传感器基础与选型：从原理到实战
做嵌入式系统这么多年，我始终觉得传感器选型是整个融合系统的基石。选错了传感器，后面算法再牛也白搭。今天咱们就聊聊这四种最常见的传感器：IMU、激光雷达、摄像头、毫米波雷达，以及怎么根据项目需求把它们挑出来。
一、常见传感器类型与特点
1. IMU（惯性测量单元）
IMU 说白了就是加速度计加陀螺仪的组合。有些还带磁力计，那就是九轴了。我最早接触 IMU 是在做无人机飞控的时候，那时候用的还是 MPU6050，六轴，便宜但噪声大。
核心特点：
- 测量加速度和角速度，完全自主，不依赖外部信号
- 短时间精度高，长时间会漂移——这是硬伤
- 更新率可以很高，常见 100Hz~1kHz
性能指标：
| 指标 | 说明 | 典型值 |
|---|---|---|
| 零偏稳定性 | 静止时输出偏离真实值的程度 | 0.1°/h ~ 10°/h |
| 噪声密度 | 单位带宽内的噪声水平 | 0.005°/s/√Hz |
| 量程 | 可测量的最大角速度/加速度 | ±250°/s ~ ±2000°/s |
2. 激光雷达（LiDAR）
激光雷达这两年价格降了不少，但依然不便宜。它用激光束测量距离，精度高得吓人。我做过一个 AGV 项目，用的就是单线激光雷达做避障。
核心特点：
- 直接输出距离信息，不需要复杂计算
- 不受光照影响，白天黑夜都能用
- 但怕雨雾天气，反射面也有讲究
性能指标：
| 指标 | 说明 | 典型值 |
|---|---|---|
| 测距精度 | 单点测量误差 | ±1cm ~ ±3cm |
| 角分辨率 | 相邻激光束的角度间隔 | 0.1° ~ 0.5° |
| 扫描频率 | 每秒完成多少次完整扫描 | 10Hz ~ 40Hz |
3. 摄像头
摄像头是信息最丰富的传感器，没有之一。一张图像里包含颜色、纹理、边缘、语义信息……但问题也来了：数据量大，处理复杂，而且对光照敏感。
核心特点：
- 信息密度极高，适合做目标识别和分类
- 成本低，体积小，部署方便
- 但深度信息需要双目或结构光才能获取
性能指标：
| 指标 | 说明 | 典型值 |
|---|---|---|
| 分辨率 | 图像像素数量 | 640×480 ~ 1920×1080 |
| 帧率 | 每秒采集的图像帧数 | 30fps ~ 120fps |
| 动态范围 | 可同时分辨的最亮和最暗区域比 | 60dB ~ 120dB |
选型关键：做视觉 SLAM 时，我建议优先考虑全局快门摄像头。卷帘快门在快速运动时会产生果冻效应，那个画面扭曲起来，算法根本没法用。
4. 毫米波雷达
毫米波雷达是最近几年火起来的。它发射毫米波段的电磁波，能直接测距和测速。最厉害的是——它完全不受光照和天气影响。雨雪雾天，激光雷达歇菜了，毫米波雷达照样干活。
核心特点：
- 直接测量距离和速度（多普勒效应）
- 全天候工作，穿透性强
- 但角分辨率低，目标识别能力弱
性能指标：
| 指标 | 说明 | 典型值 |
|---|---|---|
| 测距精度 | 距离测量误差 | ±0.1m ~ ±0.5m |
| 速度精度 | 速度测量误差 | ±0.1m/s |
| 最大探测距离 | 可检测目标的最远距离 | 50m ~ 250m |
二、传感器选型方法论
选传感器不是看参数表挑最贵的。我总结了一套方法，分享给你。
第一步：明确需求
先问自己三个问题：
- 要测量什么物理量？位置？速度？姿态？还是目标识别？
- 精度要求是多少？厘米级还是米级？
- 工作环境如何？室内还是室外？有无光照变化？有无雨雾？
第二步：匹配性能指标
举个例子。你要做室内机器人定位，精度要求 10cm。那激光雷达的 ±1cm 精度完全够用。但如果你用 IMU 做纯惯性导航，10cm 精度？想都别想——几分钟就漂到天边去了。
为什么会这样？因为 IMU 的误差会随时间累积。你想想看，加速度计测的是加速度，要积分两次才能得到位置。每次积分都会放大噪声，这就是所谓的「漂移」。
第三步：考虑系统约束
- 成本：一个工业级 LiDAR 上万块，一个摄像头几十块。预算决定上限。
- 功耗：电池供电的设备，IMU 功耗最低，LiDAR 和摄像头都费电。
- 体积：无人机上只能装轻小的传感器，毫米波雷达模块现在可以做到指甲盖大小。
- 计算资源：摄像头数据量大，需要较强的处理器。IMU 数据量小，单片机就能处理。
第四步：做权衡
没有完美的传感器。激光雷达精度高但怕雨雾，摄像头信息丰富但怕暗，毫米波雷达全天候但分辨率低。所以实际项目中，我几乎从来不用单一传感器——都是融合着用。
我的建议：选型时画一个表格，把候选传感器的各项指标列出来，然后根据项目需求加权打分。别凭感觉选，数据说话。
三、知识体系总览
下面这张图是我自己整理的传感器选型知识框架，帮你快速建立全局认知。
四、实战选型案例
说个我实际做过的项目吧。一个室内巡检机器人，要求：
- 定位精度 ±5cm
- 能识别前方障碍物
- 在弱光环境下也能工作
- 成本控制在 2000 元以内
我当时怎么选的？
- 定位：用单线激光雷达做 SLAM，精度 ±2cm，完全满足要求
- 避障：加一个超声波传感器做近距离检测，成本才十几块
- 姿态：用低成本六轴 IMU（MPU6050）做姿态估计，辅助定位
- 识别：摄像头？没加。因为成本超了，而且弱光下效果不好
你看，选型就是做取舍。没有最好的传感器，只有最合适的组合。
传感器选型这事儿，说难不难，说简单也不简单。关键是理解每种传感器的脾气秉性，知道它们擅长什么、怕什么。后面咱们讲融合算法时，你会发现——选对了传感器，融合就成功了一半。
可可精品资料库