传感器基础：常见传感器类型与选型
做机器人抓取控制这些年，我最大的体会就是——传感器选对了，项目就成功了一半。另一半？嗯，是算法和调试。今天咱们就聊聊传感器这个基础话题。
你想想看，机器人要抓取一个鸡蛋，它得知道抓多大力、手爪碰到没、物体在哪儿、自己的姿态稳不稳。这些信息从哪来？全靠传感器。说白了，传感器就是机器人的五官。
一、力/力矩传感器
这是抓取控制里最核心的传感器，没有之一。我个人习惯把它叫做「触觉的延伸」。
工作原理
力传感器通过应变片或压电材料，把机械形变转换成电信号。力矩传感器则是测量扭转力。市面上常见的六维力传感器，能同时测三个方向的力和三个方向的力矩。
关键参数：
- 量程：比如0-200N，选大了精度不够，选小了容易损坏
- 分辨率：决定了你能感知多小的力变化
- 采样率：抓取动态过程至少需要100Hz以上
- 过载保护：这个很重要，我曾经有一次没注意，直接怼坏了传感器
我的经验：选力传感器时，量程留30%余量就够了。别选太大，否则小力信号会被噪声淹没。我见过有人给抓鸡蛋的机器人装了个500N的传感器，结果0.1N的力根本测不准。
常见型号对比
| 型号 | 量程 | 精度 | 适用场景 |
|---|---|---|---|
| ATI Mini45 | ±145N / ±10Nm | 0.1% FS | 精密装配、手术机器人 |
| OnRobot HEX | ±200N / ±20Nm | 0.2% FS | 协作机器人抓取 |
| 国产坤维KWR46 | ±100N / ±8Nm | 0.3% FS | 性价比之选，适合教学 |
二、触觉传感器
触觉传感器和力传感器不一样。力传感器测的是「总力」，触觉传感器测的是「力的分布」。你想想看，用手捏杯子，手指上的压力分布是不一样的——触觉传感器就是干这个的。
主要类型
- 电容式触觉传感器：通过电容变化感知压力，灵敏度高，但容易受温度影响
- 压阻式触觉传感器：电阻随压力变化，成本低，但线性度一般
- 光学式触觉传感器：比如GelSight，通过相机拍摄弹性体变形来重建接触信息，分辨率极高
避坑指南：我曾经在项目中用过电容式触觉传感器做抓取，结果环境温度一变化，读数就飘。后来换了压阻式，虽然精度差一点，但稳定性好很多。所以选型时一定要考虑工作环境。
三、视觉传感器
视觉传感器是抓取系统的「眼睛」。没有视觉，机器人就是个瞎子。但视觉也不是万能的——它怕遮挡、怕光照变化、怕反光。
常见视觉方案
- 2D相机：便宜、速度快，但只能获取平面信息。适合抓取平放的物体
- 3D深度相机：比如Intel RealSense、Kinect，能获取点云数据。适合抓取堆叠物体
- 结构光相机：精度高，但受环境光影响大。我在项目中用过，室内效果很好，室外就废了
- 激光雷达：精度最高，但价格也最高，一般用于大型工业场景
选型建议：
- 抓取静态物体：2D相机+深度估计就够了
- 抓取动态物体：需要高帧率相机（60fps以上）
- 抓取透明或反光物体：别用结构光，试试激光雷达或触觉引导
四、IMU（惯性测量单元）
IMU包含加速度计和陀螺仪，有的还有磁力计。它用来测量机器人的姿态和运动。说白了，就是告诉机器人「我现在是歪的还是正的」。
关键特性
- 加速度计：测量线性加速度，但容易受振动干扰
- 陀螺仪：测量角速度，但有零偏漂移
- 磁力计：测量地磁场，用于航向校正，但容易被金属干扰
我的习惯：IMU数据一定要做融合滤波。只用加速度计，振动大时数据没法看；只用陀螺仪，几分钟就漂到天边去了。我一般用卡尔曼滤波或互补滤波，把两者结合起来。
五、传感器融合的核心逻辑
单个传感器都有缺陷。力传感器测不到位置，视觉传感器测不到力，IMU测不到接触。所以必须融合。
下面这张图是我自己总结的传感器融合框架，你可以看看：
六、传感器选型实战指南
选传感器不是看参数表就完事了。我总结了几条实战经验：
- 先定需求，再选传感器。你要抓什么？抓鸡蛋和抓铁块，传感器完全不一样。
- 考虑通信接口。有些传感器用EtherCAT，有些用USB，有些用CAN。接口不匹配，后面全是坑。
- 注意安装方式。力传感器要装在手腕处，视觉传感器要装在合适高度。安装不对，数据全废。
- 别忽视线缆管理。机器人运动时线缆会晃动，可能引入噪声。我吃过这个亏。
- 留好调试接口。选传感器时，看看有没有配套的调试软件。没有调试工具，出了问题你都不知道是传感器坏了还是算法错了。
一句话总结：传感器选型 = 需求分析 × 环境评估 × 接口匹配 × 成本控制。缺一不可。
好了，传感器基础就聊到这儿。记住，传感器是机器人的五官，但真正让机器人「聪明」的，是融合算法。下一节我们会深入讲力位混合控制，到时候你会看到这些传感器是怎么协同工作的。