AiBrainBox－高精度低量程 + 低精度高量程双IMU架构NavCore是多源融合导航核心，满足工业UAV、GNSS弱遮挡、VIO辅助以及一般高机动场景

AiBrainBox－高精度低量程 + 低精度高量程双IMU架构NavCore是多源融合导航核心，满足工业UAV、GNSS弱遮挡、VIO辅助以及一般高机动场景

NavCore 定义成“多源融合导航核心”

双 IMU 解决的是“正常状态下的精度 + 高动态状态下不饱和”的矛盾；真正让 AiBrainBox-V 能覆盖复杂场景的，是 双 IMU + GNSS/RTK + VIO/Visual Odometry + LiDAR/SLAM 的组合。

NavCore 这套“双 IMU”为什么合理

例如高端战术级 MEMS 本身也存在不同动态范围的选择，ADI 的产品就同时提供 ±125、±450、±2000 °/s 等陀螺量程，以及不同加速度量程。

NavCore 的基本思路其实是：

Precision IMU

→ 平时提供高质量惯导

High-G IMU

→ 高动态情况下防止主 IMU 饱和

Fusion

→ 根据运动状态选择/融合

不要简单做“IMU A → IMU B切换”

因为两个 IMU 的：

• Bias 不一样

• Scale Factor 不一样

• Axis Misalignment 不一样

• 温漂不一样

• Noise 不一样

• 安装位置不同

• 振动响应不同

因此切换瞬间可能出现：

角速度/加速度跳变 → 积分误差 → EKF瞬态 → 姿态/速度短时间异常

尤其对于 UAV，这个问题比 UGV 更严重。

MEMS 加速度超过测量范围后会直接进入饱和，超出量程的数据无法提供有效测量；甚至横轴串扰也可能导致其他轴提前饱和。

NavCore 做成“三状态”而不是“二选一”

State A：Normal

高精度 IMU 主导。

State B：High Dynamic

高精度 IMU 还没有完全失效，但是接近量程边缘。

此时：

高量程 IMU提前介入

而不是等高精度 IMU已经饱和以后才切换。

State C：Saturation / Recovery

如果高精度 IMU确实已经饱和：

高量程 IMU暂时成为主导。

等运动恢复以后：

高精度 IMU重新进入主导航。

NavCore 的能力等级定义成 Normal / GNSS-Denied / High-Dynamic / Degraded Navigation 四个模式

对 AiBrainBox-V 的不同场景逐一判断

场景① 普通工业 UAV / 巡检

例如：

• 电力巡检

• 铁路巡检

• 桥梁巡检

• 工业设施巡检

• 测绘

• 普通航拍

NavCore：★★★★★

完全适用。

这类 UAV 最大的问题不是高动态，而是：

长时间姿态稳定 + 位置/速度融合 + GNSS偶尔遮挡。

高精度低量程 IMU反而非常合适。

结合：

RTK/GNSS + NavCore + VIO

基本可以覆盖。

场景② GNSS弱/间歇遮挡

例如：

• 城市峡谷

• 建筑物之间

• 桥下

• 厂房

• 山谷

• 电力设施附近

NavCore：★★★★★

这个场景其实是 NavCore 最适合的场景之一。

这里 IMU 并不需要自己长期“算出位置”。

而是：

IMU负责高频短时连续性，视觉/LiDAR负责长期约束。

传统 MEMS INS 的核心问题就是惯性误差随时间积累，因此需要外部观测进行修正。ADI 对 MEMS 惯导也明确指出，VIO、GNSS、LiDAR、SLAM 等都可以作为导航约束。

