在閱讀了很多關於如何根據加速度數據測量距離的論壇之外的許多研究和論文之後，我發現了雙積分方法，但與此方法有關的誤差很大並且隨時間增加。 此外，我發現一些人建議卡爾曼濾波器，我讀了一些關於它的參考，但它不清楚如何使用它。還有一些人在談論融合傳感器......但在讀完它們之後，我沒有得到任何新的想法。 所以我仍然感到困惑，我沒有找到正確的答案。 抱歉這麼長時間的介紹。使用加速度計計算距離
問題
讓我們考慮，我持有9軸傳感器在我的手，將我的手在一些方向，我怎麼能找到我的手在空間中的新位置？如何獲得從初始點到新點的運動矢量我的意思是如何知道三軸上的傳遞距離？
如果沒有直接的答案......一些建議或引用將是偉大的或一些算法給出了準確的答案，我可以自己研究和使用它。 非常感謝你
不考慮旋轉：
讓我們考慮在時間t=t0你在[ x0 , y0 , z0 ]位置和[ vx0 , vy0 , vz0 ]速度矢量。
在t=t1上，您讀取了加速度向量[ ax1 , ay1 , az1 ]（來自t0和t1的平均加速度）。
然後，在t=t1速度矢量將是：
[ vx1 , vy1 , vz1 ] = [ vx0 + ax1 * (t1 - t0) , vy0 + ay1 * (t1 - t0) , vz0 + az1 * (t1 - t0) ]
t0和t1之間的平均速度會
[ vx01 , vy01 , vz01 ] = [ (vx0 + vx1)/2 , (vy0 + vy1)/2 , (vz0 + vz1)/2 ]
而在t=t1的位置將是：
[ x1 , y1 , z1 ] = [x0 + vx01 * (t1 - t0), y0 + vy01 * (t1 - t0), y0 + vy01 * (t1 - t0) ]
正如你所能看到，錯誤傳播與t^2，所以這就是爲什麼慣性系統需要像GPS一樣的外部參考補償。
你的問題的簡短答案是你不能這樣做。
雙重積分方法實際上是唯一一種僅通過加速度計獲取所需信息的方法。你發現這個方法的問題。錯誤隨着時間增加而增加，並且通常不會提供許多正在尋找的準確度。
卡爾曼濾波通常需要2個設備，基本上可以充分利用這兩個設備並過濾出不好的結果。看下面的例子。
卡爾曼濾波是一個非常棘手的問題，我試圖深入高級設計，但從未在有限的測試中發現任何有意義的結果。開始瞭解這個問題的好地方是youtube video series。
這是與斯坦福獲得了DARPA的挑戰，並解釋在一個易於理解的方式話題的人。整個過程是一個關於編程機器人移動並瞭解其在未知環境中的位置的6單元視頻系列。值得一看，如果你有時間和興趣。
這聽起來像你試圖做同樣的事情，以我所做的讓步實在特定的相對位置信息的高級設計。
另一個偉大的卡爾曼濾波read this（如果該鏈接不起作用谷歌卡爾曼濾波器平衡機器人，然後點擊TKJ博客鏈接）。基本上這個人使用加速度計和陀螺儀來跟蹤現實世界中的方向。
別的東西尋找到wiki實時動態。這在拖拉機和聯合收割機上提供真正準確的位置信息。約翰迪爾銷售一個系統，但它就像2萬美元。下面是使用GPS and beagleboard
由一個9軸傳感器我假設窮人的版本是指：
獲取從這種類型的9軸傳感器的實際位置的估計是不可能的，而無需使用另一傳感器噸帽子使用外部參考如GPS。理論上講，如果你知道物體在空間中的加速度以及它的初始位置和速度，你將能夠通過將其加速度和速度信息傳播回初始位置來計算物體的新位置（即積分兩次加速）。實際上不可能的原因是加速度計有噪音。這個噪聲將具有非零平均值，因此當積分加速度信號時，非零平均噪聲將不斷增加並累積在所得到的速度信號中。這被視爲傳感器漂移。速度估算開始相當正確，但由於這種累積的噪音而快速偏離。通過重複這一過程，第二次整合以獲得位置只會使情況更加惡化。
通過使用諸如GPS的外部參考，卡爾曼濾波器可用於慢更新的GPS信號結合起來，並快速更新加速度信號一起，以產生位置的可靠估計。 GPS具有對通過對加速度信號執行積分將會累積的漂移進行調零的效果。
我建議看一下Khamey建議的Udacity Youtube視頻。學習卡爾曼濾波器時，有助於清楚地瞭解目標是什麼以及卡爾曼濾波器在做什麼。那麼算法的數學和實際步驟將更容易理解。在學習卡爾曼濾波器時，另一個有用的功能是每次只爲一個狀態變量執行，而不是整個狀態向量。這只是幫助您將注意力集中在卡爾曼濾波器實際正在做什麼上，這樣您就不會被矩陣代數陷入困境。
如果有底圖，你放心，傳感器沿着已知路徑（如道路）行駛時，您可以使用底圖糾正有噪音的讀數。請參閱Jun Han，Emmanuel Owusu，Thanh-Le Nguyen，Adrian Perrig和Joy Zhang「ACComplice：在智能手機上使用加速度計進行位置推斷」，第4屆國際通信系統和網絡會議論文集（COMSNETS 2012），印度班加羅爾，1月3-7，2012年
http://www.netsec.ethz.ch/publications/papers/han_ACComplice_comsnets12.pdf
你基本上回答了自己的問題：「我發現了雙積分方法，但與此相關的方法錯誤是由時間和較大增加。」該錯誤增長得如此之快以至於該方法無用。 – Ali
[基於陀螺儀和加速度計的室內定位系統]的可能的副本（http://stackoverflow.com/questions/7499959/indoor-positioning-system-based-on-gyroscope-and-accelerometer） – Ali
它仍然是一個活躍的領域的研究，所以我會說這真的很難。 – Korchkidu