传感器选型避坑：激光雷达 vs 深度相机 vs 超声波，不同场景怎么选？

传感器选型这事儿，我见过太多人一上来就踩坑。有人觉得激光雷达贵就是好，有人迷信深度相机万能，还有人觉得超声波便宜凑合用。结果呢？要么预算超了性能过剩，要么传感器在特定场景下直接罢工。

今天我就把这三类传感器的底牌翻出来，结合我这些年踩过的坑，帮你理清楚——什么场景该用什么传感器。

先看一张总览图：三类传感器的核心差异

下面这张图，是我自己总结的传感器选型决策框架。你一看就明白，选传感器不是比参数，而是看场景。

激光雷达：精度之王，但不是万能药

激光雷达的原理很简单——发射激光束，测量反射时间，算出距离。单线、多线、固态、机械旋转……市面上种类很多，但核心优势就两个：精度高、不受光照影响。

我个人习惯在室外大范围场景优先考虑激光雷达。比如园区物流车、港口AGV，这些地方光照变化剧烈，深度相机容易失效，但激光雷达稳得很。

但激光雷达也有硬伤。它怕什么？怕透明物体、怕镜面反射、怕雨雪雾。我在一个项目中用过16线激光雷达做室外巡检，结果下小雨时点云直接炸了——雨滴反射造成大量噪点，滤波都滤不干净。

深度相机：视觉的延伸，但别指望它全天候

深度相机这几年火得不行。Intel RealSense、Microsoft Kinect、奥比中光……原理分结构光和ToF两种。它能给你RGB图像+深度图，做物体识别、手势交互、SLAM都很方便。

说白了，深度相机最大的价值在于——它知道每个像素的深度。这对语义理解帮助太大了。比如你要识别一个杯子并抓取它，激光雷达只能给你一堆点云，深度相机直接给你像素级对齐的深度信息。

但深度相机有个致命弱点：怕强光。在室外阳光下，结构光相机基本废掉，ToF相机也大幅降级。我测试过，正午阳光直射时，RealSense D435的深度有效距离从10米直接掉到2米以内。

还有一个坑——深度相机的精度随距离衰减很快。3米以内精度不错，到了5米以上，误差可能超过10厘米。做SLAM时如果主要靠深度相机，建图范围别超过10米，否则地图会飘。

超声波：老将出马，专治各种不服

超声波传感器，很多人觉得它过时了。其实不然。它有一个激光雷达和深度相机都搞不定的绝活——检测透明物体和镜面。

你想想看，玻璃门、透明亚克力板、镜面墙……激光打过去直接穿透或反射飞走，深度相机也抓瞎。但超声波靠声波反射，对这些材质完全免疫。

我做过一个仓储机器人项目，货架全是金属网眼结构。激光雷达透过网眼打到后面，距离数据乱跳。最后在每个角落加了4个超声波传感器，近距离避障才稳定下来。

但超声波也有短板。精度低（厘米级）、波束角宽（容易串扰）、响应慢。它适合做近距离（3米以内）的辅助避障，不适合做主传感器。

不同场景的选型建议

好了，三类传感器都讲完了。下面我直接给结论——不同场景怎么选？

场景一：室内服务机器人（送餐、清洁、导引）

• 主传感器：激光雷达（单线即可，2D SLAM够用）
• 辅助传感器：深度相机（用于避障+物体识别）
• 补充：超声波（检测玻璃门、透明隔断）
• 预算参考：¥2000~8000

场景二：室外无人车（物流、巡检、清扫）

• 主传感器：多线激光雷达（16线起步）
• 辅助传感器：超声波（近距离盲区补盲）
• 不建议：深度相机（强光下失效）
• 预算参考：¥10000~50000+

场景三：仓储AGV（货架间穿梭）

• 主传感器：激光雷达（单线，用于定位）
• 辅助传感器：超声波（检测货架立柱、网眼结构）
• 可选：深度相机（识别货物种类）
• 预算参考：¥3000~15000

场景四：水下/管道/特殊环境

• 主传感器：超声波（声波在水中/管道中传播好）
• 不建议：激光雷达（水中衰减严重）
• 不建议：深度相机（光线不足）
• 预算参考：¥500~5000

融合才是王道

说了这么多，其实我想表达一个核心观点：没有完美的传感器，只有合理的组合。

我现在的项目，基本都走「激光雷达 + 深度相机 + 超声波」的融合路线。激光雷达负责远距离定位和建图，深度相机负责物体识别和语义理解，超声波负责透明物体和近距离盲区补全。三个传感器各司其职，互相兜底。

嗯，传感器选型这事儿，说到底就是「知己知彼」。知己——你的机器人要在什么环境下跑？知彼——每个传感器的脾气秉性是什么？搞清楚了，选型就不难。