3、传感器模型：激光雷达与深度相机在避障中的角色与参数差异。

做SLAM这么多年，我经常被问到同一个问题：「老师傅，避障到底用激光雷达好，还是深度相机好？」

说实话，这个问题没有标准答案。但有一点我可以肯定——你不理解传感器的脾气，就永远调不好避障参数。

今天咱们就掰开揉碎，聊聊这两种传感器在避障中的角色定位，以及它们那些「要命」的参数差异。

3.1 激光雷达：避障界的「老大哥」

激光雷达的原理很简单——发射激光，测量反射时间，算出距离。但它的角色远不止「测距」这么简单。

我在项目中遇到过好几次这样的情况：用深度相机做避障，结果在强光下直接「瞎了」。后来换成激光雷达，虽然点云稀疏，但胜在稳定。说白了，激光雷达就是那个「虽然话不多，但句句靠谱」的老大哥。

3.1.1 关键参数与调优要点

参数	典型值	对避障的影响	我的调优建议
扫描频率	10Hz ~ 40Hz	频率越高，动态障碍物捕捉越及时	室内移动机器人建议20Hz以上，室外可适当降低
角分辨率	0.1° ~ 0.5°	分辨率越高，小物体检测能力越强	避障场景至少0.3°以内，否则容易漏掉细杆
最大探测距离	10m ~ 100m+	影响提前减速/绕行的决策窗口	室内10-20m足够，室外至少30m
测量噪声	±1cm ~ ±5cm	噪声过大会导致误检或地图抖动	建议做中值滤波，窗口大小3-5帧

3.2 深度相机：避障界的「多面手」

深度相机（比如Intel RealSense、Kinect、Orbbec）通过结构光或ToF原理获取深度图。它的优势在于——能提供稠密的3D信息。

你想想看，激光雷达只能看到「线」，深度相机能看到「面」。这意味着什么？意味着它能识别出障碍物的形状、纹理，甚至判断出「这是个椅子腿」还是「这是个纸箱」。

但别高兴太早。深度相机有个致命弱点——怕光、怕黑、怕反射。

3.2.1 关键参数与调优要点

参数	典型值	对避障的影响	我的调优建议
深度分辨率	640×480 ~ 1280×720	分辨率越高，细节越丰富，但计算量也越大	避障用640×480足矣，再高反而拖慢帧率
帧率	15fps ~ 90fps	帧率低会导致运动模糊，动态避障失效	至少30fps，低于20fps建议放弃深度避障
有效测距范围	0.3m ~ 10m	太近会过曝，太远精度急剧下降	重点关注0.5m-3m区间，这是避障黄金区域
深度精度	±1% @ 1m ~ ±5% @ 5m	距离越远，误差越大，地图会「飘」	超过4m的深度数据建议降权使用

3.3 两种传感器的「角色分工」

在实际项目中，我很少只用一种传感器。为什么？因为它们的优缺点正好互补。

我习惯这样分配角色：

• 激光雷达：负责「远距离感知」和「全局地图构建」。它稳定、可靠，是SLAM的「定海神针」。
• 深度相机：负责「近距离精细避障」和「物体识别」。它稠密、丰富，是避障的「侦察兵」。

说白了，激光雷达告诉你「前面3米有堵墙」，深度相机告诉你「那堵墙是白色的，上面还有个插座」。两者结合，才能做出真正智能的避障决策。

3.4 核心知识体系：传感器模型与避障参数调优

下面这张图是我自己总结的，每次做传感器选型时都会拿出来看一眼。

3.5 参数调优的「黄金法则」

说了这么多理论，来点实际的。我总结了几条调优法则，你直接拿去用：

1. 先定角色，再调参数。 激光雷达做主传感器还是辅助传感器？参数策略完全不同。
2. 噪声容忍度要「因场景而异」。 室内光滑地面，激光雷达噪声小，可以收紧阈值；室外颠簸路面，适当放宽。
3. 深度相机的「置信度」比「精度」更重要。 我宁愿要一个「知道这里可能不准」的深度值，也不要一个「看起来准但实际是错的」值。
4. 永远给传感器留「冗余」。 比如激光雷达最大探测距离是30m，那你的避障决策窗口就按20m来设计。留点余量，不会错。

好了，关于传感器模型和参数差异，今天就聊到这儿。记住一句话：没有最好的传感器，只有最合适的参数。下一节咱们会深入代码层面，看看这些参数到底怎么在ROS里配置和调试。