Как упомянул Rocketmagnet, ваша ошибка будет расти со временем. Модель ошибок, обычно используемая в инерциальной навигации, представляет собой экспоненциальный рост.
Чтобы минимизировать это, вы должны предоставить внешние обновления. Обычно используемый механизм представляет собой фильтр Калмана. Инерционные датчики обеспечивают очень хорошие скорости обновления. Ваш внешний источник обеспечивает менее точные, но долгосрочные стабильные обновления с более низкой скоростью (обычно что-то вроде GPS). Эти два в совокупности дают вам хорошее комбинированное решение. Не все системы используют GPS в качестве источника обновлений. Например, источник инфракрасных изображений на передней панели пульта дистанционного управления Nintendo Wii обеспечивает источник этих обновлений.
Я приведу вам пример того, как стоимость не имеет отношения к вещам. Я создаю системы для аэрофотосъемки, в которых используются инерционные системы стоимостью более 100 000 евро. С помощью этих систем и высококлассных геодезических GPS-приемников я могу точно определить местоположение IMU до 2 "объема в течение всего дня, когда покрытие GPS хорошее. При отсутствии обновлений GPS (городские каньоны, туннели и т. Д.) Примерно через 60 секунд мы имеем погрешность около 10 см. Системы с таким уровнем производительности, как правило, являются товарами, контролируемыми ITAR, поскольку они являются оружейными устройствами.
Инерциальные системы MEMS более низкого качества используются в течение всего дня в менее требовательных приложениях, обеспечивая положение и положение уровня подметра счетчика. Эти системы низкого качества все еще используют тот же механизм фильтрации Калмана. Реальным недостатком этих более дешевых единиц является то, что ваша ошибка дрейфа будет расти гораздо быстрее.
Редактировать:
Чтобы ответить на ваш вопрос о том, что важно искать в ИДУ. Есть пара вещей, на которые вы хотите посмотреть. Первое - это стабильность температуры. Некоторые датчики MEMS будут иметь выходы, которые изменяются на 10% в диапазоне температур. Это может не иметь значения, если вы находитесь при постоянной температуре во время работы.
Следующее, что следует рассмотреть, - это спектральная плотность гироскопического шума. Очевидно, что чем меньше уровень шума, тем лучше. Следующая ссылка содержит документацию о том, как добраться от спектральной плотности шума до дрейфа (в градусах за единицу времени). http://www.xbow.com/pdf/AngleRandomWalkAppNote.pdf
Для ускорения вы хотите посмотреть на чувствительность и смещение в дополнение к шуму. Уровень шума даст вам представление о том, как быстро вы собираетесь интегрировать ошибки.