姿态控制是独轮机器人平衡行走的关键技术,而姿态检测对姿态控制的影响是至关重要的。独轮机器人经常用到陀螺仪、加速度计以及磁力计作为姿态检测传感器,而姿态检测传感器性能的好坏将直接影响独轮机器人是否能够实现平衡稳定的控制。考虑到高性能的姿态检测传感器价格昂贵,独轮机器人采用成本较低的基于MEMS的姿态传感器。但由于该种类加速度计容易受到外界非重力加速度的影响且测量结果噪声比较大,而陀螺仪又存在累积误差和零点漂移,所以两类传感器均不适合单独长时间的测量姿态角。针对以上问题,本课题搭建了独轮机器人的姿态检测系统,分析了系统中各类传感器的优缺点。为独轮机器人的姿态检测构建了硬件基础。研究了扩展卡尔曼滤波算法(EKF)和无味卡尔曼滤波算法(UKF)的滤波原理和过程。用欧拉法建立了独轮机器人姿态变换的模型,并通过仿真验证了两种算法在独轮机器人姿态检测信息融合过程中的效果,从滤波原理和实验结果上对比了两种算法的优缺点。利用PAN-TILT模块搭建了二自由度实验平台,验证了独轮机器人横滚角和俯仰角的卡尔曼滤波效果。考虑到加速度计易受外界振动等非重力加速度的影响,通过实验测量得到不同振动强度对加速度计测量值的影响程度,拟合得到不同振动下加速度计测量值的均方差曲线。如何减少或者滤除振动等非重力加速度对加速度计造成的影响,是本课题研究的重点。通过对卡尔曼滤波算法原理的分析,加上实验结果的验证,本文通过对算法的扩展和修改有效的解决了外界干扰对姿态检测结果的影响。实验结果显示经过改进的自适应无味卡尔曼滤波算法(AUKF)很好的解决了独轮机器人姿态检测中遇到问题,最终得到了较为精确的姿态角。