3. 传感器原理与特性
多源传感器融合导航系统的核心挑战，在于如何将物理特性迥异、误差模型不同、输出频率差异巨大的传感器数据，在时间和空间上对齐并融合。本章将逐一剖析六类主流传感器的物理原理、误差来源、输出频率特性及其在融合系统中的角色定位。理解这些底层特性，是设计滤波器、配置权重、处理异常值的先决条件。下图展示了多源融合系统中各传感器的典型数据流与误差补偿链路。
在融合系统中，没有一种传感器是完美的。GPS/RTK提供位置但易受遮挡，IMU提供高频相对运动但存在积分漂移，视觉和激光雷达提供丰富的环境特征但计算量大且依赖场景纹理。理解每种传感器的“脾气”，是搭建可靠融合系统的第一步。
3.1 GPS/RTK：位置基准的精度与脆弱性
核心原理：GPS通过测量卫星信号到达接收机的传播时间，解算接收机在地球坐标系中的三维位置。RTK（实时动态差分）技术利用基准站与移动站之间的载波相位双差观测值，消除卫星钟差、轨道误差和大气延迟等公共误差，实现厘米级定位。其输出频率通常为1-20Hz，RTK解算延迟约20-50ms。
误差特性分析：
- 多路径效应：城市峡谷中信号反射导致伪距误差可达10-100m，RTK固定解会瞬间退化为浮点解或单点解。
- 周跳与失锁：载波相位观测值发生整周跳变，导致定位精度骤降，需要重新初始化模糊度。
- 高程精度差：垂直方向精度通常是水平方向的1.5-2倍，在坡度变化大的场景需谨慎使用。
3.2 IMU：高频惯性测量的积分漂移困境
核心原理：IMU由三轴加速度计和三轴陀螺仪组成，测量载体在惯性系中的比力和角速度。通过积分获得速度、位置和姿态。输出频率通常为100-1000Hz，是融合系统中唯一能提供高频运动信息的传感器。
误差模型与标定：
| 误差类型 | 典型值 | 影响 | 补偿方法 |
|---|---|---|---|
| 零偏稳定性 | 10°/h (陀螺) | 姿态漂移 | 在线估计/温度补偿 |
| 零偏重复性 | 50°/h | 启动误差 | 上电静态标定 |
| 比例因子误差 | 500ppm | 速度/位置误差 | 六位置法标定 |
| 随机游走 | 0.1°/√h | 长期漂移 | Allan方差分析 |
| 交轴耦合 | 0.1% | 姿态误差 | 矩阵标定 |
输出频率与融合策略：IMU的高频输出使其成为融合系统的“预测核心”。在EKF中，IMU用于状态预测（时间更新），而GPS/视觉等低频传感器用于观测更新。IMU数据需进行圆锥补偿和划船补偿，以减小高动态下的积分误差。
3.3 里程计：轮式机器人的速度约束与打滑风险
核心原理：里程计通过编码器测量车轮转速，结合轮距和轮径计算载体速度和航向变化率。输出频率通常为10-100Hz，在短距离内具有较高的相对精度（约0.1-1%）。
误差特性与补偿：
- 轮径误差：轮胎磨损、气压变化导致轮径偏差，产生比例位置误差。可通过直线往返校准。
- 打滑与空转：在光滑地面或急加速时，编码器计数与实际位移不符，产生不可预测的误差。
- 安装偏差：轮距误差导致航向角漂移，在长距离运行中放大横向位置误差。
融合中的角色：里程计通常作为短时预测的辅助信息，与IMU进行航位推算（DR）。在融合模型中，里程计的速度观测方程需考虑轮距、轮径的不确定性，并设置合理的噪声协方差。当检测到打滑时（如加速度异常），应暂时降低里程计权重。
3.4 视觉相机：被动感知的丰富性与计算瓶颈
核心原理：视觉相机通过捕获环境光强分布，提取特征点（如ORB、SIFT）或直接使用像素亮度，通过多视图几何恢复相机运动。输出频率通常为10-60Hz，分辨率从VGA到4K不等。
误差特性与挑战：
- 光照敏感：强光、逆光、夜间场景导致特征提取失败或匹配错误。
- 运动模糊：快速运动时曝光时间内图像模糊，降低特征点定位精度。
- 尺度不确定性：单目视觉无法直接获得尺度，需与IMU或其它测距传感器融合。
- 计算延迟：特征提取与匹配耗时约10-50ms，需进行时间戳补偿。
3.5 激光雷达：主动测距的精度与退化场景
核心原理：激光雷达通过发射激光脉冲并测量飞行时间（ToF）或调频连续波（FMCW）的差频，获取环境的三维点云。输出频率通常为10-20Hz，测距精度可达±2cm（16线）至±0.5cm（128线）。
