第三章：传感器与感知——机器人的“眼睛”与“耳朵”

各位同学，大家好。今天我们聊聊机器人感知世界的那点事儿。

你想想看，一个机械臂要在地图里找到自己，还要避开障碍物，它靠什么？靠的就是传感器。说白了，传感器就是机器人的感官系统。没有它们，机械臂就是个“睁眼瞎”。

我个人习惯把传感器分成三类：测距的、看图像的、算位置的。今天咱们就一个一个掰开揉碎了讲。

激光雷达，英文叫 LiDAR（Light Detection And Ranging）。原理很简单：发射激光束，碰到物体反射回来，算时间差，就知道距离了。

我在项目中遇到过一件事：有一次调试AGV小车，激光雷达装在底盘前方，结果总是撞到低矮的障碍物。后来发现，雷达安装角度低了，扫描平面刚好在障碍物上方扫过去。嗯，这里要注意——安装高度和角度，直接影响感知效果。

  核心参数：
  扫描范围： 常见 270° 或 360°。室内导航用 270° 够用，室外建议 360°。
角分辨率： 0.1° ~ 1°。分辨率越高，点云越密，但数据量也大。
最大测距： 室内 10~30m，室外可达 100m+。
扫描频率： 10Hz ~ 40Hz。频率越高，动态响应越好。

说白了，激光雷达就是给机器人画一张“距离地图”。它不关心物体是什么颜色、什么材质，只关心“多远”。

我的小建议： 初学者选雷达，先看角分辨率。0.5° 以下的雷达，建图效果明显好。别贪便宜买那种 1° 以上的，后期滤波能把你搞疯。

深度相机，说白了就是普通摄像头加了个“测距功能”。它输出两种数据：一张彩色图（RGB），一张深度图（Depth）。

深度图里每个像素的值，代表那个点到相机的距离。你想想看，有了这个，机械臂就能知道“前面那个杯子离我 0.5 米”。

常见的深度相机技术有三种：

我曾经踩过的坑： 用结构光相机在强光下做室外导航，结果深度图全是噪点。后来换成双目相机才解决问题。所以，室外场景慎用结构光。

深度相机的好处是信息丰富。你不仅能知道“前面有障碍”，还能知道“那是个红色的箱子”。这对物体识别、抓取任务特别有用。

里程计，说白了就是“计步器”。机器人每走一步，它都记下来。但问题来了——步数不准怎么办？

轮式里程计靠编码器。编码器装在电机轴上，轮子转一圈，编码器输出固定数量的脉冲。数脉冲，就能算出轮子转了多少圈，再乘以轮子周长，就是移动距离。

听起来很完美？其实不然。

我做过一个测试：让机器人直线走 10 米，轮式里程计告诉我走了 9.7 米。差了 0.3 米。为什么？因为轮子打滑、地面不平、轮胎磨损……这些都会导致误差累积。

  轮式里程计的误差来源：
  轮子打滑（最常见）
轮胎气压变化导致周长不准
地面凹凸不平
编码器分辨率有限

视觉里程计，就是用摄像头图像来推算运动。它跟踪图像中的特征点（比如墙角、桌角），看这些点怎么移动，反推出相机自己的运动。

说白了，就是“看风景走路”。你盯着远处的山，山在画面里往左移，说明你在往右走。

视觉里程计的优点是不受轮子打滑影响。但缺点也很明显：光线不好时容易失效，纹理太少的地方也跟踪不上。

我的经验： 轮式里程计 + 视觉里程计融合使用，效果最好。一个负责短时精度，一个负责修正漂移。这叫“传感器融合”，后面章节会细讲。

IMU 包含加速度计和陀螺仪。加速度计测“加速度”，陀螺仪测“角速度”。

你想想看，有了加速度，积分一次就是速度，再积分一次就是位移。有了角速度，积分一次就是角度。理论上，IMU 可以算出完整的位姿。

但现实很残酷——IMU 的积分误差会随时间快速累积。你让它静止不动，积分 10 秒后，它可能告诉你“你已经走了 5 米”。

注意： IMU 不能单独用于长时间定位。它必须配合其他传感器（如激光雷达、GPS）使用。IMU 的作用是“短时补缺”——比如激光雷达被遮挡的瞬间，靠 IMU 撑一下。

IMU 还有一个重要用途：检测姿态。机械臂的末端执行器是否水平？机器人是否在爬坡？这些靠 IMU 的加速度计就能判断。

单个传感器都有短板。激光雷达怕玻璃、怕镜面；深度相机怕强光；里程计怕打滑；IMU 怕漂移。

怎么办？融合！

最常见的融合方式是卡尔曼滤波（Kalman Filter）。它把多个传感器的数据“加权平均”，权重由传感器的不确定性决定。你越信任哪个传感器，它的权重就越高。

举个例子：机器人直线行驶时，轮式里程计比较准，卡尔曼滤波就多信它一点。当机器人转弯时，轮子容易打滑，卡尔曼滤波就多信 IMU 的角速度数据。

  传感器融合的黄金法则：
  低频高精度传感器（如激光雷达）负责修正长期漂移
高频低精度传感器（如 IMU）负责填充短期数据
视觉传感器提供语义信息（“那是个门”而不是“那有个障碍”）

我个人习惯在项目初期，先把每个传感器单独调试通。确认每个传感器都能输出合理数据后，再做融合。否则，一旦融合结果不对，你根本不知道是哪个传感器出了问题。

好了，这一章的内容就到这里。传感器是机器人的感官，选对、用好、融合好，你的机械臂才能真正“感知”这个世界。