第三章 传感器基础：激光雷达、毫米波雷达与深度相机
各位同学，今天我们来聊聊传感器的选型。说实话，这是整个动态障碍物追踪项目里最容易被低估的一环。我见过太多团队把算法调得天花乱坠，结果传感器选错了，整个系统直接废掉。嗯，咱们今天就把这事彻底讲透。
3.1 激光雷达（LiDAR）原理
激光雷达，说白了就是「用激光当尺子」。它发射激光束，打到物体上反射回来，通过计算时间差来测距。这个原理听起来简单，但实际工程里坑不少。
我个人习惯把激光雷达分成两类：机械旋转式和固态式。机械式的大家见得最多，就是顶上那个转来转去的「小桶」。它通过旋转镜面或整个模块，实现360度扫描。固态式则用相控阵或MEMS微镜，没有机械旋转部件，体积小、寿命长，但视场角通常受限。
我在项目中遇到过最头疼的问题，就是激光雷达在雨雾天气下的表现。激光波长通常在905nm或1550nm，雨滴和雾滴会严重散射激光信号。1550nm的穿透性稍好，但成本也高。如果你要在户外做动态障碍物追踪，我建议优先考虑1550nm的激光雷达，别为了省钱选905nm，否则下雨天你就等着数据全丢吧。
核心参数速记：
- 测距原理：TOF（飞行时间法）或FMCW（调频连续波）
- 角分辨率：决定你能看到多小的障碍物
- 帧率：通常10-20Hz，够用但别太低
- 点云密度：线数越多，细节越丰富
避坑指南：我曾经在项目里用了一款16线激光雷达，以为够用了。结果在追踪快速移动的自行车时，点云稀疏到根本没法做聚类。后来换了32线的，效果立竿见影。所以，如果你要追踪动态障碍物，线数别低于32线，这是血的教训。
3.2 毫米波雷达原理
毫米波雷达，顾名思义，用的是毫米波段的电磁波。频率通常在24GHz、77GHz或79GHz。它和激光雷达最大的区别是什么？电磁波能穿透雨雾、灰尘，甚至能穿透塑料和薄木板。你想想看，这在自动驾驶里多重要。
毫米波雷达的核心原理是多普勒效应。它发射连续调频波，通过分析回波的频率偏移，不仅能测距，还能直接测速。这一点激光雷达做不到——激光雷达需要连续两帧数据才能算出速度，而毫米波雷达一帧就能搞定。
我记得有一次做测试，激光雷达在浓雾里几乎失效，点云全是噪点。但毫米波雷达依然稳定输出，虽然分辨率低，但至少能告诉我「前方10米有个东西在动」。这就是为什么很多量产车都标配毫米波雷达——它可靠，不怕天气。
注意：毫米波雷达的角分辨率远低于激光雷达。77GHz的雷达，角分辨率通常在1-3度。这意味着在远距离上，它只能告诉你「大概在那个方向」，无法精确描绘物体轮廓。所以它适合做检测和跟踪，不适合做精细建图。
3.3 深度相机（RGB-D）原理
深度相机，就是能同时输出彩色图像和深度图像的相机。主流技术有三种：结构光、双目视觉、ToF。
结构光，就是投射红外光斑到物体上，通过光斑的变形来计算深度。Kinect v1用的就是这招。优点是近距离精度高，缺点是在室外强光下基本废掉。
双目视觉，靠两个摄像头模拟人眼，通过视差计算深度。它不需要主动光源，所以室外也能用。但计算量大，而且对纹理要求高——你对着白墙，它就算不出来。
ToF深度相机，和激光雷达原理类似，发射红外光脉冲，测量飞行时间。Kinect v2和Azure Kinect都用这个。速度快、精度适中，但分辨率通常不高。
我个人习惯在室内场景用结构光或ToF，室外场景用双目。但要注意，深度相机的有效距离通常只有3-10米，远不如激光雷达。所以它更适合做近距离的障碍物检测和人机交互。
一句话总结：深度相机是「看得清但看不远」，激光雷达是「看得远但看不清」，毫米波雷达是「看得穿但看不明」。三者互补，缺一不可。
3.4 传感器选型对比
好了，三种传感器都讲完了。现在咱们来做个对比，方便你选型时参考。
| 特性 | 激光雷达 | 毫米波雷达 | 深度相机 |
|---|---|---|---|
| 测距范围 | 10-200m | 50-250m | 0.5-10m |
| 角分辨率 | 0.1-0.5° | 1-3° | 取决于分辨率 |
| 测速能力 | 需两帧计算 | 单帧直接测速 | 需两帧计算 |
| 天气影响 | 雨雾严重 | 几乎无影响 | 强光/弱光影响大 |
| 成本 | 高（数千到数万） | 中（数百到数千） | 低（数百到数千） |
| 适用场景 | 建图、定位、远距检测 | 测速、远距检测、恶劣天气 | 近距检测、人机交互 |
选型时，我建议你遵循一个原则：不要试图用一个传感器解决所有问题。动态障碍物追踪，最稳妥的方案是激光雷达+毫米波雷达融合。激光雷达提供高精度的位置和形状信息，毫米波雷达提供稳定的速度和远距检测能力。深度相机可以作为补充，用于近距离的精细检测。
我的经验：如果你预算有限，优先保证激光雷达的线数，其次再考虑毫米波雷达。因为激光雷达的数据质量直接决定了后续的聚类和跟踪效果。毫米波雷达可以买便宜的，只要它能稳定输出速度信息就行。
3.5 知识体系结构图
下面这张图，是我自己总结的传感器选型决策流程。你照着这个思路走，基本不会出错。
这张图的核心逻辑很简单：先确定场景，再选主传感器，最后用辅助传感器补短板。别一上来就想着「我要用最好的传感器」，先问问自己「我的场景到底需要什么」。
最后提醒一句：传感器选型没有标准答案。我见过用单线激光雷达做动态追踪做得很好的团队，也见过堆了一堆高端传感器却跑不起来的项目。关键是你得理解每种传感器的物理极限，然后根据你的实际需求做取舍。
好了，这一章的内容就到这里。传感器是系统的眼睛，选对了，后面的算法工作会轻松很多。下一章我们会讲数据预处理，到时候你会感谢自己今天认真看了这一章。