场景③ 完全 GNSS Denied

例如：

• 地下空间

• 大型厂房

• 隧道

• 室内

• 地下管廊

• GNSS干扰环境

NavCore：★★★★☆

这里需要特别说明：

不是 NavCore 不够，而是“单独使用 NavCore”不够。

如果：

NavCore + IMU dead reckoning

那么：

❌ 不建议

因为即便是很好的 MEMS，长时间纯惯导也会漂移。

但如果：

NavCore + Front/Left/Right 多目 VIO/SLAM + Downward VIO + LiDAR

那么：

✅ 很适合

这其实正好符合你之前提出的：

Front + Left + Right 多目 SLAM

以及：

Downward VIO

的技术路线。

场景④ 高机动 UAV

这是 NavCore 真正需要重点验证的地方。

例如：

• 快速横滚

• 急转弯

• 高速俯冲

• 快速爬升

• 急停

• 大角速度机动

• 强振动

NavCore：★★★★☆～★★★★★

双 IMU 架构在这里非常有价值。

实际上，2026 年 VectorNav 也专门推出 95G/250G 加速度和 4000°/s 陀螺的高动态 IMU 产品，就是因为高速/高G平台首先需要保证不发生惯性传感器饱和。

场景⑤ 强冲击 / 碰撞 / 弹射类平台

例如：

• UAV高速撞击

• 投放

• 弹射

• 强着陆

• 高冲击机器人

• 特种高速飞行平台

NavCore：★★★☆☆

这里我要给一个比较明确的边界。

双 MEMS 并不能自动把 NavCore 变成“抗冲击惯导”。

因为：

高量程 ≠ 高精度抗冲击导航。

第二颗 IMU的价值主要是：

短时间保持测量不饱和。

而不是：

冲击之后还能保持高精度导航。

如果未来 AiBrainBox-V 真正进入：

高速飞行器 / 弹射 UAV / 高冲击飞行平台

那么 NavCore 的传感器等级可能需要升级。

真正需要警惕的是“高动态 + GNSS Denied”

AiBrainBox-V 最极端的场景。

比如：

GNSS Denied

• 高速飞行

• 大角速度

• 视觉快速变化

• 强振动

这时候：

这才是对 NavCore 的真正考验。

如果视觉和 LiDAR还能正常工作：

★★★★☆～★★★★★

如果视觉失效、LiDAR也失效：

★★☆☆☆

因为这时候最终还是退化成：

MEMS纯惯导。

NavCore 的总体评价

按照 AiBrainBox-V 的产品路线：

NavCore 的问题已经不是“有没有一颗足够好的 IMU”，而是“能不能把两颗 IMU和外部感知真正融合起来”。

尤其是以下四个能力。

① IMU在线标定

两个 IMU需要建立：

• Bias

• Scale Factor

• Misalignment

• Temperature model

• Noise model

并且最好支持在线估计。

② IMU动态状态检测

不能简单：

1000°/s → 切换

而应该综合：

• Gyro接近饱和

• Accelerometer接近饱和

• Vibration level

• Angular acceleration

• Residual

• EKF innovation

• Visual tracking quality

判断：

当前哪个 IMU更可信。

③ 双 IMU不是简单 Switch，而应该是 Adaptive Fusion

理想状态：

也就是：

Weighting / Blending > Hard Switching

④ NavCore必须和VIO形成真正闭环

这样 NavCore 才真正成为 AiBrainBox-V 的 Navigation Core

双IMU硬件保持不变

↓

增强 NavCore Fusion

↓

增加 IMU 状态机

↓

增加 VIO/LiDAR/GNSS 紧耦合

↓

实现 GNSS / VIO / LiDAR / IMU 的自动降级

当前“双IMU（高精度低量程 + 低精度高量程）”硬件架构可以满足 AiBrainBox-V 的主流工业 UAV、GNSS/RTK、GNSS弱遮挡、VIO辅助以及一般高机动场景。

重点验证的是 三个极端边界：

1. 高机动时高精度 IMU 如何无缝退出/恢复
2. GNSS Denied + VIO/LiDAR时 NavCore 的紧耦合效果
3. 强振动/强冲击情况下两颗 IMU 的可靠性和误差模型