Saying goodbyes to rotating your phone: Magnetometer calibration during SLAM
University of Edinburgh（爱丁堡大学）；School of Engineering（工程学院）
本文提出在SLAM过程中利用因子化粒子滤波器同时完成磁力计校准与磁场地图构建，无需预采集地图或手动旋转设备，实验证明其精度与手动校准相当甚至略有提升。
2024-09-02 cs.RO
Self-calibration of a differential wheeled robot using only a gyroscope and a distance sensor
Imperial College London（伦敦帝国理工学院）
移动机器人的研究通常要求平台在成本和可靠性之间具有足够的平衡。在地面机器人的情况下，一个可用的选项是GNBot，一个开放的硬件项目，旨在评估群搜索策略。由于缺乏基本的里程传感器，如车轮编码器，到目前为止，难以在该平台上实现精确的高级控制器。因此，本论文的目的是改善GNBot的运动控制，结合陀螺仪，同时保持必要的无轮编码器。已经解决的问题包括：精确的原地旋转，线性运动期间的最小漂移，以及弧执行功能。此外，所得到的控制器通过使用每个机器人上的陀螺仪模块和红外测距仪进行自主校准，大大简化了大群的校准。该报告首先解释了为了实现自校准例程而做出的设计决策，然后通过离线视频跟踪来评估新运动控制器的性能。新的控制器的运动精度进行了比较，与以前现有的解决方案在气味搜索实验。
2015-09-07 cs.RO
SL(C)AMma: Simultaneous Localisation, (Calibration) and Mapping With a Magnetometer Array
DCSC, Delft University of Technology, the Netherlands（代尔夫特理工大学DCSC研究所，荷兰）
本文提出SL(C)AMma方法，利用磁力计阵列实现同步定位与建图，通过校准参数提升轨迹估计精度，实验验证其在复杂环境下优于传统惯性传感器融合方案。
2026-04-21 cs.RO
RoSLAC: Robust Simultaneous Localization and Calibration of Multiple Magnetometers
School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院）
针对磁力计校准与定位精度问题，本文提出RoSLAC方法，通过交替优化高效估计平台姿态和校准参数，实现在高保真仿真和真实环境中高精度定位与低计算成本的校准。
2026-04-15 cs.RO
Rapid Gyroscope Calibration: A Deep Learning Approach
Hatter Department of Marine Technologies, Charney School of Marine Sciences, University of Haifa（海法大学海洋科技系、海洋科学学院）
针对低成本陀螺仪短时间校准的应用需求，提出端到端卷积神经网络校准方法，结合多真实/虚拟陀螺仪数据，最多可缩短89%校准时间，相关数据集已公开。
2025-06-26 cs.AI cs.LG cs.RO
An Efficient Calibration Method for Triaxial Gyroscope
University of Technology Sydney（悉尼科技大学）；The Chinese University of Hong Kong（香港中文大学）；Enjoymove Technology Co., Ltd（Enjoymove科技有限公司）
本文提出了一种伺服电机辅助的三轴陀螺标定方法。整个校准过程只需要大约一分钟，不需要高精度的设备。该方法基于陀螺仪的测量应等于陀螺仪的旋转速度的思想。提出了一个六个观察的实验设计，以最大限度地减少估计的比例因子和偏差的方差。此外，为了降低计算复杂性，提出了一种快速收敛的递推线性最小二乘估计方法。仿真结果反映了该标定方法在正常和极端条件下的鲁棒性。我们实验证明了所提出的方法在机器人手臂上的可行性，并在微控制器上实现该方法。通过与传统的转台标定方法进行对比，验证了该方法的标定结果，实验表明两种方法的标定结果具有可比性。通过比较校准的低成本陀螺仪读数与高精度陀螺仪的读数，我们可以得出结论，我们的方法显着提高了陀螺仪的精度。
