移動方向相反的方向移動，而這個時候指示針的位移變化量正比于汽車加減速度的變化量，利用這些數據，我們就可以計算汽車在任意時刻的加減速度，計算公式如下：

式中，am為所求汽車相對加減速度，f為彈簧所受的壓力，g為重力加速度在坐標系各軸下的分量。

一個接近真實MEMS加速度計的結構如下圖所示，中間的橙紅色物體為一個質量塊，兩頭通過具有彈簧性質的長條結構與基底相連，橙紅色的短柵與淡綠色的短柵分別為電容的極板。當基底在下圖黑色雙箭頭方向有加速度時，質量塊會沿加速度相反的方向移動，這就導致橙紅色極板與淡綠色極板之間的距離發生變化。通過測量極板電容C的變化就可以得到加速度的大小。在三軸加速度計中，這樣的結構在三個方向各有一個，且做到了微米的尺寸，并配合相應的測量電路集成在一個芯片中，構成一個三軸MEMS加速度計。

陀螺儀測量原理

寫到這里時，筆者開始懷疑人生，將搜到的資料通讀了一遍，愈加迷惑陀螺儀的測量原理。有的美女小編說是基于角動量守恒定律，有的摳腳大漢說是基于科里奧利力，還有不講武德的“老師”說是基于角動量守恒定律下的科里奧利力。粗看這些資料，除了邏輯性有所欠缺，所講也都能自圓其說。

筆者一邊從墻邊搭了個梯子，爬到墻外搜集資料，一邊重讀之前搜到的資料，終于在萬物復蘇的一個深夜有所開竅。并由此堅定了公眾號分享自動駕駛軟硬件基礎知識的動力：讓準備邁入自動駕駛領域大門的新人，少走一點彎路，少受一點誤導；讓自動駕駛基礎知識科普領域，多一份有效數據。

無論角動量守恒定律還是科里奧利力，都是陀螺儀的測量原理之一。但應用的陀螺儀類型不同，最早的機械轉子式陀螺儀是基于角動量守恒定律，而今天廣泛應用的MEMS陀螺儀是基于科里奧利力。不加前綴，一通介紹，收獲了流量，誤導了子弟，浪費了時間，增加了無效數據。

我們就從最早的機械轉子式陀螺儀來講起。1850年，法國物理學家J.Foucault研究地球自轉時發現，高速轉動中的轉子，在沒有外力作用時，它的自轉軸永遠指向一個固定方向，并用陀螺儀命名這種裝置。陀螺儀被發明以后，首先在航海領域嶄露頭角，隨后在航空領域大放異彩，畢竟在萬米高空，沒有儀器輔助是很難靠肉眼辨別方向，而飛行中看不清方向的話，危險性又可想而知。

 

機械轉子式陀螺儀最核心部分是高速旋轉的陀螺轉子和陀螺主軸，通過在陀螺主軸上加一內環架，便構成單自由度陀螺儀（總共兩自由度）。在內環架外再加一外環架，便構成雙自由度陀螺儀（共有三自由度）。再輔以驅動陀螺轉子高速旋轉的力矩馬達，信號傳感器等，便構成了一個完整的陀螺儀。

機械轉子陀螺儀基于角動量守恒定律的兩個重要特性來實現角速度測量：定軸性和進動性。

（1）定軸性是指陀螺轉子高速旋轉時，在沒有任何外力作用在陀螺儀上時，陀螺儀的自轉軸在慣性空間中的指向保持穩定不變，即指向一個固定的方向。

（2）進動性是指陀螺轉子高速旋轉時，若外力矩作用于外環軸，陀螺主軸將繞內環轉動。若外力矩作用于內環軸，陀螺主軸將繞外環轉動。轉動角速度方向與外力矩作用方向相互垂直。

下面我們以單自由度陀螺儀解釋角速度測量原理，單自由度陀螺儀簡化模型如下圖所示，x，y，z分別為陀螺儀的三個軸。假設基座是固定在汽車上，y軸為汽車的前進方向。當汽車繞y軸或z軸旋轉時，內環具有隔離運動的作用，陀螺轉軸不會隨輪船轉動而轉動。但當汽車繞x軸轉動時，會產生一對力F作用在內環上，形成力矩mx,沿x軸方向。由于陀螺儀沒有該方向的轉動自由度，力矩mx使陀螺主軸繞內環y軸進動。因此測量y軸的角速度即可測量汽車在x軸的角速度，具體建模求解過程需要基于動量矩定理，需要買本物理書來從頭看起，筆者目前暫無精力再一點一點推導下去了。

