ジャイロのドリフトの問題に関する記事がたくさんあります。一部の人は、ジャイロの読みはドリフトしていると言いますが、他の人は統合が漂っていると言います。携帯電話でのジャイロスコープのドリフト
私は1回の実験を行います。次の2つの数字は私が得たものです。次の図は、ジャイロの読み取りがまったくドリフトしないが、オフセットがあることを示しています。オフセットのために、統合は恐ろしいです。だから、統合はドリフトだと思われますね。 
次の図は、オフセットが減少すると、統合がまったくドリフトしないことを示しています。
さらに、別の実験を行いました。まず、携帯電話を約10秒かけて机の上に置きます。次にそれを左に回転させて元の状態に戻します。その後、右と後ろ。次の図は、角度を非常によく表しています。私が使用したのは、オフセットを減らしてから統合を行うことです。
何か助けていただければ幸いです。
ジャイロの読み取りに「ドリフト」がある場合は、バイアスと呼ばれ、ドリフトしません。
ドリフトは積分によるもので、バイアスが正確にゼロであっても発生します。ドリフトは、積分によって読みのホワイトノイズが累積しているためです。 ドリフトキャンセルについては
、私は非常に私はそれに基づいてShimmer 2デバイス用のセンサフュージョンを実装している、Direction Cosine Matrix IMU: Theory原稿をお勧めします。
（編集：ドキュメントは以来のGithubに移動したMatrixPilotプロジェクトからのもので、そこのwikiのダウンロードセクションを参照のこと）
あなたはカルマンフィルタを主張する場合は、https://stackoverflow.com/q/5478881/341970を見ます。
なぜあなた自身のセンサー融合アルゴリズムを実装していますか？
Android（SensorManager：Sensor.TYPE_ROTATION_VECTOR）とiPhone（Core Motion）の両方が独自の機能を備えています。
親愛なるアリは本当に疑わしくて不正確な（間違った）ものを書きました。
ドリフトはバイアスの統合です。あなたが統合するときのバイアスの目に見える "効果"です。ノイズ（あらゆる種類の定常雑音）は、平均ゼロを持ち、したがって積分値がゼロです（私はPSDの積分については言及していませんが、時間的に積分された信号の加法性ノイズのことです）。
バイアスは、電圧および運動温度の関数として時間変化する。例えば。電圧が変化すると、それが変化し、バイアスが変化します。バイアスは固定されておらず、「予測可能」でもありません。 これは、信号による推定バイアスの提案された減算を使用してバイアスを除去することができない理由です。また、すべての見積もりにエラーがあります。このエラーは時間が累積します。誤差が小さければ、累積（ドリフト）の影響がより長い間隔で見えるようになりますが、まだ存在します。
理論は、バイアスの全廃は、それが現在の日では、不可能であることを述べています。最新技術では、バイアス電流のみを除去できるジャイロスコープと加速度計磁力計のみを排除する方法はまだ誰も見つけられていません。
AndroidとiPhoneには、制限付きのバイアス除去アルゴリズムが実装されています。それらは、バイアス効果（例えば、小さな間隔で）によって完全に自由ではない。一部のアプリケーションでは、重大な問題と予期しない結果が生じることがあります。
"ノイズ - あらゆる種類の定常ノイズ - 平均ゼロを持ち、結果的に積分値がゼロです。"あなたは[ランダムウォーク]（http://en.wikipedia.org/wiki/Random_walk）の概念に精通していますか？それとも別の言い方をすればいいのですが、コインを100回投げれば、あなたのロジックによれば、私はちょうど50頭と50テールになります。あなたは問題が見えますか？私はあなたの答えを修正することをお勧めします。 – Ali
彼はおそらく積分の平均値もゼロであることを意味していました。ドリフトは、プロセスの体系的な傾向です。私はこれについて専門家ではありませんが、統合されたノイズを補う方法はありません。一方、積分されたバイアスは、ゼロに近い角加速度の長時間の検出に基づくオンザフライ再較正によって取り消すことができます。 –
この議論ではアリとステファノの両方が理想的な統合によるドリフトの二つの基本的な側面を調達しています。
基本的にゼロ平均ホワイトノイズは理想的な概念であり、さらに、このような理想的なノイズ統合のための統合された信号で低周波数ドリフトを導入する雑音の低周波数成分よりも高い利得を提供します。理論的には、ゼロ平均ノイズは、かなり長い時間にわたって観測された場合にはドリフトを生じないはずであるが、実際的に理想的な積分は動作しない。
一方、理想的な積分（損失の少ない総和）が実行されると、読み込み（入力信号）のわずかなdcオフセットでも、時間の経過とともに大きなドリフトが発生する可能性があります。これは、理想的な積分が入力信号の直流成分に対して無限の利得を持つため、システム内のDCオフセットを非常に小さくすることができます。したがって、実用的な目的のために、カットオフを必要な限り低くすることができるが、実用的にはゼロまたは低すぎることのできないローパスフィルタを理想的な積分に置き換える。アリの回答（感謝アリ！）が動機
*「理論上、ゼロ平均ノイズは、かなり長い時間にわたって観測された場合、ドリフトを生じないはずです」* [ランダムウォーク]（https://en.wikipedia.org/wiki/Random_walk）の概念に精通していますか？私はあなたの答えを修正することをお勧めします。 – Ali
私はランダムウォークのようなゆらぎがあることに同意しますが、ノイズが「本当に」ゼロ平均ノイズであり、理想的には無限になるまで十分長い時間観測すると、積分された信号はゼロを超える等しい量の変動を示すはずです。しかし、シミュレートされたランダムノイズは理想的なゼロ平均ノイズではないので、実際にはシミュレーションでもドリフトが予想されます（Ezequielのシミュレーションに似ています）。短い時間スケールでは、信号の漂流を見ることができますが、十分に長い時間スケールでは明らかにゼロから連続的に離れるように変動します。 – abhijit
は、私はいくつかの読書や、いくつかの数値実験を行なったし、ジャイロドリフトの性質についての私自身の回答を投稿することを決めました。
私はホワイトノイズと統合されたホワイトノイズをプロットする簡単なoctave online scriptを書いた：
減少しているが、質問に示されたオフセット角度プロットは、典型的なランダムウォークに似ているようです。数学的ランダムウォークは平均値がゼロであるため、ドリフトとして説明することはできません。しかし、私はホワイトノイズの数値積分が非ゼロ平均につながると信じています（以下のランダムウォークのヒストグラムプロットに見られるように）。これは、直線的に増加する分散と共に、いわゆるジャイロドリフトに関連する可能性がある。
ジャイロスコープと加速度計hereから生じるエラーに大きな導入があります。いずれにせよ、私はまだ多くのことを学んでいるので、間違っている可能性があります。無料のフィルタについて
は、ジャイロドリフトが、それによって削減される様子を示す、いくつかの議論hereがあります。記事は非常に非公式ですが、私はそれが興味深いと分かりました。
本当にありがとう！実際には、私は白い騒音についてはほとんど分かっていない、私は白い騒音が3番目の図からの統合にマイナーな影響を及ぼしているようだね？ドリフトは本当に深刻な問題ですか？ –
はい、ホワイトノイズのために誤差が大きくなることがあります。あなたがバイアスを持っていれば、状況はさらに悪くなります。（とにかく、あなたの質問をアップしました！ – Ali
感謝しました:)私は本当にホワイトノイズのためにエラーを見たいと思っています。 1時間などでジャイロのデータを収集する必要がありますか？ –