我有 IMU 传感器，它可以为我提供原始数据，例如方向、角度和线性加速度。我正在使用 ROS 并做一些 Gazebo UUV 模拟。此外，我想从原始 IMU 数据中获得线速度。如果我随着时间的推移进行积分，则会累积误差，并且在机器人转弯时会不准确。所以如果我使用
acceleration_x = (msg->linear_acceleration.x + 9.81 * sin(pitch)) * cos(pitch);
acceleration_y = (msg->linear_acceleration.y - 9.81 * sin(roll)) * cos(roll);
所以集成线性加速度是非常糟糕的，
Velocity_x= Velocity_old_x+acceleration_x*dt;
因为集成加速度而不考虑传感器的任何可能旋转，这意味着如果传感器完全旋转，结果可能会很糟糕。所以我需要一些 ROS 包来考虑所有这些转换并给我最准确的线速度估计。有什么帮助吗？谢谢
我首先建议您尝试将输入传感器数据拟合到robots_localization包中的 EKF 或 UKF 节点中。该软件包是 ROS 生态系统中使用最多和最优化的姿态估计软件包。
它旨在处理 3D 传感器输入，但您必须配置参数（没有真正的默认值，所有配置）。除了上面的配置文档，github 上还有很好的 yaml 参数配置示例（例如）（你需要一个独立于启动文件的文件）和示例启动文件（例如）。
如果您正在谈论最小化累积误差，将 IMU 或里程计速度数据输入 EKF/UKF 将为您提供 odom->base_link 帧变换，根据定义，这是您能做的最好的事情。除非您有绝对参考系测量，否则绝对位姿误差会逐渐累积并累积。（例如 GPS 或相机/激光雷达处理的位置估计）。具体到您如何要求速度，退一步导数，除非您对您的速度或姿势有一个绝对参考系估计，否则您将累积误差只是整合您的加速度，根据定义，这是您能做的最好的事情。
如果它是一个水下机器人，您可以在您的车辆上安装一个速度/水流速度传感器。或者您可以使用相机/激光雷达/声纳进行处理以获得绝对参考帧或至少执行周期之间的位置差异。否则，您的精度和结果仅限于您拥有的传感器。