隨著物理學的不斷進步，陀螺儀的類型也越來越多，精度也越來越高。目前熟知的有光纖陀螺儀、激光陀螺儀和MEMS陀螺儀。MEMS陀螺儀雖然精度不如光纖和激光陀螺儀，但其體積小、功耗低、成本低、易于批量生產等特點，使其成為自動駕駛領域非常重要的一塊拼圖。

 

MEMS陀螺儀的角速度測量原理便是基于一種非真實存在的力—科里奧利力。這是一種非慣性參考系下引入的慣性力，引入之后便可以應用牛頓經典力學定律。我們假設一個黑色質量塊以特定的速度V沿著一個方向移動，如下圖橙紅色箭頭所示。當一個外部角速率被施加時，如綠色箭頭所示。這個時候將產生一個力，如藍色箭頭所示，這個力將導致質量塊發生相比于施加角速度方向的垂直位移。

一個接近真實MEMS陀螺儀的結構如下圖所示，外側的藍色與黃色部分別為驅動電極，它們在驅動方向施加交變電壓，使內部的紅色質量塊以及紅色的測量電極沿著驅動方向作往返運動。紅色質量塊兩頭通過有彈簧性質的綠色長條結構與基底相連，紅色的短柵與內側藍色的短柵為電容的極板。當基底發生如下圖所示的綠色箭頭旋轉時，質量塊在科里奧利力的作用下將產生下圖黑色箭頭所示垂直方向的運動。且質量塊周期運動的幅值與施加的角速度成正比，通過測量質量塊上的紅色電極和固定在底座上藍色電極之間的電容，便可以得到角速度的大小。

應用價值

IMU可以輸出高頻（100/200HZ/2000HZ）定位和姿態數據，具有優秀的短期定位精度。相對定位數據的推算沒有任何外部依賴，類似于黑匣子。但是單一IMU存在以下缺點：

（1）由于解算模塊存在積分計算，因此存在累積誤差，而且隨著時間的增長，誤差會越來越大；

（2）高頻振動會降低IMU的可靠性和精度；

（3）高精度的IMU成本（光纖陀螺）依舊很高。

這樣的缺點也決定IMU在自動駕駛定位團隊的角色：關鍵先生。

關鍵場景一：與GNSS進行深耦合，提升GNSS在部分遮擋的環境（高樓林立的城市、高大金屬林立的港口等）下的定位精度和穩定性。

在部分遮擋環境下，衛星信號時有時無、時好時壞（接收衛星信號的數量多時40多顆，少時個位數）。此時極易出現頻繁失鎖、觀測量跳變等容易引發定位異常的現象。

而將IMU的部分數據直接送到GNSS基帶芯片里，輔助信號跟蹤，可以極大提高部分遮擋環境下多普勒的估計準確度。從而提高遮擋環境下載波相位、偽距等觀測量的精度和連續性，減少觀測量中斷和跳變。最終極大提高GNSS在部分遮擋環境下的定位精度和穩定性。

關鍵場景二：將定位系統的失效變得緩慢和可預警。

一輛在城市次干路行駛的自動駕駛車輛，在空曠區域依靠高精地圖和高精定位實現穩定的自動駕駛功能。但當車輛行駛進了高樓林立的區域，GNSS無法提供固定解。此時依舊可以依賴車道線識別，切換到單車道的ACC和LKA模式進行安全行駛。但是存在可能0.1%的概率，車道線存在較大距離缺失，如果沒有關鍵先生，車輛要么緊急剎車要么猶如瞎子一樣亂竄。

但是在這0.1%的Corner Case中，如果有關鍵先生IMU，汽車就可以根據IMU提供的相對定位信息，配合之前感知到的車道線信息和加載的高精地圖數據，進行安全的減速直至停車，并提示進行人工接管。

一篇文章中提到一個觀點非常中肯：功能單元緩慢失效比突然失效更安全，有預警的失效比無意識的失效更安全。IMU與其它相對或絕對定位系統結合使用后，使得定位系統即便失效，也是一個緩慢的、可預警的過程。

小結

IMU的“小而美”并非浪得虛名，其在自動駕駛團隊的曝光度遠不如其他成員。 IMU有點像自動駕駛團隊中的產品經理，前期無法承擔定義自動駕駛產品的核心功能，像部分網友吐槽的： 研發大佬賞口飯吃的程序員鼓勵師，除了愉悅身心似乎用處沒那么大。

但自動駕駛產品真正開始量產時，0.1%的定位失效率在100萬輛車規模下將被不可容忍。IMU擔負便是將失效率小數點往后多挪幾個位，正如自動駕駛產品經理的使命，將99.9%完善的自動駕駛產品小數點往后多挪幾個位。