2. 传感器系统导论：四足机器人常用传感器分类与选型原则
做四足机器人，传感器就是它的眼睛、耳朵和皮肤。没有传感器，机器人就是个铁疙瘩，连站都站不稳。我这些年折腾过不少四足项目，从最早的液压大狗到现在的轻量化电驱狗，传感器选型这块踩过的坑还真不少。今天咱们就好好聊聊，四足机器人到底需要哪些传感器，以及怎么选才靠谱。
2.1 四足机器人传感器分类
我个人习惯把传感器分成三大类：本体感知、环境感知、以及专用传感器。你想想看，机器人要走路，首先得知道自己腿在哪儿、关节转了多少度，这就是本体感知。然后它要知道前面有没有坑、有没有台阶，这就是环境感知。至于专用传感器，比如力传感器、温度传感器，那是为了特定任务准备的。
2.1.1 本体感知传感器
这类传感器负责测量机器人自身的状态。说白了，就是让机器人知道“我现在的姿势对不对”。
| 传感器类型 | 测量参数 | 典型型号 | 作用 |
|---|---|---|---|
| 编码器 | 关节角度、位置 | AS5048A、AMT102 | 电机转子位置反馈，用于FOC控制 |
| IMU（惯性测量单元） | 加速度、角速度、姿态 | BMI088、ICM-20948 | 机身姿态估计、步态相位判断 |
| 电流传感器 | 电机相电流 | INA240、ACS712 | 力矩估算、过流保护 |
| 温度传感器 | 电机/驱动器温度 | NTC热敏电阻、DS18B20 | 热保护、散热策略调整 |
这里我要特别提一下IMU。我在项目里遇到过IMU数据漂移导致机器人摔倒的情况，后来发现是没做温漂补偿。嗯，这个坑后面会细讲。
2.1.2 环境感知传感器
环境感知传感器让机器人“看见”和“摸到”周围的世界。四足机器人要在复杂地形上行走，没有环境感知寸步难行。
- 激光雷达（LiDAR）：用于建图、定位、障碍物检测。常用型号有RPLIDAR A1、Hokuyo UST-10LX。我建议选16线以上的，单线的在楼梯场景基本废了。
- 深度相机：提供RGB图像和深度图，用于地形识别、目标检测。Intel RealSense D435、奥比中光Astra Pro都是不错的选择。
- 超声波传感器：近距离障碍物检测，成本低，但精度一般。适合做辅助避障。
- 触觉传感器：足底压力感知，用于判断地面接触状态。这个在四足机器人上越来越重要。
2.1.3 专用传感器
这些传感器不是每台四足机器人都需要，但特定场景下必不可少。
- 力/力矩传感器：安装在足端或关节处，用于精确的力控。比如ATI Mini45，价格不便宜，但做动态行走时很有用。
- GPS/RTK：户外定位用。四足机器人做巡检时，RTK能提供厘米级定位。
- 麦克风阵列：声源定位、语音交互。这个在救援场景中有点用。
- 气体传感器：检测有害气体，用于危险环境探测。
2.2 传感器选型原则
选传感器不是越贵越好，也不是参数越高越好。我曾经在一个项目里选了高精度的工业级IMU，结果发现机器人根本用不上那么高的精度，反而因为体积大、功耗高影响了整机性能。所以，选型要讲原则。
2.2.1 性能匹配原则
传感器的性能参数要和机器人的需求匹配。别盲目追求高指标。
| 参数 | 四足机器人典型需求 | 选型建议 |
|---|---|---|
| IMU采样率 | ≥200Hz（用于姿态估计） | 选400Hz以上的，留余量 |
| 编码器分辨率 | ≥12位（4096线） | 14位以上更好，但注意通信带宽 |
| 激光雷达测距 | 0.1m ~ 10m | 室内8m足够，户外要20m+ |
| 深度相机精度 | ±1cm @ 1m | 结构光 vs ToF，看场景选 |
2.2.2 可靠性原则
四足机器人经常在振动、冲击环境下工作。传感器要是扛不住，数据就是垃圾。
- 抗振动能力：选工业级或车规级传感器，消费级的不靠谱。我见过消费级IMU在跑步时直接输出乱码。
- 温度范围：至少-20°C ~ 60°C。户外项目要更宽。
- 防护等级：IP54起步，IP67更好。四足机器人免不了涉水、进灰尘。
- 电磁兼容性（EMC）：电机驱动器是强干扰源，传感器要能扛得住。
2.2.3 接口与集成原则
传感器和主控之间的通信接口要匹配。别选了SPI接口的传感器，结果主控只有I2C。
- 通信接口：SPI（高速）、I2C（低速）、UART（通用）、CAN（工业）、Ethernet（大带宽）。
- 数据速率：IMU通常用SPI，编码器用ABZ或SSI，激光雷达用Ethernet。
- 供电电压：3.3V、5V、12V、24V，要统一规划。
- 物理尺寸：别选太大的传感器，四足机器人内部空间很紧张。
2.2.4 成本与供应链原则
做产品不是做科研，成本控制很重要。但也不能为了省钱选不靠谱的传感器。
- 批量价格：单颗传感器价格 × 数量，要算总账。
- 供货周期：别选交期半年的型号，项目等不起。
- 替代方案：至少准备2-3个备选型号，防止断供。
- 技术支持：选有中文文档、有FAE支持的厂家。
2.3 传感器系统架构
下面这张图是我常用的四足机器人传感器系统架构。你可以看到，传感器数据最终都要汇聚到主控，经过融合处理后输出给控制算法。
2.4 传感器数据融合简介
单个传感器的数据往往不可靠。比如IMU的加速度计有噪声，陀螺仪有漂移。怎么办？融合呗。
常用的融合算法有：
- 互补滤波：简单、计算量小，适合低算力平台。我早期在STM32上就用这个。
- 扩展卡尔曼滤波（EKF）：精度高，但需要调参。四足机器人姿态估计的标配。
- 无迹卡尔曼滤波（UKF）：非线性更强，但计算量更大。
- 因子图优化：用于SLAM，精度最高，但实时性差一些。
2.5 选型实战案例
最后，我分享一个实际选型案例。之前做一台中型四足机器人（约30kg），要求能在户外草地、碎石路、楼梯上行走。
需求分析：
- 本体感知：需要高精度关节角度反馈，用于力控。
- 环境感知：需要识别楼梯、坡道、障碍物。
- 可靠性：户外工作，要防尘防水。
选型结果：
| 传感器 | 选型型号 | 选型理由 |
|---|---|---|
| 关节编码器 | AS5048A（14位，SPI） | 高分辨率、抗振动、SPI接口快 |
| IMU | BMI088（6轴） | 工业级、温漂小、抗振动 |
| 激光雷达 | Hokuyo UST-10LX | IP65防护、10m测距、户外可用 |
| 深度相机 | Intel RealSense D435 | 全局快门、适合运动场景、有ROS驱动 |
| 足底力传感器 | 自制应变片式 | 成本可控、量程可定制 |
这个配置最终跑通了户外楼梯行走和草地小跑。嗯，虽然中间也出过几次bug，但整体选型方向是对的。