4. 传感器仿真
传感器仿真，说白了就是给机器人装上一双“虚拟的眼睛”和“虚拟的耳朵”。
我刚开始做仿真的时候，总觉得只要把数据格式对上就行了。结果真机一跑，模型直接撞墙。为什么？因为仿真里的传感器太“干净”了，真实世界哪有那么完美？
这一章，我们就来聊聊怎么给传感器“加戏”——也就是噪声模型和标定。你想想看，如果仿真里都不考虑噪声，那策略训练出来到了真机上，肯定水土不服。
4.1 摄像头仿真：不只是拍张照片
摄像头仿真，核心是渲染。但光渲染还不够，你得模拟真实相机的各种“毛病”。
4.1.1 成像模型与畸变
真实相机用的是小孔成像模型，但镜头会引入畸变。最常见的是径向畸变和切向畸变。
我记得有一次，我在仿真里用了一个完美的针孔相机模型，结果真机部署时，机器人抓取总是偏几厘米。查了半天，原来是镜头畸变没考虑。
核心公式：畸变矫正通常用 Brown-Conrady 模型。
// 径向畸变
x_distorted = x * (1 + k1*r^2 + k2*r^4 + k3*r^6)
y_distorted = y * (1 + k1*r^2 + k2*r^4 + k3*r^6)
// 切向畸变
x_distorted = x + (2*p1*x*y + p2*(r^2 + 2*x^2))
y_distorted = y + (p1*(r^2 + 2*y^2) + 2*p2*x*y)在仿真中，我们通常先渲染出无畸变的图像，然后手动加上畸变参数。这样训练出来的模型，才能适应真实相机的“近视眼”。
4.1.2 噪声模型
摄像头噪声主要分几种：
- 高斯噪声：传感器热噪声，每个像素独立。
- 散粒噪声：光子计数统计特性，低光照下更明显。
- 量化噪声：模数转换时的精度损失。
我个人习惯在仿真中加一个可调的高斯噪声层。参数设置可以参考真实相机的信噪比（SNR）。
小技巧：别只加固定噪声。真实相机的噪声会随ISO、曝光时间变化。我建议在仿真里也模拟这种动态变化，策略会更鲁棒。
4.2 激光雷达仿真：点云不是“点”那么简单
激光雷达仿真，很多人以为就是射线投射。其实没那么简单。
4.2.1 射线投射与混合模型
激光雷达发射一束激光，遇到物体反射回来。但真实情况是：
- 可能打到玻璃上，部分穿透，部分反射。
- 可能打到边缘，产生“飞点”。
- 可能被雨滴、灰尘散射。
我在项目中遇到过最头疼的问题：仿真里激光雷达扫到的障碍物边缘非常清晰，但真机上全是噪点。后来我加了一个“混合模型”——每次射线投射时，随机选择是反射还是穿透。
避坑指南：我曾经在仿真里用纯几何射线，结果训练出来的避障策略，在真机上遇到玻璃门直接撞上去。后来我加了概率穿透模型，才解决问题。
4.2.2 噪声模型
激光雷达的噪声模型，我一般分三块：
| 噪声类型 | 来源 | 仿真模拟方法 |
|---|---|---|
| 距离噪声 | 飞行时间测量误差 | 高斯分布，标准差随距离增加 |
| 角度噪声 | 电机旋转抖动 | 小角度随机偏移 |
| 反射率噪声 | 物体材质影响 | 根据材质设定反射概率 |
你想想看，如果仿真里所有点都精确到毫米级，那策略到了真机上，面对几厘米的抖动，肯定慌得一批。
4.3 IMU仿真：加速度计和陀螺仪的“漂移”艺术
IMU仿真，核心是模拟漂移和偏差。IMU数据如果不加噪声，那积分出来的位置简直完美——但现实是，IMU数据积分几分钟就飘到天边去了。
4.3.1 噪声模型
IMU噪声模型，我通常用随机游走模型：
// 加速度计噪声
acc_measured = acc_true + bias_acc + noise_gaussian
bias_acc += noise_random_walk
// 陀螺仪噪声
gyro_measured = gyro_true + bias_gyro + noise_gaussian
bias_gyro += noise_random_walk这里的关键是 bias 的随机游走。它模拟了IMU随温度、时间变化的零偏漂移。
重要参数：Allen方差曲线。我建议你在仿真前，先拿真实IMU数据跑一下Allen方差，提取出量化噪声、角度随机游走、速率随机游走等参数。然后把这些参数喂给仿真器。
4.3.2 标定与对齐
IMU标定，说白了就是找到传感器坐标系和机器人坐标系的旋转关系。我见过太多人忽略这一步，结果IMU数据跟实际运动方向对不上。
嗯，这里要注意：IMU的安装位置也很关键。如果IMU装在机器人末端，那它测到的加速度包含了末端运动的加速度，跟基座IMU的数据完全不同。
4.4 知识体系：传感器仿真核心逻辑
下面这张图，是我总结的传感器仿真核心流程。你看一眼就明白了。
4.5 标定：从仿真到真机的最后一步
标定，说白了就是让仿真里的传感器参数，跟真机上的传感器参数对上。
我一般分两步走：
- 内参标定：摄像头畸变参数、激光雷达的旋转矩阵、IMU的零偏。
- 外参标定：传感器之间的相对位姿，比如摄像头和激光雷达的坐标变换。
我的习惯：在仿真里先跑一遍标定算法，生成标定文件。然后真机上跑同样的标定流程，对比两个标定文件的差异。如果差异太大，说明仿真参数设置有问题。
我曾经在仿真里用了一个理想化的IMU模型，结果真机标定出来的零偏是仿真里的10倍。后来我调整了仿真里的随机游走参数，才让策略在真机上稳定运行。
嗯，这一章的内容就到这里。传感器仿真，核心就是“加噪声”和“标定”。你只要把这两件事做好了，策略从仿真迁移到真机，就会顺畅很多。
总结一句话：仿真不是童话世界，传感器也不是完美无缺。学会给传感器“加戏”，你的策略才能真正落地。
可可精品资料库