一、传感器基础：SLAM的“眼睛”与“耳朵”
做SLAM这么多年，我越来越觉得，传感器就是机器人的“感官”。没有好的感官，再牛的算法也白搭。今天咱们就来聊聊这四种最核心的传感器：激光雷达、IMU、轮式里程计和相机。
说白了，这四种传感器各有各的脾气。你得摸透它们的性子，才能让它们好好配合。
1.1 激光雷达：测距的“硬汉”
激光雷达的工作原理，其实没那么神秘。就是发射一束激光，打到物体上反射回来，根据时间差算距离。嗯，就这么简单。
核心原理：TOF（飞行时间法）
激光发射→物体反射→接收器捕获。光速是恒定的，所以时间差直接换算成距离。
关键公式：
距离 = (光速 × 飞行时间) / 2除以2是因为光走了个来回。
数据特性：
- 稀疏性：16线激光雷达一帧也就几万个点，跟相机比差远了
- 精度高：毫米级，我见过最好的能做到±2cm
- 不受光照影响：黑夜里照样干活，这点比相机强太多
- 怕反射：玻璃、镜面、水面，这些是激光雷达的“克星”
我的经验：做室内导航时，我习惯把激光雷达装在机器人前方30cm高处。太低容易被地面杂物干扰，太高又测不到桌腿。这个高度是我试了三次才定下来的。
避坑指南：我曾经在玻璃幕墙的大厅里做测试，激光雷达直接“瞎”了。后来加了反光条才搞定。记住，透明物体是激光雷达的天敌。
1.2 IMU：惯性测量单元
IMU这东西，说白了就是个“感觉器官”。它感受加速度和角速度，但不直接告诉你位置。
核心组成：
- 加速度计：测三轴加速度
- 陀螺仪：测三轴角速度
- 磁力计（可选）：测方向
数据特性：
| 参数 | 典型值 | 说明 |
|---|---|---|
| 零偏稳定性 | 10°/h（消费级） | 静止时陀螺仪输出不归零 |
| 噪声密度 | 0.01 m/s²/√Hz | 加速度计白噪声 |
| 更新频率 | 100-1000 Hz | 比激光雷达快得多 |
核心问题：IMU有累积误差。你想想看，加速度积分一次得速度，再积分得位置。每次积分都带误差，时间一长，位置就飘到天边去了。
我的用法：IMU我一般只用来做短时间内的姿态估计，或者跟其他传感器做融合。单独用IMU做定位？那是在给自己挖坑。
1.3 轮式里程计
轮式里程计，说白了就是“数轮子转了多少圈”。每个轮子装个编码器，转一圈发N个脉冲。
工作原理：
位移 = 轮子周长 × 脉冲数 / 每圈脉冲数数据特性：
- 短距离准：几米内误差很小
- 长距离飘：打滑、轮胎磨损都会引入误差
- 更新快：通常100Hz以上
- 成本低：一个编码器几十块钱
避坑指南：我曾经在瓷砖地面上做测试，机器人一转弯就打滑，里程计数据直接废了。后来加了IMU做辅助，才把这个问题解决。记住，轮式里程计最怕打滑。
1.4 相机模型与图像数据
相机嘛，大家都熟悉。但做SLAM用的相机，跟手机拍照不太一样。
针孔相机模型：
这是最基础的模型。说白了就是小孔成像原理。
// 相机投影公式
u = fx * X/Z + cx
v = fy * Y/Z + cy
// 其中：
// (X,Y,Z) 是三维空间点
// (u,v) 是图像像素坐标
// fx,fy 是焦距
// cx,cy 是光心坐标图像数据特性：
- 信息丰富：一张图几十万个像素，每个像素有RGB值
- 受光照影响大：太亮过曝，太暗欠曝
- 有畸变：镜头边缘的物体变形
- 帧率有限：通常30fps，运动快了会模糊
我的习惯：做视觉SLAM时，我一般先用标定板把相机畸变参数算出来。不标定？那你重建出来的地图都是弯的。
知识体系总览
这四种传感器各有千秋，我画了张图帮你理清关系：
你看，没有哪个传感器是完美的。激光雷达精度高但稀疏，IMU快但会飘，轮式里程计便宜但怕打滑，相机信息丰富但怕光照变化。做SLAM的核心，就是让它们取长补短。
总结一下：
- 激光雷达：建图的“主力军”
- IMU：短时间内的“救火队员”
- 轮式里程计：低成本下的“辅助选手”
- 相机：视觉SLAM的“眼睛”
记住，没有最好的传感器，只有最合适的组合。