通过加速度计、陀螺仪、磁强度计等测量数据，维特智能角度传感器通过软件算法解算获取当前角度信息。传感器覆盖单轴、3轴、6轴、9轴、10轴GPS惯导等一系列传感器。传感器的分类和特点如下：

原始数据包括：
1.三轴加速度。通过加速度计测量加速度信息，以重力加速度g为单位。需要注意的是，加速度计测量的信息包括运动加速度和重力加速度。当物体静止时，加速度测量的数据是重力加速度。
2.三轴角速度。通过陀螺仪测量角速度信息°/s为单位。
3.三轴磁场。磁场强度通过磁力计获得，磁力计只配备9轴系列产品，6轴系列产品无磁力计。磁场的单位是mG，或uT。磁力计测得的地球磁场通常是30，没有磁场干扰_50uT(300500mG)。请注意，磁力计在出厂状态下有较大的零偏差，需要校准才能获得正确的值。

软件解算分为6轴算法和9轴算法

6轴算法通过加速度和角速度信息，没有磁场来纠正方向角，即Z轴的角度，因此Z轴的角度完全通过陀螺仪积分解决，因此长期存在积累误差。

角度的解决方法有两种，一种是通过加速度计，另一种是通过陀螺仪。

加速度求解是通过各轴加速度重量的三角函数关系获得的。该计算是基于加速度等于重力加速度，即物体不运动，如果物体运动，加速度测量值除重力加速度外，物体运动加速度，导致加速度三角函数关系计算的倾斜角度值不准确。此外，加速度本身的测量值精度较低，测量结果波动较大，角度精度较差。

陀螺仪求解是通过陀螺仪积分获得角度。传感器的旋转角速度可以通过陀螺仪直接测量，角度可以通过数值积分获得。积分会有积累误差，加陀螺仪会有一点零偏差，角度会随着时间的积累而变大。陀螺仪本身精度高，旋转测量不受物体运动角速度的影响，与传感器的安装位置无关，只要传感器与被测物体连接。

两种解决方案的优缺点如下表所示：

有没有一种算法能结合上述两种算法的优点，既能消除运动的影响，又能达到较高的精度，避免积累误差？卡尔曼滤波算法是解决方案。请注意，卡尔曼滤波算法不是一种平滑的数据算法，而是一种数据集成算法。它可以自动计算加速度和陀螺仪的统计特性，根据统计数据分布自动调整数据集成的比例系数，结合两者的优点，实现角度的准确计算。卡尔曼滤波算法比较复杂，这里不能简单说明。感兴趣的朋友可以根据自己的需要查阅相关信息。

X和只能通过重力加速度计算角度Y方向角，即Z轴的角度，无法计算轴的倾斜角，因此在6轴算法中，Z无法通过滤波消除轴的累积误差，Z长期使用轴的角度会有累积误差，当然Z轴的角度可以在短时间内使用。

与6轴算法相比，9轴算法增加了更多的磁场信息。Z轴数据的观测量可以通过测量地磁方向来过滤角度。它可以解决Z轴没有长期漂移的累积误差问题。

磁场传感器通常有较大的零偏差，通常不能在没有校准的情况下使用。校准可以通过三个方向绕圈获得数据点来拟合球心，即磁场的零偏差。需要注意的是，在远离磁场干扰的情况下，磁场校准需要校准。

地球磁场属于弱磁场，易受干扰。通常，地球磁场在中国的强度是30~50uT不同的地区会有所不同。磁场干扰源可以是磁性材料，如磁铁、喇叭等，也可以是铁钴镍等材料，电机运行、空调压缩机运行等都会带来磁场干扰。当需要用磁场测量方向角时，必须远离这些物体。通常，人们容易犯以下错误：

如何判断磁场是否受到干扰？可通过比较测量法解决。当磁场均匀且无干扰时，只要传感器姿态保持不变，传感器在每个轴上的磁场测量值保持不变，磁场模具也应保持不变。测量时，先将传感器放在空中，远离可能的干扰源，查看传感器读数，然后平行移动传感器，不要改变方向和倾斜角度，如果移动到测量点，磁场没有明显变化，无论如何，如果数据变化很大，磁场干扰非常严重。

建议的校准位置是拿起传感器挂在桌面上方30~50cm尽量远离电脑和桌面，然后让传感器分别在这里XY平面、YZ平面、XZ在南北垂直平面上画一个圆圈，使每个轴获得最大的磁场测量值，提高磁场校准的准确性。

姿态传感器的解算过程主要分为4个部分，初始化、数据采集、姿态解算、角度输出。除了初始化过程只需要在上电的时候做一次，其他几个步骤需要在系统运行的过程中循环执行。

初始化部分包括两个部分，一个是系统初始化，一个是姿态角初始化。

数据的采集就是要获得所有的原始测量数据，包括三轴加速度、三轴角速度、三轴磁场共9个原始测量数据。原始的测量数据需要按照固定的频率进行采集，间隔时间不准会影响后续算法解算的准确性。采样间隔时间通过单片机的定时中断系统产生固定的时间间隔，在中断间隔时间到后，立即执行数据采样任务，并存储在指定的数据寄存器中。

