IMU传感器：它不看外面，只感受自己正在经历怎样的运动：手机自动横竖屏切换、无人机悬停不倒、汽车安全气囊在碰撞瞬间弹出，靠的都是IMU。
一、最直观的类比：闭上眼睛，为什么还能感觉到“在动”
坐在加速的车里，哪怕闭紧双眼，你依然能感觉到“被往后推”；原地转圈，哪怕闭着眼，你也能感觉到“在转”。这些感觉是来自我们内耳里的一套精巧结构：耳石器官负责感受直线加速度，三个互相垂直的半规管负责感受旋转角速度。IMU做的正是同一件事，只是把耳石、半规管这些生物结构换成了硅片上的微型机械结构——加速度计对应耳石器官，陀螺仪对应半规管，两者组合起来，就能让一个毫无“视觉”的设备，仅凭“体感”知道自己正在往哪个方向加速、正在绕哪个轴旋转。
二、加速度计：一个被弹簧吊住的“质量块”
MEMS加速度计的核心结构：一个微小的质量块，被弹簧结构悬吊在芯片内部，两侧各有一片固定电极，和质量块之间构成电容。设备静止或匀速运动时，质量块安稳地待在中间位置，两侧电容相等；一旦设备开始加速，根据牛顿第一定律，质量块会因为惯性“跟不上”外壳的运动，相对外壳发生一个微小的位移，这个位移让两侧电容变得不相等，电容差值经过电路转换，就能算出准确的加速度大小和方向。这套“弹簧吊质量块、测电容变化”的结构，和MEMS麦克风原理几乎是同一个思路——只是麦克风测的是声压带来的振膜位移，加速度计测的是惯性带来的质量块位移。
加速时，质量块因惯性相对外壳发生微小位移，两侧电容值随之变化，换算出加速度大小和方向
上面这张图是简化示意——实际量产的MEMS芯片里，平行板电容器的感应面积和灵敏度都很有限，真实结构要精巧得多：
真实结构：质量块两侧伸出成百上千根“梳齿”电极，和固定梳齿交错排列，在有限面积里凑出更大的总电容
俯视看去，质量块的边缘伸出许多细密的“梳齿”，和芯片基座上固定不动的梳齿交错排列，每一对交错的梳齿都构成一个微型电容，几十上百对梳齿并联起来，就能在同一块微小的芯片面积里“凑”出远大于单个平行板电容器的总电容变化量——这也是MEMS传感器能做到既小巧又足够灵敏的关键工艺细节，同样的设计思路也用在陀螺仪的振动结构里。说白了：加速度计测的不是“速度”，而是“被推的力度”：静止和匀速直线运动，在加速度计眼里是完全一样的。
三、陀螺仪：靠科里奥利力，把“转动”变成“振动”
MEMS 陀螺仪的原理比加速度计精巧一些，核心是一个物理现象：科里奥利效应——一个正在振动的物体，如果整体又发生了旋转，振动方向会被“掰”出一个额外的、垂直于原振动方向的分量，这个分量的大小恰好和旋转的角速度成正比。
质量块持续在已知方向高频振动；一旦整体旋转，科里奥利力会在垂直方向“掰”出一个正比于角速度的额外振动
MEMS陀螺仪内部有一个质量块被持续驱动，沿着一个固定方向做高频振动——这个驱动振动的方向和幅度都是已知的；一旦整个芯片跟着外壳转动，科里奥利力就会在垂直方向上叠加出一个新的微小振动，测出这个垂直振动的幅度，就测出了转动的角速度。这也是为什么陀螺仪测的是“转多快（角速度）”，而不是“转了多少度（角度）”——角度需要把角速度对时间做积分才能得到。
四、9轴是什么意思：再加一个磁力计
加速度计和陀螺仪各自负责三个轴（X/Y/Z），合起来就是常说的6轴IMU。不少产品还会再加一个磁力计，同样测三个轴，凑成9轴。为什么需要磁力计？加速度计和陀螺仪测的都是“相对”信息——相对自己上一时刻的状态发生了多少变化，随着时间推移会不可避免地积累误差；磁力计则能感知地球磁场的绝对方向，相当于一个内置的“指南针”，为姿态估计提供一个不会随时间漂移的绝对参考基准，专门用来修正陀螺仪的方向误差。它测磁场靠的是霍尔效应：一片通有电流的导电薄片放进磁场里，薄片里的载流子会受洛伦兹力偏转，薄片两侧随之出现一个正比于磁场强度的微小电压。三个方向各放一片霍尔器件，就能测出地磁场在X/Y/Z三个轴上的分量，进而推算出设备相对地磁北极的绝对朝向。需要注意的是，磁力计很容易被附近的铁磁性物体或强电流干扰（如金属桌面、电机、扬声器磁铁），实际使用前通常需要做一次“八字校准”，让设备在空间中转动画出立体八字轨迹，帮助算法识别并扣除周围环境的磁场干扰。
五、陀螺仪的“漂移”：误差会越积越多
陀螺仪每一次测量都不可避免地带有微小误差，而角度是把角速度持续对时间做积分才能得到的——积分意味着误差会不断叠加、越积越多，时间越久，估算出的角度和真实角度偏离得越远，这就是漂移。
