1. MPU6050传感器基础入门
MPU6050是一款集成了三轴陀螺仪和三轴加速度计的六轴运动处理传感器，广泛应用于无人机、平衡车、手机等设备的姿态检测中。我第一次接触这个传感器是在做一个自平衡机器人项目时，当时就被它小巧的体积和强大的功能所吸引。
传感器的工作原理其实很直观：加速度计测量的是物体在三个轴向上的线性加速度，而陀螺仪则测量绕三个轴的旋转角速度。举个例子，当你把手机从水平状态快速抬起时，加速度计能感知到这个向上的运动，而陀螺仪则能检测到手机角度的变化。
在实际使用中，MPU6050有以下几个关键参数需要注意：
- 加速度计量程：通常选择±8g就足够日常使用
- 陀螺仪量程：500°/s是个比较适中的选择
- 滤波器带宽：21Hz能有效滤除高频噪声
#include <Adafruit_MPU6050.h> #include <Adafruit_Sensor.h> #include <Wire.h> Adafruit_MPU6050 mpu; void setup() { Serial.begin(115200); if (!mpu.begin()) { Serial.println("Failed to find MPU6050 chip"); while (1); } mpu.setAccelerometerRange(MPU6050_RANGE_8_G); mpu.setGyroRange(MPU6050_RANGE_500_DEG); mpu.setFilterBandwidth(MPU6050_BAND_21_HZ); }2. Arduino与MPU6050的硬件连接
连接MPU6050到Arduino其实非常简单，但新手经常会犯一些低级错误。我记得第一次接线时就把SDA和SCL接反了，结果调试了半天才发现问题。正确的接线方式如下：
- VCC → 5V
- GND → GND
- SCL → A5 (UNO板)或SCL引脚
- SDA → A4 (UNO板)或SDA引脚
- INT → 数字引脚2（可选）
这里有个实用建议：使用面包板连接时，最好用不同颜色的杜邦线区分电源、地和信号线，这样既美观又不容易出错。另外，如果发现传感器工作不稳定，可以在VCC和GND之间加一个0.1uF的滤波电容。
实际项目中，我遇到过I2C地址冲突的问题。MPU6050默认地址是0x68，但有些模块可以通过AD0引脚改变地址。如果总线上有多个I2C设备，记得检查地址是否冲突。
3. 传感器数据读取与处理
成功连接硬件后，下一步就是读取原始数据了。MPU6050输出的原始数据需要经过一些处理才能变成有用的信息。下面这个示例展示了如何读取并显示传感器的原始数据：
void loop() { sensors_event_t a, g, temp; mpu.getEvent(&a, &g, &temp); Serial.print("Accel X:"); Serial.print(a.acceleration.x); Serial.print(" Y:"); Serial.print(a.acceleration.y); Serial.print(" Z:"); Serial.print(a.acceleration.z); Serial.println(" m/s^2"); Serial.print("Gyro X:"); Serial.print(g.gyro.x); Serial.print(" Y:"); Serial.print(g.gyro.y); Serial.print(" Z:"); Serial.print(g.gyro.z); Serial.println(" rad/s"); delay(100); }读取数据时需要注意几个常见问题：
- 加速度计数据包含重力分量，静止时Z轴大约为9.8m/s²
- 陀螺仪数据会有零偏误差，需要进行校准
- 温度变化会影响传感器精度
我通常会在设备启动时做一个简单的校准：将传感器水平静止放置几秒钟，记录这段时间的平均值作为初始偏移量。
4. 从数据到姿态：角度计算原理
有了原始数据，如何计算设备的俯仰角(pitch)和横滚角(roll)呢？这里介绍两种基本方法：
加速度计法： 通过加速度计的三轴数据可以计算出倾斜角度：
float pitch = atan2(a.acceleration.y, a.acceleration.z) * 180/PI; float roll = atan2(-a.acceleration.x, sqrt(a.acceleration.y*a.acceleration.y + a.acceleration.z*a.acceleration.z)) * 180/PI;陀螺仪积分法： 陀螺仪测量的是角速度，通过对时间积分可以得到角度变化：
float pitch = 0; float roll = 0; void loop() { sensors_event_t a, g, temp; mpu.getEvent(&a, &g, &temp); float dt = 0.1; // 采样间隔100ms pitch += g.gyro.x * dt * 180/PI; roll += g.gyro.y * dt * 180/PI; }单独使用任一种方法都有明显缺陷：加速度计在运动时会有误差，陀螺仪则会随时间累积误差。这就是为什么需要传感器融合算法。
5. 传感器融合与姿态解算
在实际项目中，我推荐使用互补滤波或卡尔曼滤波来融合加速度计和陀螺仪的数据。这里先介绍一个简单的互补滤波实现：
float pitch = 0, roll = 0; float alpha = 0.98; // 滤波系数 void loop() { sensors_event_t a, g, temp; mpu.getEvent(&a, &g, &temp); float dt = 0.1; // 100ms采样周期 // 加速度计角度 float acc_pitch = atan2(a.acceleration.y, a.acceleration.z) * 180/PI; float acc_roll = atan2(-a.acceleration.x, sqrt(a.acceleration.y*a.acceleration.y + a.acceleration.z*a.acceleration.z)) * 180/PI; // 陀螺仪积分 pitch = alpha * (pitch + g.gyro.x * dt * 180/PI) + (1-alpha) * acc_pitch; roll = alpha * (roll + g.gyro.y * dt * 180/PI) + (1-alpha) * acc_roll; Serial.print("Pitch:"); Serial.print(pitch); Serial.print(" Roll:"); Serial.println(roll); delay(100); }这个简单的算法中，alpha值决定了信任陀螺仪数据的程度。经过实测，0.98左右的值在大多数情况下都能取得不错的效果。对于更精确的应用，可以考虑使用DMP（数字运动处理器）或Madgwick/Mahony等更先进的滤波算法。
6. 实际应用案例：平衡小车
最后分享一个我在平衡小车项目中的实际应用。小车需要实时监测自身的倾斜角度，并通过PID控制电机保持平衡。核心代码如下：
#include <PID_v1.h> // PID参数 double Setpoint, Input, Output; PID myPID(&Input, &Output, &Setpoint, 2, 5, 1, DIRECT); void setup() { // 初始化MPU6050 // ... // 初始化PID Setpoint = 0; // 目标角度为0度（直立） myPID.SetMode(AUTOMATIC); myPID.SetSampleTime(10); // 10ms采样周期 } void loop() { // 获取当前角度（使用融合后的数据） Input = getFusedAngle(); // 计算PID输出 myPID.Compute(); // 控制电机 controlMotors(Output); delay(10); }在这个项目中，最关键的是采样周期和PID参数的调整。经过多次测试，我发现10ms的采样周期配合适中的PID参数能够实现稳定的平衡控制。调试过程中，使用串口绘图工具实时观察角度变化和PID输出非常有帮助。