2021-07-29 cs.RO cs.SY eess.SY
Robust Gyroscope-Aided Camera Self-Calibration
Aalto University（阿尔托大学）
摄像机标定是单目视觉应用中的一个重要环节，它可以用来估计摄像机的内参数和镜头畸变。这篇应用论文提出了一种通过融合陀螺仪和相机数据来估计动态参数的模型，这两种数据都可以在现代智能手机中使用。该模型是基于联合估计的视觉特征位置，摄像机参数，和摄像机的姿态，其运动被假定为遵循由陀螺仪预测的运动。我们的模型假设相机运动是自由的，但连续和可微的，并且假设单个特征保持静止。估计在线使用扩展的卡尔曼滤波器，它被证明优于现有的方法在鲁棒性和不敏感的初始化。我们使用模拟数据和来自iPad的经验数据来演示该方法。
2018-05-31 cs.CV cs.RO
LGC-Net: A Lightweight Gyroscope Calibration Network for Efficient Attitude Estimation
University of Science and Technology of China（中国科学技术大学）；Peng Cheng Laboratory（鹏城实验室）；Institute of Nano-Tech and Nano-Bionics, Chinese Academy of Sciences（中国科学院纳米技术与纳米仿生研究所）
提出了一种轻量级、高效的标定神经网络模型，用于低成本微机电系统（MEMS）陀螺仪的去噪和机器人姿态的实时估计。其核心思想是从惯性测量单元（IMU）测量的时间窗口中提取局部和全局特征，动态回归陀螺仪的输出补偿分量。在仔细推导的数学校准模型之后，LGC-Net利用依赖可分离卷积来捕获截面特征并减少网络模型参数。大内核注意力被设计为更好地学习长范围依赖和特征表示。该算法在EuRoC和TUM-VI数据集上进行了评估，并在具有更轻量级模型结构的（看不见的）测试序列上实现了最新技术。我们的LGC-Net的估计方向与顶级视觉惯性里程计系统相当，尽管它没有采用视觉传感器。我们的方法是开源的：https://github.com/huazai665/LGC-Net
2022-09-19 cs.AI cs.RO
On-site scale factor linearity calibration of MEMS triaxial gyroscopes
Faculty of Engineering and IT, University of Technology Sydney（悉尼科技大学工程与信息技术学院）
本文提出一种仅需伺服电机的MEMS三轴陀螺仪现场校准方法，利用重力与转速点积恒定原理，结合静止加速度计测量和最小二乘估计标度因数，并通过仿真与实验验证了其有效性。
2024-06-10 cs.RO cs.SY eess.SY
Magnetometer calibration using inertial sensors
本文提出一种实用算法，用于校准磁力计以应对磁干扰和传感器误差，并结合惯性测量进行姿态估计。
2016-07-14 cs.RO cs.SY eess.SY
Joint Magnetometer-IMU Calibration via Maximum A Posteriori Estimation
Dept. of Electrical Engineering and Computer Science, KTH Royal Institute of Technology（电子工程与计算机科学系，皇家理工学院）；Dept. of Electrical Engineering, Linköping University（电子工程系，利尔贝里大学）；Dept. of Electrical Engineering and Computer Science, KTH Royal Institute of Technology, and the Div. of Underwater Technology, Swedish Defence Research Agency (FOI)（电子工程与计算机科学系，皇家理工学院，以及瑞典国防研究机构（FOI）的水下技术系）