这也是为什么单纯依赖陀螺仪的设备，放久了方向会“越走越偏”——哪怕设备其实纹丝未动，积分出来的角度也会慢慢飘走。想要长期保持准确，必须靠其他信息源periodically“拉”它回到正确的轨道上，这正是传感器融合要解决的问题。
六、传感器融合：让长处互相补位
加速度计和陀螺仪的误差特性刚好互补：加速度计短期内容易受到振动、外部冲击干扰，噪声较大，但长期来看不会像陀螺仪那样持续漂移；陀螺仪短期内响应快、精度高，但长期会积累出明显偏差。
取加速度计的低频（长期稳定）部分，取陀螺仪的高频（短期精确）部分，融合后得到既灵敏又不漂移的姿态估计
最简单的融合方法叫互补滤波：让加速度计的数据只通过一个低通滤波器（只信任它长期、缓慢变化的部分），让陀螺仪的数据只通过一个高通滤波器（只信任它短期、快速变化的部分），两路信号相加，就得到一个既响应灵敏又不会长期漂移的姿态估计。更精细的做法是卡尔曼滤波，它会持续估算每个传感器当前的可信程度，动态调整两者的融合权重，比固定参数的互补滤波更精确，也是目前工业界最常用的融合方案。手机、无人机、AR/VR设备里的“姿态感知”，背后都是这套算法在实时运行。
对四元数进行低通滤波远优于直接对欧拉角滤波，姿态角并非完全不能滤，而是严禁直接对解算后的欧拉角单独低通；工程上最优方案是四元数低通滤波后，再解算为欧拉角。
在一些特殊场景，对姿态滤波还是有必要的。那么如何对姿态进行滤波呢？你是不是也觉得，不就是给横滚、俯仰、航向三个角度分别加个低通吗？No No No！
一）万向锁：姿态滤波的噩梦
无论是321转序还是231转序，都存在无法跳过的一步，万向锁奇异值。如231转序，在俯仰角±90°时航向与横滚耦合，滤波会加剧角度跳变、姿态失真，无法描述全姿态；如果你说，我姿态稳定，机动小，坚决不跨90°，就没有万向锁，是不是就可以对欧拉角滤波了？那是你想简单了。
二）跨360°跳变: 隐形的大坑
欧拉角滤波存在跨360°跳变的问题，在航向角这类周期性角度上表现得最明显。欧拉角是周期性的（0°~360°）或者±180°，当角度从359°跳变到0°（或从0°跳变到359°）时，在数值上会产生一个359°的突变。低通滤波的核心逻辑是“平滑连续的信号变化”，它会把这种跳变误判为“剧烈的噪声或运动突变”，从而强行平滑这个跳变，导致滤波后的角度出现异常。如果你就要直接滤波欧拉角，而且我也不怕计算复杂，不怕万向锁，如何对欧拉角滤波呢？那就必须对角度做“解缠绕”处理：1.检测角度跳变（如当前角度与上一角度的差值＞180°）。2.对角度进行补偿（如跳变时给当前角度±360°，让数值连续），记录补偿量。3.进行滤波。4.再还原为0°~360°范围。
三）欧拉角分量耦合
欧拉角三个轴并不是互相独立的，本身是有旋转顺序的，分别对横滚/俯仰/航向滤波，会打破刚体姿态的整体物理约束，出现“平滑但不符合实际运动”的角度，解算偏差莫名放大。姿态滤波这件事，选四元数就对了，别再跟欧拉角死磕了！
七、姿态怎么表示：三个角度会“卡死”
融合算法算出姿态之后，这个“姿态”在计算机里究竟该怎么表示？最直观的方式是用三个角度——俯仰、横滚、偏航（欧拉角），像三层嵌套的万向节，一层套一层地转动。但这种表示方法有一个经典的数学陷阱：当某一层刚好转到90°，两层旋转轴会重合，导致丢失一个自由度，这就是万向节死锁（Gimbal Lock）。
欧拉角在特定角度会发生万向节死锁、丢失一个自由度；四元数不存在这个问题
工业界普遍的解法是改用四元数（Quaternion）表示姿态——用四个数字把“绕哪个轴转、转了多少角度”整体打包描述，数学上不存在两个轴重合导致自由度丢失的情况，插值计算也更平滑。代价是四元数不像欧拉角那么直观，四个抽象数字不像“俯仰30°、横滚10°”那样一眼就能看懂，所以很多产品会在底层用四元数做实际运算，只在最终展示给用户时才转换成欧拉角。
八、同样是陀螺仪，精度能差多少
IMU的精度跨度极大，行业里通常按“零偏稳定性”（陀螺仪在静止状态下输出漂移的快慢）分成几个等级：消费级IMU（手机、手环）成本最低，但漂移较快，好在这类设备通常可以频繁借助GPS、视觉等外部信息重新校正，不需要长期独立保持精度；战术级IMU（无人机、机器人）漂移速度慢得多，能在短时间内（比如GPS信号短暂丢失的隧道）独立支撑较准确的姿态和位置估计；导航级IMU（船舶、航空惯性导航系统）造价高达数万美元，要求在完全没有外部修正的情况下，长时间独立保持极高精度——这也是为什么同样叫陀螺仪，价格却能相差几个数量级。
九、落地场景
IMU几乎是现代电子设备的标配传感器，应用广泛：
