17、传感器校准：为什么数据有偏差？如何进行偏移校准？
加速度传感器拿过来直接用，数据往往不准。这不是硬件坏了，而是传感器天生就有偏差。我刚开始做项目时也踩过这个坑——明明手机平放在桌上，Z轴读数却不是9.8，而是9.5或者10.2。当时我还以为是代码写错了，折腾了半天才发现是传感器没校准。
为什么数据会有偏差？
说白了，传感器芯片在生产过程中，不可能做到完美。每个芯片都有微小的物理差异。这些差异会导致输出信号偏离真实值。我把它归纳为三类主要偏差：
- 零偏（Offset）：静止时，传感器输出不为0。比如X轴明明没受力，却读出了0.1g。
- 灵敏度误差（Scale Factor）：同样的加速度，不同芯片输出的电压或数字量不同。就像两个秤，称同一斤苹果，一个显示500克，一个显示510克。
- 交叉轴耦合：X轴受力，Y轴也跟着有读数。这属于芯片内部结构不完美导致的串扰。
嗯，这里要注意：零偏是最常见的问题，也是我们最容易手动校准的。灵敏度误差通常需要专业设备，但零偏校准我们自己就能搞定。
核心结论：传感器偏差是硬件固有的，不是bug。校准的目的就是把这些固定偏差找出来，然后在软件里减掉。
偏移校准的原理
校准思路其实很简单。你想想看，如果手机静止放在桌上，它的真实加速度是多少？
答案是：只有重力加速度，方向竖直向下。X轴和Y轴应该为0，Z轴应该是9.8 m/s²（或者1g）。
但实际读数是：
X_raw = 0 + offset_x
Y_raw = 0 + offset_y
Z_raw = 9.8 + offset_z所以，我们只需要让手机静止，采集一组数据，然后算出每个轴的偏移量。之后每次读数都减去这个偏移量，就完成了校准。
我在项目中遇到过一种情况：手机放在桌上，但桌面不是绝对水平。这时候Z轴读数是对的，但X和Y会有微小分量。所以更严谨的做法是——多采集几个姿态的数据，然后取平均。
手动偏移校准的步骤
我个人习惯用下面这套流程，简单可靠：
- 让手机静止：平放在水平桌面上，保持5秒以上。
- 采集原始数据：连续读取100~200个样本。
- 计算平均值：对每个轴分别求平均。
- 确定偏移量：
- X轴偏移 = X平均值 - 0
- Y轴偏移 = Y平均值 - 0
- Z轴偏移 = Z平均值 - 9.8
- 应用校准：每次读数后，减去对应的偏移量。
小技巧：如果你想让校准更准，可以把手机分别朝上、朝下、左侧、右侧各放一次，然后取所有姿态下对应轴的平均值。这样能抵消桌面不平的影响。
代码实现：零偏校准
下面是我写的一个简单校准类。它会在初始化时采集样本，计算偏移量，然后对后续所有数据进行修正。
public class AccelerometerCalibrator {
private float offsetX = 0f;
private float offsetY = 0f;
private float offsetZ = 0f;
private boolean isCalibrated = false;
// 采集样本并计算偏移
public void calibrate(List<float[]> samples) {
if (samples == null || samples.size() < 50) {
throw new IllegalArgumentException("样本太少，至少需要50个");
}
float sumX = 0f, sumY = 0f, sumZ = 0f;
int count = samples.size();
for (float[] sample : samples) {
sumX += sample[0];
sumY += sample[1];
sumZ += sample[2];
}
float meanX = sumX / count;
float meanY = sumY / count;
float meanZ = sumZ / count;
// 静止时，X和Y期望为0，Z期望为9.8
offsetX = meanX;
offsetY = meanY;
offsetZ = meanZ - 9.8f;
isCalibrated = true;
Log.d("Calibrator", "校准完成: offsetX=" + offsetX +
", offsetY=" + offsetY + ", offsetZ=" + offsetZ);
}
// 应用校准
public float[] apply(float rawX, float rawY, float rawZ) {
if (!isCalibrated) {
Log.w("Calibrator", "尚未校准，返回原始数据");
return new float[]{rawX, rawY, rawZ};
}
return new float[]{
rawX - offsetX,
rawY - offsetY,
rawZ - offsetZ
};
}
}使用时，先在onCreate里启动一个延迟任务，等手机放稳后采集样本，然后调用calibrate()。之后所有传感器回调的数据都过一遍apply()方法。
警告：千万不要在用户拿着手机走路时校准！我曾经犯过这个错——用户边走边点校准，结果偏移量算出来全是错的，后续数据全飘了。校准必须在静止状态下进行。
校准效果验证
校准完怎么知道效果好不好？我一般用两个指标：
| 指标 | 说明 | 合格标准 |
|---|---|---|
| 静止时方差 | 手机不动时，各轴读数的波动范围 | 方差 < 0.05 |
| 重力模长 | sqrt(X² + Y² + Z²) 是否接近9.8 | 9.7 ~ 9.9 之间 |
如果校准后重力模长偏差超过0.2，说明校准可能有问题。要么是样本采集时手机没放稳，要么是桌面倾斜太严重。
知识体系总览
下面这张图把传感器校准的核心逻辑串起来了。你可以看到偏差来源、校准方法、以及验证手段之间的关系。
什么时候需要重新校准？
不是校准一次就一劳永逸。我遇到过这些情况，需要重新跑一遍校准流程：
- 手机重启后：有些传感器的偏移量会随温度变化，重启后可能变了。
- 环境温度变化超过10°C：比如从空调房走到室外暴晒区。
- 用户反馈数据明显异常：比如静止时Z轴读数只有8.5。
- 每次App启动时：我个人习惯在App启动后做一个快速校准，耗时也就2~3秒，用户体验上可以接受。
避坑指南：我曾经在一个计步器项目里，只在校准了一次就上线了。结果冬天用户从室内走到室外，传感器温漂导致步数统计完全乱掉。后来我加了一个温度检测，温差超过阈值就自动提示重新校准。
好了，关于传感器校准的原理和偏移校准方法，就讲到这里。记住一句话：校准不是可选项，而是必选项。不做校准的传感器数据，就像没调零的秤——称什么都是错的。