# 如何估计IMU的噪声协方差矩阵以用于卡尔曼滤波

> 原文链接：https://robotics.hellobike.com/pitfalls/2022-04-07-robotics-se-22756
> 频道：pitfalls | 更新日期：2022-04-07 | 标签：auto, stackexchange, kalman-filter
> 核心摘要：用户需要估计IMU噪声协方差矩阵，可通过对角线赋小值或多次旋转采集数据计算方差两种方式处理。

# 如何估计IMU的噪声协方差矩阵以用于卡尔曼滤波

::: v-pre
> 本文由 AI 根据公开内容整理，可能有误，请以原文为准：[What would be a way to estimate IMU noise covariance matrix?](https://robotics.stackexchange.com/questions/22756/what-would-be-a-way-to-estimate-imu-noise-covariance-matrix)（Robotics Stack Exchange #22756）

**状态**：已解决

## 问题

所用机器人的官方ROS包未提供传感器协方差矩阵，已通过静止采集数据估计里程计协方差，不清楚IMU协方差的计算方式，静止采集的IMU数据仅角速度和线加速度有随机振荡，姿态无噪声。

## 环境

状态估计 / EKF 滤波器

## 解决办法

1. 简易初始化：直接给协方差矩阵对角线设置0.1或0.05这类小值，卡尔曼滤波最终会收敛。
2. 精确计算：让IMU做特定旋转重复5次并采集数据，计算数据的标准差，将标准差的平方即方差作为协方差矩阵对角线的值。

原问题作者：HOJUN LEE；采纳答案作者：Franky。原内容依 CC BY-SA 4.0 授权，本页摘要同样依 CC BY-SA 4.0 授权。
:::

## 原始参考来源 (Sources)

- [Robotics Stack Exchange #22756：What would be a way to estimate IMU noise covariance matrix?](https://robotics.stackexchange.com/questions/22756/what-would-be-a-way-to-estimate-imu-noise-covariance-matrix)