印度尼西亞研究團隊開展了一項針對低成本GNSS/IMU移動測繪應用的研究，旨在解決復雜環境下低成本GNSS接收機信號質量差、多路徑干擾明顯及信號中斷等問題，通過融合技術提升位置精度。研究采用U-bloxF9RGNSS/IMU模塊安裝在車輛上，選取開闊天空、城市環境及商場地下室等復雜場景進行數據采集，運用單點位置（SPP/IMU）和差分GNSS（DGNSS/IMU）兩種處理方式，結合無跡卡爾曼濾波器（UKF）處理非線性系統模型，并通過低通和高通濾波器對IMU數據進行去噪處理。結果顯示，在無信號中斷情況下，SPP/IMU融合相較于單獨GNSS位置，東向和北向精度分別提升和；DGNSS/IMU融合的精度提升更為明顯，東向和北向分別達和，TransmartSidoarjo場景下RMSE為（東向）和（北向）。IMU數據去噪后，融合精度進一步提升厘米級。不過在信號中斷場景中，該融合方案未能達到預期位置精度，短時間中斷時雖能提供車輛運動軌跡模式，但方向和幅度存在偏差，長時間中斷時誤差明顯增大（東向約、北向約）。該研究證實了UKF融合低-costGNSS/IMU在復雜環境移動測繪中的可行性，為相關低成本導航應用提供了技術參考，但其在信號中斷場景的性能仍需進一步優化。 IMU（慣性測量單元）可實時采集物體的加速度、角速度和姿態角數據，為運動狀態分析提供支撐。江蘇IMU融合傳感器廠家

    IMU輔助療愈工作！近期，一支意大利研究團隊針對上肢運動軌跡測量給出新的解決方案，該研究聚焦中風、帕金森患者與一般人群的上肢運動學差異，開展了一項包含105名受試者（每組各35人）的觀察性研究，通過IMU傳感器結合靶向版方塊轉移測試（tBBT），解決傳統方塊轉移測試（BBT）無法量化上肢運動軌跡的局限。研究中，工作人員在受試者的頭部、軀干（C7、T10、L5）及上肢（上臂、前臂、手部）共佩戴7個IMU傳感器，同步記錄60Hz的運動數據，讓受試者完成tBBT的兩個階段任務（同側轉移與對側轉移），隨后通過軟件分析關節角度（如肩、肘、腕的屈伸、旋轉等）、手部軌跡參數及任務執行時間，并與臨床評估量表（中風患者用Fugl-Meyer上肢評估FMA-UL，帕金森患者用統一帕金森評定量表UPDRS）進行關聯分析。結果顯示，三組受試者存在明顯運動學差異：中風患者患側上肢的肩部外展-內收范圍受限，需通過更大幅度的軀干屈伸（平均角度°，遠高于一般組°）、旋轉（平均角度°，一般組為°）及腕部屈伸代償肘部運動；帕金森患者則表現為肩部運動范圍異常及軀干側屈增加；且神經疾患者的運動平滑度（DLJ值更遠離0）和速度均低于一般組，中風患者患側完成任務時間（秒）是一般組。 浙江國產平衡傳感器微型 IMU 的技術突破，讓其廣泛應用于智能手表、VR 設備等消費電子，提升用戶交互體驗。

    深海探測中，GPS信號無法穿越水體，傳統導航系統易受水流干擾，位置精度不足。近日，中科院某研究所研發出適用于深海環境的IMU導航模塊，為水下機器人提供可靠導航方案。該模塊采用抗壓、抗腐蝕的特種IMU傳感器，可在水下1000米深度穩定工作，采樣率達1000Hz，實時輸出機器人的姿態、速度及位移數據。通過與聲學位置技術融合，構建多源導航模型，抵消水流干擾導致的漂移，位置誤差保持在±米/100米航程內。同時，IMU數據可輔助水下機器人調整推進器功率，優化航行姿態，降低能耗。海試結果顯示，搭載該模塊的水下機器人在南海1000米深海區域完成地形探測任務，探測精度較傳統系統提升40%，續航延長20%。該模塊已應用于深海生命觀測、海底資源勘探等項目，未來有望拓展至深海救援、海底管道檢測等場景。