姿态解算需要根据采样的原始数据和当前的传感器角度推算出新的姿态角度，并更新系统的状态信息和对应的均方误差。解算的过程主要分为传感器修正、状态估计、观测量计算、滤波融合修正、角度更新几个步骤。

1、传感器修正。传感器修正是在采样的原始数据的基础上，叠加传感器的零偏误差，通过修正后获得更加精准的传感器原始测量值。任何传感器在使用时都会存在零偏误差，这个误差我们可以通过校准来获取，并在后续的滤波算法中不断地迭代更新这个零偏误差值。对加速度的校准，我们可以通过水平校准法或多面校准法来获得零偏和标度因数的误差。陀螺仪的校准可以通过检测传感器的运动状态，如果判定是静止状态，就取一段静止时间的均值作为传感器的零偏。磁场传感器的校准比较复杂一些，需要通过绕三轴旋转，将磁场测量数据拟合出一个球面或者椭球面，球面的球心就是磁场传感器的零偏、球面的半轴就是磁场传感器的标度因数。经过修正以后的传感器数据才能被用于下一步的计算。

2、状态估计。状态估计是对传感器的状态进行一步预测。卡尔曼滤波算法需要列出系统状态的转移方程，对下一时刻的状态数据进行递推。系统的状态包括姿态四元数、陀螺仪零偏等，运用运动学方程，结合当前的陀螺仪测量的角速度，可以推算出下一时刻的系统状态值。由于陀螺仪的零偏误差只能尽量减小，无法从根本上消除，而状态转移方程实际上就是通过对陀螺仪数据进行积分运算获得的下一时刻的姿态信息，所以长期以来一定会有累积误差。但由于陀螺仪数据精度相对较高，而且不会受到运动加速度的影响，所以短时间内计算出来的姿态角度是相对比较精确的。而长期漂移项，则需要后续的步骤，结合加速度和磁场信息获得的观测量进行滤波修正，降低长时间的累积误差。在对状态量进行递推的同时，还要对状态量的方差进行一步预测，将估计出最新的状态量误差水平。

3、观测量计算。观测量计算是根据当前的加速度和磁场信息，获得大致的姿态信息，用这个信息作为滤波的观测量去修正陀螺仪的长期累积误差。姿态观测信息的获取方法和姿态角度初始化时使用的方法一致，同样是先通过加速度获取到X轴和Y轴的角度，再结合磁场强度计算出磁场在水平面内投影的方向，进而解算出磁场强度和正北方向的夹角，获得Z轴的航向角度。将这三个角度转化为四元数后，得到系统的观测量。加速度和磁场的测量值精度相对较差，数据的波动也比较大，而且容易受到外界条件的干扰，比如运动加速度和磁性材料的干扰等等，都会对角度的计算造成影响，所以将加速度和磁场计算出来的角度作为观测量，误差相对比较大，但好处是这样算出来的结果没有累积误差，正好和状态估计步骤中陀螺仪积分运算的结果形成优势互补。滤波算法可以综合二者的优点，经融合后的状态信息具有更高的估计精度。

4、滤波融合修正。滤波融合修正是根据状态预测的方差和观测量的方差，计算出滤波融合的修正系数。同时这个系数还需考虑到观测量的误差水平，例如在运动加速度越大的情况下，观测量计算出来的结果越不准确，这个运动加速度的大小就可以作为一个系数叠加到通过方差计算获得的结果中。其中运动加速度的计算就需要根据上一次的姿态信息，转换成姿态矩阵，再将重力加速度经过这个转换矩阵变换后，获得重力加速度在本体坐标系中的投影，然后将加速度的测量值减去这个重力加速度的在各坐标轴上投影，即可获得传感器的运动加速度。获得滤波修正系数以后，将这个修正系数乘以观测量的误差值，就获得了状态量的修正值。在状态一步预测的基础上，叠加这个修正值，就可以最终获得相对比较准确的状态信息，同时可以获得新的传感器的误差估计，进而进入下一次循环迭代。

5、角度更新。角度更新是根据系统最新计算出来的状态量，求出姿态角度。在上面的滤波算法中，状态量使用的是设备的姿态四元数，四元数不能直观地体现出三轴姿态角度，需要通过转换将四元数变换成对应的姿态欧拉角。欧拉角在使用的时候必须预先定义坐标旋转顺序，也就是坐标从惯性系旋转到设备本体坐标系的时候，按照什么顺序去旋转。同一个姿态对应同一个姿态四元数，但不同的旋转顺序则可以解算出不同欧拉角。这里我们采用321的旋转顺序来定义欧拉角，也就是先绕Z轴旋转，再绕Y轴旋转，再绕X轴旋转的方式。运用四元数到欧拉角的转换公式就可以从系统的状态量中推算出对应的欧拉角。

数据输出环节将解算出来的数据按照预定义的格式进行打包输出。数据的输出方式可以根据需要选择串口、CAN总线或者以太网方式。数据输出的格式根据数据的内容进行打包，每个数据包有11各字节的数据，包含数据包包头、数据内容和校验和。