第3章 传感器选型与驱动开发
做SLAM导航系统，传感器就是机器人的「眼睛」和「小脑」。选错了传感器，算法再牛也白搭。这一章我带你从工程角度把激光雷达、IMU、轮式里程计挨个捋一遍，顺便把ROS2驱动写明白。
3.1 激光雷达选型——别只看线数
很多人一上来就问「32线还是16线？」。其实选激光雷达，我习惯先看使用场景。室内导航？2D雷达就够了，比如RPLIDAR A1/A2，性价比高。室外或者需要3D感知？那得考虑机械式或固态雷达。
我个人比较关注这几个参数：
- 测距半径：室内10-20米足够，室外至少30米以上。
- 角分辨率：0.3°以下建图才细腻。0.6°以上边缘容易锯齿。
- 帧率：10Hz是底线，移动机器人最好15Hz以上。
- 抗环境光：室外强光下很多雷达会丢点，选的时候看看有没有抗干扰算法。
💡 我的经验： 之前做一个园区物流项目，贪便宜买了某款低端3D雷达，一到下午阳光斜射就疯狂丢点，最后换了Ouster OS1才稳定。选型时别只看参数表，最好拿实际场景测一测。
3.2 IMU标定——小东西，大脾气
IMU这东西，出厂时都有偏差。零偏、尺度因子、轴间耦合……不标定直接上SLAM，位姿估计分分钟漂到天上去。我常用的标定方法是六面法：把IMU静止放在六个正交方向，每个方向采集几十秒数据。
标定流程大致是：
- 固定IMU，采集静止数据（至少30秒）。
- 绕X轴旋转90°，采集；再绕Y轴、Z轴重复。
- 用最小二乘拟合零偏和尺度。
- 验证：标定后静止时加速度模值应接近9.8 m/s²。
⚠️ 注意： 我曾经在标定时忽略了温度影响，冬天和夏天零偏差了近10%。后来我都在恒温箱里做标定，或者用imu_utils这类工具做在线温补。千万别小看温度漂移。
3.3 轮式里程计模型——差速底盘怎么算？
两轮差速模型是基础。左右轮编码器分别输出脉冲数，换算成轮子移动距离，再推算机器人位姿。公式其实不复杂：
// 伪代码：差速里程计更新
double d_left = (left_ticks - last_left_ticks) * ticks_to_meters;
double d_right = (right_ticks - last_right_ticks) * ticks_to_meters;
double d_center = (d_left + d_right) / 2.0;
double d_theta = (d_right - d_left) / wheel_base;
x += d_center * cos(theta + d_theta/2);
y += d_center * sin(theta + d_theta/2);
theta += d_theta;这里wheel_base是左右轮间距，ticks_to_meters需要根据轮子直径和编码器线数算。我习惯在代码里加一个标定参数，因为轮子直径会磨损，跑一段时间就得重新量一下。
🔧 避坑指南： 轮子打滑是里程计最大的敌人。我曾在瓷砖地面上做测试，急转弯时里程计直接偏了15°。后来加了IMU航向修正，效果好了很多。纯里程计只适合短距离、低打滑场景。
3.4 ROS2驱动编写——从硬件到话题
ROS2驱动说白了就是把传感器数据包装成标准消息发出去。以激光雷达为例，我一般写一个lidar_driver节点：
- 初始化串口或以太网接口。
- 解析数据包（注意校验和、帧头）。
- 填充
sensor_msgs::msg::LaserScan或PointCloud2。 - 用
rclcpp::Publisher发布。
下面是一个极简的ROS2驱动骨架（C++）：
#include <rclcpp/rclcpp.hpp>
#include <sensor_msgs/msg/laser_scan.hpp>
class LidarDriver : public rclcpp::Node {
public:
LidarDriver() : Node("lidar_driver") {
pub_ = this->create_publisher<sensor_msgs::msg::LaserScan>("scan", 10);
timer_ = this->create_wall_timer(
std::chrono::milliseconds(100),
std::bind(&LidarDriver::publish_scan, this));
}
private:
void publish_scan() {
auto msg = sensor_msgs::msg::LaserScan();
msg.header.stamp = this->now();
msg.header.frame_id = "laser_frame";
// ... 填充 ranges, intensities 等
pub_->publish(msg);
}
rclcpp::Publisher<sensor_msgs::msg::LaserScan>::SharedPtr pub_;
rclcpp::TimerBase::SharedPtr timer_;
};IMU驱动类似，发布sensor_msgs::msg::Imu。轮式里程计则发布nav_msgs::msg::Odometry，同时广播TF变换。我个人习惯把里程计和TF放在同一个节点里，减少延迟。
⚡ 效率小技巧： 在嵌入式平台上，尽量用
rclcpp::Publisher的QoS设置为rclcpp::QoS(10).best_effort()，减少丢包和延迟。我曾在树莓派上跑，默认QoS导致扫描数据卡顿，改成best_effort后流畅很多。
3.5 本章小结
传感器选型是系统工程，没有「最好」，只有「最合适」。激光雷达看场景，IMU必须标定，轮式里程计要结合运动模型。驱动开发的核心是稳定、低延迟地把数据送进ROS2管道。嗯，这些基础打牢了，后面SLAM和导航才能跑得稳。