    人形機器人位置是其運動的關鍵技術，但非連續支撐、沖擊振動及慣性導航漂移等問題，導致傳統位置方法難以滿足精度需求，且部分方案存在硬件復雜、計算量大等局限。近日，東南大學、新加坡南洋理工大學等團隊在《BiomimeticIntelligenceandRobotics》期刊發表研究成果，提出一種基于腿部正向運動學與IMU融合的步態里程計算法。該算法首先建立機器人腿部正向運動學模型，通過D-H參數法求解機身與足部的坐標變換關系；再結合IMU采集的三軸加速度、角速度及歐拉角數據，構建卡爾曼濾波模型，將運動學信息與IMU數據深度融合，實現機器人位置和速度的精細估計。該方案需機器人配備關節編碼器和IMU，硬件需求低、計算復雜度小，可適配雙足、四足等多種腿部機器人。該算法為室內人形機器人位置提供了有力解決方案，硬件依賴低、適用性廣。未來可進一步優化足底滑動補償策略，提升機器人在復雜地形下的位置魯棒性。 IMU 可實現姿態解算，直接輸出物體的橫滾、俯仰、航向角。

    傳感器構成了智慧交通的全息感知網絡，是提升道路通行效率、保障出行**的關鍵支撐。在城市道路與高速公路，路側毫米波雷達、視頻傳感器與微地磁傳感器協同工作，實現車輛流量、速度、間距與軌跡的毫秒級捕捉，為交通信號動態配時、潮汐車道調整提供實時數據。試點城市數據顯示，這種融合感知模式可使主干道通行效率提升30%以上，平均通勤時間縮短15%-20%。車載傳感器同樣發揮著**作用，激光雷達、毫米波雷達與攝像頭融合感知，能提前200米探測前方障礙物，結合AI算法實現碰撞預警與自動緊急制動，使配備該系統的智能汽車單車事故率下降60%以上。此外，路面狀況傳感器監測積水、結冰與能見度，為惡劣天氣下的交通管控提供科學依據；公交站點的客流傳感器則實現到站時間精細預測，優化出行服務體驗。傳感器通過車路協同與邊緣計算，將分散的交通數據轉化為協同決策的**依據，串聯起傳感器、車路協同、全息感知、智能管控、主動**等**關鍵詞，推動交通系統向高效、**、綠色的智慧化方向升級。 火箭發射階段，IMU 全程監測箭體姿態并指導姿態調整。浙江國產平衡傳感器

掃地機器人內置 IMU，規劃清潔路徑并避免機身原地打轉。江蘇IMU融合傳感器廠家

    光學運動捕捉系統（OMC）雖為步態分析金標準，但存在成本高、依賴實驗室環境、需視線無遮擋等局限，難以滿足日常臨床場景需求。基于慣性測量單元（IMU）的步態分析方案便攜性強，但傳統方法常需復雜安裝、復雜校準，且在問題步態場景下精度易受影響，難以完全捕捉足部三維運動軌跡。近日，奧地利FHJOANNEUM應用科學大學等團隊在《Galt&Posture》期刊發表研究成果，提出一種基于足底IMU的高精度步態分析方法，有用解決上述難題。該方法在受試者雙腳足背通過魔術貼固定IMU傳感器，無需復雜位置安裝、特殊校準動作，也不依賴磁力計數據，需確保傳感器單軸大致指向矢狀面即可。通過解析IMU采集的加速度和角速度數據，結合步態事件識別與坐標轉換算法，可實時輸出整個步態周期內足部在矢狀面、額狀面和橫斷面的俯仰角、橫滾角、偏航角軌跡，以及垂直抬升和側向位移數據。該技術操作簡便、無需實驗室環境，可滿足臨床步態診斷、療愈效果評估等需求，為腦卒中后足下垂、跛行等步態異常的量化分析提供了有用工具。未來團隊將進一步在真實問題步態患者中驗證，并優化傳感器安裝方式以降低鞋子對測量結果的影響。 江蘇IMU融合傳感器廠家