本文提出一种联合校准磁力计和惯性测量单元的方法，通过最大后验估计框架优化校准参数，提升精度与效率，实验证明其校准精度提高20-30%，且计算效率高。
2026-04-21 cs.RO eess.SP
Motion-Acceleration Calibration and Compensation in IMUs without External Equipment for Attitude Estimation Filters
研究基于惯性传感的姿态估计中IMU受额外加速度影响的问题，利用陀螺仪测量补偿额外加速度，引入无需外部设备的校准方法估计IMU参数，改进了依赖重力方向的姿态滤波器，在多种系统中证明了方法有效性。
2026-07-29 cs.RO
An improved FastEuler-DLKF small-UAV AHRS algorithm
高精度航姿系统是无人机可靠飞行系统的重要组成部分。针对小型无人机近地导航的应用场景，建立了陀螺仪/加速度计/磁强计的松耦合误差模型，提出了一种改进的FastEuler双层卡尔曼滤波器算法。采用MEMS惯性测量单元（IMU）和磁强计等低成本器件，构建了无人机航姿系统的硬件和软件系统，设计了离线和实时验证平台。并通过仿真和飞行试验分析了无人机姿态的变化。此外，为了消除加速度计中线加速度的有害影响，采用自适应因子对测量噪声协方差进行调整，解决了滚转角和俯仰角的问题。实验结果表明，该算法能够在无人机飞行过程中提供准确的姿态信息，提高了姿态解算的精度和可靠性，消除了陀螺零偏对姿态估计的影响。
2020-02-18 cs.RO
Online Initialization and Extrinsic Spatial-Temporal Calibration for Monocular Visual-Inertial Odometry
Peking University（北京大学）
提出了一种基于优化的单目视觉-惯性里程计（VIO）在线初始化方法。该方法可以在线标定相机和IMU之间的相对变换（空间）和时间偏移（时间），并在初始化阶段估计度量尺度、速度、重力、陀螺仪偏差和加速度计偏差的初始值。为了补偿时间偏移的影响，我们的方法包括两个短期运动插值算法的相机和IMU姿态估计。此外，它包括一个三步过程，逐步估计参数从粗到细。首先，通过最小化相机和IMU之间的旋转差来估计外部旋转、陀螺仪偏差和时间偏移。其次，度量尺度，重力和外部平移近似估计通过使用补偿的相机姿势和忽略加速度计的偏差。第三，这些值通过考虑加速度计偏差和重力大小来细化。为了进一步优化系统状态，引入了一种考虑时间偏移的非线性优化算法，用于全局和局部优化。在公开数据集上的实验结果表明，该方法可以准确地估计出传感器的初始值、外参数以及传感器位姿。
2020-04-12 cs.CV cs.RO
Drift-Free Indoor Navigation Using Simultaneous Localization and Mapping of the Ambient Heterogeneous Magnetic Field
Xsens Technologies（Xsens科技公司）
在没有外部参考位置信息（例如GNSS）的情况下，SLAM已被证明是用于室内导航的有效方法。定位漂移可以通过定期的循环闭合和全局松弛作为后端来减小，从而在探索和开发之间实现良好的平衡。虽然基于视觉的系统（如激光扫描仪）通常用于SLAM，但这些传感器笨重、能源效率低且昂贵，使其对可穿戴设备或智能手机应用缺乏吸引力。然而，SLAM的概念可以扩展到非光学系统，例如磁力计。代替使用ICP算法的某种变体来匹配诸如墙壁和家具之类的特征，可以匹配局部磁场以在高斯过程（GP）SLAM框架中提供环路闭合和全局轨迹更新。基于MEMS的惯性测量单元提供连续的轨迹，并匹配局部不同的磁场地图，本文的实验结果表明，在室内环境中的无漂移导航解决方案，毫米级的精度可以实现。GP-SLAM方法可以被公式化为最大后验估计问题，并且它可以自然地同时执行环路检测、特征到特征距离最小化、全局轨迹优化和磁场图估计。使用空间上连续的特征（即，平滑的磁场签名）来代替传统的基于视觉的SLAM中的离散特征对应（例如，点对点）。来自环境磁场的这些位置更新还提供了用于校准使用中的加速度计和陀螺仪偏置的足够信息。这种方法的唯一限制是需要磁干扰（这通常不是室内的问题）;然而，不需要对传感器的一般运动进行假设。
2018-02-17 cs.RO eess.SP
