1.一种传感器的误差参数估计方法，其特征在于，包括：S1、采用六位置法采集传感器的测量数据，所述传感器包括陀螺仪和/或加速度计；S2、基于所述测量数据，对所述传感器进行误差建模，使用最小二乘法进行传感器的确定性误差参数拟合；所述确定性误差参数包括偏置误差、比例因子误差、安装误差，当传感器是陀螺仪式，所述确定性误差还包括G相关误差；S3、根据所述确定性误差参数进行误差补偿，得到所述传感器的随机误差，包括：基于所述确定性误差参数，通过所述传感器的误差模型的逆方程，得到所述传感器修正后的测量值；基于所述传感器修正后的测量值，得到所述传感器的剩余误差，即随机误差；S4、将所述随机误差作为卡尔曼滤波算法的测量值，采用高斯-马尔可夫模型对所述随机误差进行建模，作为卡尔曼滤波算法的状态值；基于所述高斯-马尔可夫模型和所述状态值，设计随机误差矩阵和驱动噪声协方差矩阵，包括：将所述随机误差作为卡尔曼滤波算法的测量值，所述随机误差包括偏置不稳定性；采用高斯-马尔可夫模型对所述偏置不稳定性进行建模，将建模的偏置不稳定性定义为卡尔曼滤波的状态值；基于所述高斯-马尔可夫模型的特性，设计两个协方差矩阵，分别为：偏置不稳定性协方差矩阵，描述偏置不稳定性本身的波动范围，反映所述状态值的不确定性；驱动噪声协方差矩阵，描述驱动偏置不稳定性变化的噪声特性，对应卡尔曼滤波中的过程噪声协方差，为状态预测提供依据；S5、基于所述测量值、所述状态值、所述随机误差矩阵和所述驱动噪声协方差矩阵，进行卡尔曼滤波算法的时间更新和测量更新，修正所述传感器的随机误差，包括：所述时间更新为：状态预测： 表示上一时刻的状态值， 表示预测的当前时刻的状态值，状态转移矩阵A的元素为偏置不稳定性进行建模中的衰减因子， 为驱动噪声，与所述驱动噪声协方差矩阵对应；误差协方差预测： 表示上一时刻的误差协方差， 为预测当前时刻状态估计的不确定性，受所述随机误差矩阵影响；Q为过程噪声，由所述驱动噪声协方差矩阵确定；所述测量更新为：计算卡尔曼增益： ；C为测量矩阵，R为噪音协方差矩阵， 表示卡尔曼增益，用于确定预测值与测量值的权重分配；测量方程更新： 为修正后的当前状态，即修正的偏置不稳定性；更新误差协方差矩阵： （I- C） 。
2.根据权利要求1所述的一种传感器的误差参数估计方法，其特征在于，当所述传感器为加速度计时，所述基于所述测量数据，对所述传感器进行误差建模，使用最小二乘法进行传感器的确定性误差参数拟合，包括：建立x、y、z三个单轴加速度计的误差模型： ；其中， 表示加速度计输出， 表示实际加速度， 表示比例因子误差， 表示偏置误差， 表示比例因子不稳定性， 表示偏置不稳定性， 表示加速度计噪声，d代表x、y或z轴；基于三个单轴加速度计的误差模型，结合安装误差，联立三轴加速度计误差方程组： ；其中M xy ，M xz ，M yx ，M yz ，M zx ，M zy 表示安装误差，下标ab表示b轴在a轴上的耦合投影，a表示x、y、z轴，b表示x、y、z轴；基于上述的三轴加速度计误差方程组，采用最小二乘法，得到加速度计拟合公式，获得加速度计所有确定性误差参数。
3.根据权利要求1所述的一种传感器的误差参数估计方法，其特征在于，当所述传感器为陀螺仪时，所述基于所述测量数据，对所述传感器进行误差建模，使用最小二乘法进行传感器的确定性误差参数拟合，包括：建立x、y、z三个单轴陀螺仪的误差模型： ；其中， 表示陀螺仪输出， 表示实际角速率， 表示比例因子误差， 表示偏置误差， 表示比例因子不稳定性， 表示偏置不稳定性， 表示陀螺仪噪声，d代表x、y或z；基于三个单轴陀螺仪的误差模型，结合安装误差，联立三轴陀螺仪误差模型方程组： + ；其中M xy ，M xz ，M yx ，M yz ，M zx ，M zy 表示安装误差，下标ab表示b轴在a轴上的耦合投影，a表示x、y、z轴，b表示x、y、z轴；基于上述的三轴陀螺仪误差模型方程组，采用最小二乘法，得到陀螺仪拟合公式，获得陀螺仪所有确定性误差参数。
4.根据权利要求1所述的一种传感器的误差参数估计方法，其特征在于，所述基于当所述传感器包括陀螺仪和加速度计，所述测量数据，对所述传感器进行误差建模，使用最小二乘法进行传感器的确定性误差参数拟合，包括：建立x、y、z三个单轴陀螺仪的误差模型： ；其中， 表示陀螺仪输出， 表示实际角速率， 表示比例因子误差， 表示偏置误差， 表示比例因子不稳定性， 表示偏置不稳定性， 表示重力加速度g相关系数， 表示陀螺仪噪声，d代表x、y或z；基于三个单轴陀螺仪的误差模型，结合安装误差，联立三轴陀螺仪误差模型方程组： ； ；其中， 、 、 为所述加速度计误差补偿后的值，即实际加速度；其中M xy ，M xz ，M yx ，M yz ，M zx ，M zy 表示安装误差，下标ab表示b轴在a轴上的耦合投影，a表示x、y、z轴，b表示x、y、z轴；基于上述的三轴陀螺仪误差模型方程组，采用最小二乘法，得到陀螺仪拟合公式，获得陀螺仪所有确定性误差参数。
5.一种传感器的误差参数估计系统，用于实现权利要求1-4任一项所述的传感器的误差参数估计方法，其特征在于，包括：数据模块：采用六位置法采集传感器的测量数据，所述传感器包括陀螺仪和加速度计；确定性误差模块：基于所述测量数据，对所述传感器进行误差建模，使用最小二乘法进行传感器的确定性误差参数拟合；误差补偿模块：根据所述确定性误差参数进行误差补偿，得到所述传感器的随机误差；设定模块：将所述随机误差作为卡尔曼滤波算法的测量值，采用高斯-马尔可夫模型对所述随机误差进行建模，作为卡尔曼滤波算法的状态值；基于所述高斯-马尔可夫模型，设计随机误差矩阵和驱动噪声协方差矩阵；随机误差模块：基于所述测量值、所述状态值、所述随机误差矩阵和所述驱动噪声协方差矩阵，进行卡尔曼滤波算法的时间更新和测量更新，修正所述传感器的随机误差。
6.一种终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时可用于执行权利要求1-4中任一项所述的方法，或，运行权利要求5所述的系统。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时可用于执行权利要求1-4中任一项所述的方法，或，运行权利要求5所述的系统。
