第1章：传感器选型与对比
做机器人避障，第一步就是选传感器。这事儿我踩过不少坑，今天跟你聊聊我的真实体会。
传感器选型，说白了就是一场「成本」与「精度」的博弈。你想想看，一个扫地机器人用激光雷达，成本直接飙到几百块；用红外传感器，几十块搞定。但精度呢？天差地别。
1.1 主流传感器一览
目前市面上常见的避障传感器，我按原理分成了这几类：
- 超声波传感器：靠声波反射测距，便宜皮实
- 红外传感器：利用红外光反射，成本极低
- 激光雷达（LiDAR）：激光扫描，精度最高
- 深度摄像头：比如Intel RealSense，能获取3D信息
- 毫米波雷达：抗干扰强，适合户外
我个人习惯，先看应用场景再选型。室内还是室外？静态障碍物还是动态？这些决定了你的选择方向。
1.2 优缺点与适用场景
| 传感器类型 | 优点 | 缺点 | 适用场景 | 成本范围 |
|---|---|---|---|---|
| 超声波 | 不受光照影响，穿透性强 | 精度低，有盲区，易受多径干扰 | 室内避障、液位检测 | 5-50元 |
| 红外 | 成本极低，响应快 | 受环境光影响大，测距短 | 近距离避障、边缘检测 | 2-20元 |
| 激光雷达 | 精度高，测距远，角度分辨率好 | 成本高，怕灰尘，有机械磨损 | SLAM建图、高精度避障 | 200-5000元 |
| 深度摄像头 | 获取3D信息，识别物体形状 | 计算量大，受光照影响 | 人机交互、物体识别 | 300-2000元 |
| 毫米波雷达 | 全天候工作，抗干扰强 | 分辨率低，无法识别物体形状 | 户外移动机器人、自动驾驶 | 500-3000元 |
核心权衡点：精度每提升一个量级，成本往往翻3-5倍。别盲目追求高精度，够用就好。
1.3 成本与精度的真实权衡
我在项目中遇到过这样一个案例：给一个仓储AGV选传感器，预算卡得很死。一开始想用激光雷达，但单台成本就占了整机预算的40%。后来我换成了「超声波+红外」的组合方案，成本降到了原来的1/10，精度虽然差了点，但配合算法优化后，完全满足需求。
为什么会这样？因为避障不只需要传感器，还需要算法来兜底。你想想看，一个精度一般的传感器，配上好的滤波和融合算法，效果可能比一个高精度传感器裸奔还好。
这里我总结了一个选型公式：
总成本 = 传感器成本 + 算法开发成本 + 维护成本
有效精度 = 传感器精度 × 算法增益系数嗯，要注意的是，算法增益系数不是无限大的。传感器太差，算法也救不回来。
1.4 避坑指南
我曾经踩过的坑：
- 超声波传感器在狭窄走廊里会疯狂串扰，多台机器人同时工作时尤其明显
- 红外传感器在阳光直射下直接失效，户外场景慎用
- 激光雷达的旋转部件是易损件，选型时一定要看MTBF（平均无故障时间）
我的小技巧：如果预算允许，优先选「激光雷达+超声波」的组合。激光负责远距离高精度，超声波负责近距盲区补盲。这个组合我用了好几年，稳得很。
1.5 知识体系总览
下面这张图，是我梳理的传感器选型决策流程。你跟着走一遍，基本不会出错。
这张图的核心逻辑很简单：先定场景，再定预算，最后选传感器组合。别跳步骤，跳了容易翻车。
1.6 我的最终建议
如果你刚开始做机器人避障，我建议你从「超声波+红外」入手。成本低，上手快，踩坑了也不心疼。等把算法调明白了，再升级到激光雷达或深度摄像头。
记住一句话：传感器是骨架，算法是灵魂。骨架歪了，灵魂再强也白搭。
可可精品资料库