1. 传感器基础认知：传感器定义、分类与选型原则

大家好，我是你们的老朋友。今天咱们正式进入机器人传感器这个硬核话题。说实话，传感器这东西，我做了十几年项目，每次选型还是会踩坑。你想想看，机器人要是没了传感器，就像人没了眼睛和耳朵，再强的算法也白搭。

传感器是什么？说白了，它就是机器人的「感觉器官」。把物理世界的各种信号——距离、速度、角度、图像——转成电信号，让机器人能「看懂」周围环境。我习惯把传感器比作翻译官：它把现实世界的模拟信号，翻译成芯片能理解的数字语言。

1.1 传感器的四大金刚

做机器人这么多年，我接触过的传感器少说也有几十种。但真正常用的，其实就四大类。我一个个给你讲。

1. 激光雷达（LiDAR）

激光雷达，圈内人叫它「激光眼」。原理很简单：发射激光束，测量反射回来的时间差，算出距离。嗯，这里要注意——激光雷达分两种：机械旋转式和固态式。

• 机械旋转式： 360度扫描，精度高，但体积大、寿命短。我在做AGV小车时用过，半年换一次电机，烦得很。
• 固态式： 没有旋转部件，靠相控阵或MEMS镜片扫描。体积小、寿命长，但视场角有限。现在新项目我基本都用固态的。

选型时看三个参数：测距范围、角分辨率、扫描频率。室内导航用10-30米就够了，室外无人车至少得100米以上。

2. 超声波传感器

超声波，说白了就是声呐原理。发射40kHz左右的声波，等回声回来，算距离。优点是便宜、防水、不受光照影响。缺点是精度低、有盲区、容易受干扰。

我曾经在仓库机器人上用过超声波做避障。结果发现，货架上的金属架子会产生多次反射，数据乱得一塌糊涂。后来加了滤波算法才搞定。所以啊，超声波只适合做近距离（3米以内）的辅助检测，别指望它当主力。

3. IMU（惯性测量单元）

IMU是机器人的「平衡感」。它包含加速度计和陀螺仪，有的还带磁力计。加速度计测线性加速度，陀螺仪测角速度。两者融合，就能算出姿态角。

这里有个坑：IMU有漂移。你想想看，加速度计积分一次得速度，再积分一次得位移。两次积分下来，误差像滚雪球一样。我做过一个测试，静止放置的IMU，10分钟后位置漂移了2米。所以IMU必须配合其他传感器做融合，比如视觉+IMU或者激光+IMU。

4. 摄像头

摄像头是机器人的「眼睛」。单目、双目、RGB-D，各有各的玩法。单目便宜但缺深度信息，双目能算深度但计算量大，RGB-D（如Kinect、RealSense）直接输出深度图，最省事。

选摄像头时，分辨率、帧率、视场角是硬指标。但别忘了光照条件——我在室外项目上吃过亏，大太阳底下普通摄像头直接过曝。后来换了带宽动态的工业相机才解决。

1.2 传感器选型原则

选传感器，不是参数越高越好。我总结了一套「四步选型法」，你照着做，基本不会翻车。

1. 明确需求：你要测什么？距离？角度？图像？精度要求多少？响应速度多快？
2. 看环境：室内还是室外？温度范围？有没有灰尘、水汽、振动？
3. 算成本：传感器本身的价格、配套电路、软件开发、维护成本，都得算进去。
4. 做测试：别光看数据手册。拿样机跑一跑，看看实际效果。我每次选型都会做「对比测试」，把候选传感器放在同一场景下跑数据，谁好谁坏一目了然。

1.3 知识体系总览

下面这张图，是我自己画的传感器知识体系。你把它存下来，以后选型时对照着看，思路会清晰很多。

1.4 传感器数据对比

下面这张表，是我自己整理的常用传感器对比。你选型时直接拿来参考就行。

传感器类型	测量内容	典型精度	工作距离	优缺点	典型应用
激光雷达	距离、角度	±2cm	10-200m	精度高，但贵、怕强光	SLAM、避障
超声波	距离	±1cm	0.1-5m	便宜、防水，但有盲区	近距离避障
IMU	加速度、角速度	0.1°（姿态）	N/A	无外部依赖，但有漂移	姿态估计、导航
摄像头	图像、深度	像素级	0.1-50m	信息丰富，但受光照影响大	视觉SLAM、目标检测

1.5 我的选型心得

最后，分享几个我这些年总结的选型心得：

• 别迷信参数：数据手册上的参数都是理想环境测的。实际用起来，温度、振动、电磁干扰都会影响性能。我习惯把参数打八折来用。
• 留有余量：测距范围选大一号，精度要求放宽一点。比如你需要10米测距，我建议选15米以上的传感器。
• 考虑接口：传感器输出什么信号？UART？I2C？CAN？以太网？接口越通用，后期集成越省事。
• 多传感器融合：没有一种传感器是万能的。激光雷达+IMU+摄像头，这是目前最主流的组合。各取所长，互相补短。

好了，传感器基础认知就讲到这里。记住：传感器是机器人的「五官」，选对了，项目就成功了一半。下一章咱们聊传感器驱动开发，到时候我会手把手教你写代码。