3. 选型篇：传感器选型（超声波 vs 红外 vs 激光雷达）的精度与场景匹配问题
传感器选型这事儿，说白了就是「在合适的地方用合适的眼睛」。我见过太多项目，花大价钱买了激光雷达，结果在透明玻璃墙前面撞得鼻青脸肿；也有人图便宜用红外，结果在阳光底下直接瞎掉。
今天咱们就把这三种最常见的测距传感器掰开揉碎了讲。我会结合自己踩过的坑，告诉你什么时候该用什么。
3.1 三种传感器的工作原理与先天特性
先简单过一遍原理，这样你才能理解后面那些「怪毛病」是怎么来的。
| 传感器类型 | 工作原理 | 典型测距范围 | 核心局限 |
|---|---|---|---|
| 超声波 | 发射40kHz声波，计算回波时间 | 2cm – 5m | 声波锥角大，分辨率低，软材料吸音 |
| 红外 (Sharp/TOF) | 发射红外光，三角测量或飞行时间 | 10cm – 2m (三角) 0.5m – 12m (TOF) |
强光干扰，黑色物体吸光，镜面透射 |
| 激光雷达 (LiDAR) | 旋转或固态发射激光束，TOF测距 | 0.1m – 40m+ | 成本高，透明物体失效，怕灰尘 |
嗯，这里有个关键点你可能没注意到——超声波和红外其实都是「锥形」探测，不是一条线。激光雷达虽然也是锥形，但它的角分辨率高得多。
3.2 精度对比：别被数据表骗了
我刚开始做机器人时，看到超声波数据表上写着「精度±1cm」，心想这不错啊。结果实际一测，同一个距离，读数能跳±3cm。为什么会这样？
因为数据表上的精度是在理想条件下测的：垂直对准、硬质平面、室温静风。你的机器人一跑起来，条件全变了。
- 超声波：实际精度 ≈ 标称精度的 3 倍（±1cm → ±3cm）
- 红外（三角法）：实际精度 ≈ 标称精度的 2 倍
- 激光雷达：实际精度 ≈ 标称精度的 1.2~1.5 倍
再说一个坑：红外的「盲区」问题。Sharp 系列的 GP2Y0A21，数据表写 10cm~80cm，但你真把物体放到 10cm 处，输出值已经飘了。我习惯留出 20% 的余量，也就是实际可用范围从 12cm 开始算。
3.3 场景匹配：一张图说清楚
下面这张图是我自己总结的选型决策流程。每次做新项目，我都会先过一遍这个逻辑。
3.4 常见场景的选型建议
下面这几个场景，是我在实际项目中反复验证过的。你可以直接拿来参考。
场景一：室内避障（扫地机器人、服务机器人）
- 首选：超声波 + 红外组合。超声波负责远距离（1~3m）粗探测，红外负责近距离（10~30cm）精细避障。
- 避坑：我曾经只用超声波做避障，结果机器人在窗帘前面反复横跳——因为布料吸收了声波，根本没回波。
- 建议：至少装 3 个超声波（左、中、右），配合 2 个红外（左右斜前方），形成交叉覆盖。
场景二：室外导航（巡检机器人、割草机器人）
- 首选：激光雷达。室外光线变化大，红外基本废掉；超声波受风噪影响，精度也不够。
- 避坑：我见过有人把室内用的 RPLIDAR 直接装到室外巡检车上，结果一下雨就烧了。室外必须选 IP65 以上的工业级 LiDAR。
- 建议：预算有限的话，可以选单线 LiDAR + 超声波做补盲。单线 LiDAR 负责建图和定位，超声波负责检测低矮障碍物。
场景三：透明/镜面物体检测（仓储机器人、展示柜机器人）
- 首选：超声波。激光和红外遇到透明玻璃直接穿透，根本测不到。
- 避坑：但超声波也有问题——如果玻璃太薄（<3mm），声波会穿透一部分，导致测距偏大。我一般会在软件里加一个「玻璃补偿系数」。
- 建议：超声波探头安装时，要稍微倾斜 5~10 度，避免声波垂直反射回来造成干扰。
3.5 选型检查清单
每次选型前，我都会过一遍这个清单。你也试试看。
- 环境光线：强光/直射阳光？→ 避开红外
- 目标材质：透明/镜面/黑色？→ 避开激光和红外
- 测距范围：需要 >5m？→ 上激光雷达
- 精度要求：需要 ±1cm 以内？→ 上激光雷达
- 成本预算：单个传感器 <50 元？→ 超声波或红外
- 防护等级：室外/多尘/潮湿？→ 选工业级封装
- 安装空间：空间狭小？→ 选小型红外 TOF 传感器
3.6 我踩过的三个坑
最后分享几个真实教训，希望能帮你省点学费。
坑一：超声波装在电机旁边。电机产生的电磁噪声会干扰超声波接收电路，导致测距值乱跳。后来我把超声波移到了远离电机的位置，并且加了屏蔽罩，问题才解决。
坑二：红外传感器装在阳光直射的位置。有一次做户外机器人，红外传感器在正午时分直接输出满量程——因为太阳光里的红外成分太强了。解决方案是加一个遮光罩，或者换用带滤光片的 TOF 传感器。
坑三：激光雷达装在振动大的底盘上。旋转式 LiDAR 对振动很敏感，振动会导致扫描点云扭曲。后来我加了减震支架，并且在算法里做了运动畸变补偿。