误差特性与退化场景：
| 退化场景 | 原因 | 表现 | 应对策略 |
|---|---|---|---|
| 长直走廊 | 几何约束不足 | 沿走廊方向位置漂移 | 融合IMU/视觉 |
| 雨雾天气 | 粒子散射 | 噪声点增多 | 滤波/降低权重 |
| 镜面反射 | 镜面/玻璃 | 测距异常 | 强度阈值过滤 |
| 动态物体 | 行人/车辆 | 匹配误差 | 动态物体剔除 |
点云配准与融合：激光雷达通常采用ICP或NDT算法进行帧间配准，获得相对位姿变换。在融合系统中，激光雷达的观测模型可表示为当前帧点云与局部地图的匹配残差。其计算量较大（约20-50ms/帧），需与IMU高频预测配合，实现“IMU预测+激光修正”的紧耦合架构。
3.6 UWB：室内定位的脉冲测距与多径干扰
核心原理：UWB通过发送纳秒级窄脉冲，测量信号到达时间（TOA）或到达时间差（TDOA），实现厘米级测距。输出频率通常为10-50Hz，测距精度约±10cm（视距条件）。
误差特性与工程约束：
- 多径效应：室内环境反射导致首径检测错误，产生0.3-1m的跳变误差。
- 非视距（NLOS）：人体或墙体遮挡时，信号穿透衰减，测距误差增大至1-3m。
- 基站几何布局：GDOP（几何精度因子）影响定位精度，基站应尽量包围目标区域。
融合中的处理：UWB测距值在融合中作为位置观测或距离约束。需设置“距离残差检验”机制：当某基站测距残差超过3倍标准差时，判定为NLOS或异常，暂时剔除该观测。同时，UWB的更新频率较低，需与IMU高频预测配合，实现“IMU短时预测+UWB定期修正”的松耦合模式。
3.7 传感器特性对比与选型决策
| 传感器 | 输出频率 | 精度等级 | 误差特性 | 融合角色 | 典型成本 |
|---|---|---|---|---|---|
| GPS/RTK | 1-20Hz | 厘米级 | 多路径、失锁 | 位置基准 | ¥500-5000 |
| IMU | 100-1000Hz | 姿态0.1° | 积分漂移 | 高频预测核心 | ¥100-10000 |
| 里程计 | 10-100Hz | 0.1-1% | 打滑、轮径变化 | 短时速度约束 | ¥200-2000 |
| 视觉相机 | 10-60Hz | 相对位姿 | 光照、模糊 | 环境特征约束 | ¥300-3000 |
| 激光雷达 | 10-20Hz | ±2cm | 退化场景 | 高精度测距 | ¥2000-50000 |
| UWB | 10-50Hz | ±10cm | 多径、NLOS | 室内位置 | ¥1000-5000 |
3.8 实战案例：AGV室内外无缝导航的传感器配置
场景背景：某工厂AGV需要从室内仓库（无GPS信号）行驶至室外装卸区（有GPS但多路径严重），全程约500m，要求定位精度±10cm，最高速度2m/s。
传感器配置与约束：
- IMU：工业级（ADIS16470），200Hz，用于高频预测。
- 激光雷达：16线，10Hz，用于室内SLAM和室外避障。
- GPS/RTK：仅室外使用，5Hz，固定解精度2cm。
- 里程计：双轮编码器，50Hz，用于短时约束。
融合策略与实施步骤：
- 室内段（0-300m）：以激光雷达+IMU紧耦合为主，里程计辅助。激光雷达帧间匹配（NDT）提供位姿约束，IMU提供高频预测。在长直走廊段，检测到退化特征（NDT得分低于阈值），自动降低激光权重，增大IMU和里程计权重。
- 过渡段（300-350m）：GPS信号逐渐可用，但RTK尚未固定。此时采用松耦合策略：GPS单点解（精度5m）仅用于修正累积漂移，不参与高精度约束。同时监测RTK状态标志。
- 室外段（350-500m）：RTK固定解，GPS作为位置基准，权重增大。激光雷达因室外特征稀疏，权重降低。IMU继续提供高频预测，但需注意GPS更新间隔内的漂移。
结果与复盘：系统在室内段定位精度±5cm，室外段±3cm，过渡段±15cm（短暂）。关键经验：过渡段的RTK初始化时间约10-20s，期间需依靠激光雷达+IMU维持精度；GPS多路径严重时（靠近厂房墙壁），RTK固定解会频繁丢失，需设置“RTK健康度”指标，当固定解持续时间小于5s时，降低GPS权重。