检物体倾角的一种常用办法是对陀螺仪输出的角速度进行积分。尽管这种办法开门见山，但差错会跟着积分时刻的添加而快速累积。在某些运用中，若整个时刻规模内物体运动缓慢（疏忽惯性力等要素的影响，物体只受重力效果），那么能够运用加速度计来丈量物体的歪斜视点。该办法运用重力矢量及其在加速度计轴上的投影来确认歪斜视点。
以两轮平衡小车（倒竖摆模型）为例，当检测到倾角存在时要操控小车以必定的加速度运动，才干坚持平衡而不至于倒下。因而倾角的丈量成为操控小车直立的要害。而在实践小车运动过程中，因为小车自身的运动所发生的加速度会发生很大的搅扰信号叠加在上述丈量信号上，使得输出信号无法精确反映车模的倾角（加速度计输出值除了重力加速度的部分也或许会将小车行进的加速度也包括在内，导致难以区别哪一部分是重力加速度）。
小车运动发生的加速度使得输出电压在实践倾角电压邻近动摇，尽管能够经过数据滑润滤波将其滤除。可是滑润滤波也会使得信号无法实时反映小车倾角的改动，然后减慢关于车轮的操控，使得小车无法坚持平衡，这种状况就需要结合运用陀螺仪来丈量。而在其他要求不高的状况下则能够对原始加速度信号进行处理，移除信号中的高频成分，因而必定程度的沟通重量也是能够接受的。
在运用惯性传感器检测物体运动姿势时，最直观的主意是经过加速度传感器直接丈量视点，经过陀螺仪丈量角速度，但实践运用中因为传感器自身的特性会存在许多搅扰。
常用的解决办法是结合加速度计和陀螺仪各自的优势进行互补滤波（陀螺仪：动态特性好，积分核算姿势有累积差错；加速度计：动态呼应差，但没有累积差错）。它们在频域上特性互补，能够选用互补滤波进步丈量精度和体系的动态功能。另一种常见的办法是选用卡尔曼滤波。
运用单轴数据核算倾角
如下图所示，假定X轴上测到的加速度值为ax，则倾角α的值为：α = arcsin（ax/g）。 假如倾角只在很小的规模内改动，则能够运用近似公式sinα≈α，所以α ≈ k·（ax/g），份额系数k用于倾角的线性近似核算。
X轴指向旋转360°，ax读数将在-1g~1g改动。从曲线能够看出，在挨近±90°的方位处，输出值灵敏度很低（相同视点改动引起的读数改动较小），而在0°邻近灵敏度最高。别的也能够看出正弦曲线在［0° 45°］， ［135° 225°］和［315° 360°］ 的线性度较好。
运用单轴数据丈量倾角除了灵敏度问题外，另一个约束是仅运用单轴数据无法进行360°的丈量。因为在倾角N°时加速度计的读数与倾角180°？N°时的加速度读数相同。
运用双轴数据核算倾角
如下图所示，加速度传感器在X-Y平面内旋转，因为X轴与Y轴正交，X轴检测到重力加速度的正弦重量，Y轴检测到重力加速度的余弦重量。旋转时跟着一条轴的灵敏度下降，另一条轴的灵敏度将会上升。
这时倾角能够经过核算X轴和Y轴比值的横竖切来得到：
假如操作数ax/ay为正值，横竖切函数会回来榜首象限中的值；假如操作数为负值，则横竖切函数会回来第四象限中的值（规范横竖切函数atan的值域是-90°~90°，也便是它只处理榜首、四象限）。而经过运用C言语规范库中的另一个横竖切函数atan2（ax ， ay），能够核算出原点至点（ax，ay）的方位角，能够理解为复数ax+ayi的辐角，取值规模为（-180°，180°］。因而，添加一个轴的优点之一是，能够区别各个象限并在整个360°规模内丈量倾角。
运用双轴数据核算倾角的另一个优势是：与单轴解决方案不同，添加一个轴后，即便第三个轴上存在歪斜，也能够测出精确值。经过下图来进行阐明：假如XY平面不是严厉的平行于重力方向，而存在一个较小的差错角β（β角无法精确测出），此刻第三根轴即Z轴将接受一部分重力的分力。假如仅仅用单轴数据来丈量，则依据公式有α = arcsin（ax/（g·cosβ）），β较小时cosβ挨近1。由此看出，仅仅用单轴数据会形成必定的差错。假如运用X和Y轴的数据，经过横竖切来求α，则能够消除差错角β的影响。
运用3轴数据核算倾角
假定传感器的X轴与水平面xy之间的夹角为α（称为俯仰角，pitch），Y轴与水平面间的夹角为β（称为滚转角，roll），Z轴与重力方向夹角为γ。
重力加速度在XYZ三个轴上的投影即为三个轴传感器的读数，因而可核算出：
依据三个轴加速度的矢量和等于重力加速度，即：
能够推导出核算三个视点的另一种表达式：
因为选用横竖切函数和加速度之比，因而具有双轴示例中提及的优势。
