我想使用移动设备的传感器（加速度计、指南针、 陀螺仪）。这个问题已经在几个地方讨论过了 - here 和 here
第一步是决定哪个平台最适合实施这样的系统。 主要的可能性是三星的 Galaxy/Galaxy 标签，或 iphone/ipad。 最重要的标准是传感器数据的准确性。但是，这种比较非常复杂，因为准确性不仅取决于设备本身，还取决于其上方的软件层。
有没有关于这个主题的研究？ 智能手机的传感器和平板电脑的传感器有区别吗？
任何指向网站或文章的链接都会最有帮助
提前致谢！
爱丽儿
【问题讨论】：
标签： android iphone accelerometer compass-geolocation gyroscope
我为 Android 平板电脑开发了同样的东西。当谈到传感器的准确性时，一个和另一个之间存在一些巨大的差异。最近发布的平板电脑往往具有更好的设备。
它们的准确性更高，而且努力为给定设备提供来自相同构造函数的传感器。
让我解释一下。我使用过 Galaxy Tabs 7.0 和 10.1。 GT7 的传感器由各种构造函数提供，最终导致与轮询频率相关的差异。如果您有来自 X 的加速度计和来自 Y 的陀螺仪，两者都以最大频率使用（您确实希望获得更好的精度），那么这些频率将不匹配。一个可能是 10 毫秒左右，另一个是 15 毫秒左右。这对于计算来说非常烦人。对于 GT10，所有传感器都是由 InvenSense 在我使用的平板电脑上构建的。 InvenSense 为惯性导航创建传感器和软件解决方案（我建议您查看他们的网站和他们的一些论文）。它们不仅精度很高，而且所有传感器都可以协同工作，尤其是在频率方面。
TL;DR - 更喜欢使用最新的设备（并且可能是最昂贵的）以获得更好的精度和幸运的是传感器之间的充足性。
我可以说，开发带有如此糟糕传感器的 INS 是一件棘手的事情，但你可以让它发挥作用。
【讨论】：
以下是一些需要考虑的一般注意事项： 时间同步传感器测量的问题由卡尔曼滤波器很好地管理。 KF 非常强大，但需要一些时间来学习和实施。这是一个非常大的飞跃。
借助 KF，您可以以不同的数据速率对多种类型的传感器（速率陀螺仪、加速度计以及所有类型的角度或位置测量）进行数据融合。
整体方法称为数据融合。如果您正在跟踪的项目正在移动，则该过程称为“轨迹估计”。 KF 算法根据所有测量结果和关于对象移动能力的某些假设（动态模型）来估计对象随时间的位置、速度和加速度。
例如，如果对象是一头牛，您可以对速度、加速度和位置（它将在地球表面上）做出某些假设。如果物体是火箭，关于可能运动的假设会有所不同。了解对象的“动态模型”可以提高轨迹估计的准确性。
KF 算法的另一个优点是它有助于根据“噪声模型”和传感器精度模型滤除传感器噪声。您还可以对传感器偏差、漂移等进行建模。
【讨论】：