3. 传感器系统：视觉、激光雷达、IMU、力觉传感器的原理与选型
传感器，说白了就是机器人的「五官」。没有它们，人形机器人就是个铁疙瘩，啥也干不了。我这些年做项目，最深的体会就是：传感器选对了，任务成功一半；选错了，后面全是坑。
今天咱们聊聊四种核心传感器：视觉、激光雷达、IMU 和力觉传感器。它们各自负责什么？怎么选？我踩过哪些雷？嗯，一个一个来。
3.1 视觉传感器：机器人的「眼睛」
视觉传感器是人形机器人获取环境信息最直观的方式。它就像我们的眼睛，但比人眼更「死板」——它只认像素和算法。
3.1.1 原理简述
视觉传感器核心是 CMOS 或 CCD 图像传感器。光线通过镜头，打到感光元件上，转换成电信号，再变成数字图像。就这么简单？不，真正的难点在后面——你得从图像里「看懂」世界。
我个人习惯把视觉任务分成三层：
- 底层：图像采集、去噪、增强
- 中层：特征提取、目标检测、深度估计
- 高层：场景理解、语义分割、行为预测
你想想看，人形机器人要抓杯子，它得先「看到」杯子在哪，然后「认出」那是杯子，最后「判断」怎么抓。每一层都离不开视觉传感器。
3.1.2 选型要点
| 参数 | 说明 | 我的建议 |
|---|---|---|
| 分辨率 | 图像细节程度 | 室内任务 2MP 够用，室外或精细操作建议 5MP+ |
| 帧率 | 每秒采集图像数 | 动态场景至少 30fps，抓取任务建议 60fps |
| 动态范围 | 明暗差异大的场景表现 | 室内外切换场景，动态范围要 > 80dB |
| 接口 | 数据传输方式 | USB3.0 或 GMSL，别用 USB2.0，带宽不够 |
3.2 激光雷达：精准的「尺子」
视觉传感器有个毛病——它怕黑、怕强光、怕玻璃。这时候激光雷达就派上用场了。它不依赖环境光，直接发射激光束，测量距离。
3.2.1 原理简述
激光雷达的原理其实不复杂：发射激光脉冲，打到物体表面反射回来，接收器记录时间差，乘以光速再除以 2，就是距离。说白了就是「激光测距仪」的旋转升级版。
市面上主流的有两种：
- 机械式：激光器旋转扫描，360° 覆盖。精度高，但有机械磨损。
- 固态式：用光学相控阵或 MEMS 镜片控制光束方向。体积小，寿命长，但视场角有限。
我记得有一次做室外巡检项目，用了机械式激光雷达，结果灰尘太大，旋转轴卡住了。从那以后，室外场景我优先考虑固态式。
3.2.2 选型要点
| 参数 | 说明 | 我的建议 |
|---|---|---|
| 线数 | 激光束数量 | 室内导航 16 线够用，室外复杂地形建议 32 线+ |
| 探测距离 | 最远可测距离 | 室内 30m 足够，室外至少 100m |
| 精度 | 距离测量误差 | 一般 ±2cm，高精度场景要求 ±1cm |
| 防护等级 | 防尘防水能力 | 室外必须 IP65+，别问我怎么知道的 |
3.3 IMU：机器人的「平衡感」
IMU（惯性测量单元）是机器人保持平衡的关键。它由加速度计和陀螺仪组成，有的还带磁力计。说白了，就是告诉机器人：「你现在是歪的，快调整！」
3.3.1 原理简述
加速度计测量线加速度，陀螺仪测量角速度。通过积分，可以算出位置和姿态。但这里有个大坑——积分会累积误差，时间越长越不准。
为什么会这样？因为传感器有零偏、噪声、温度漂移。你想想看，每次测量都有微小误差，积分一次放大一次，几分钟后数据就完全不可信了。
我习惯的做法是：IMU 只做短时姿态估计，配合视觉或激光雷达做长时校正。这叫「传感器融合」，后面会细讲。
3.3.2 选型要点
| 参数 | 说明 | 我的建议 |
|---|---|---|
| 加速度计量程 | 可测量的最大加速度 | 人形机器人一般 ±8g 够用 |
| 陀螺仪量程 | 可测量的最大角速度 | 快速运动场景建议 ±2000°/s |
| 零偏稳定性 | 静止时输出漂移程度 | 消费级 10°/h，工业级 1°/h，军用级 0.1°/h |
| 输出频率 | 数据更新速率 | 控制环路至少 200Hz，建议 400Hz+ |
3.4 力觉传感器：机器人的「触觉」
视觉和激光雷达让机器人「看见」世界，IMU 让它「站稳」，但真正让它「干活」的，是力觉传感器。没有力觉，机器人抓鸡蛋和抓铁块一个力度——结果可想而知。
3.4.1 原理简述
力觉传感器通常基于应变片原理。当外力作用时，弹性体发生形变，应变片电阻变化，通过电桥电路转换成电压信号。再经过标定，就能算出力和力矩。
人形机器人常用的力觉传感器有两种：
- 关节力矩传感器：安装在电机输出端，测量关节扭矩
- 六维力传感器：安装在手腕或脚底，测量三个方向的力和三个方向的力矩
我记得第一次做力控抓取，没装力传感器，结果机器人把纸杯捏扁了。后来加了六维力传感器，设定好力阈值，机器人就能「温柔」地抓取易碎品了。
3.4.2 选型要点
| 参数 | 说明 | 我的建议 |
|---|---|---|
| 量程 | 可测量的最大力/力矩 | 手腕一般 50N/2Nm，脚底需要 200N+ |
| 精度 | 测量误差 | 精细操作要求 0.1N 级，一般任务 0.5N 够用 |
| 采样率 | 数据更新速率 | 力控至少 1kHz，才能保证响应及时 |
| 过载能力 | 超过量程时的保护 | 建议 200% 以上，防止意外冲击损坏 |
3.5 传感器融合：1+1 > 2
单独用任何一种传感器都有局限。视觉怕黑，激光雷达怕玻璃，IMU 会漂，力觉只能测接触力。但把它们结合起来，效果就完全不一样了。
我常用的融合策略是：
- 视觉 + 激光雷达：视觉做目标识别，激光雷达做距离测量，互补短板
- IMU + 视觉：IMU 提供高频姿态，视觉提供低频位置校正，解决漂移问题
- 力觉 + 视觉：视觉引导抓取位置，力觉控制抓取力度，实现精细操作
说白了，传感器融合就是「取长补短」。你想想看，人眼也有盲区，但加上触觉和平衡感，我们就能在复杂环境中自如行动。机器人也一样。
核心原则：选传感器不是越贵越好，而是「够用 + 互补」。先明确任务需求，再倒推传感器参数。我见过太多人上来就买顶级传感器，结果算法跟不上，白白浪费钱。
好了，传感器这块就聊到这儿。记住一句话：没有完美的传感器，只有合适的组合。选型时多想想你的机器人要干什么，别盲目追求参数。嗯，这些经验都是我用真金白银换来的，希望对你有帮助。