第1章：传感器基础——超声波、激光雷达、深度相机、里程计

各位同学，欢迎来到《避障场景路径跟踪控制实战》的第一课。

做机器人避障，说白了就是让机器「看见」并「躲开」障碍物。但机器没有眼睛，它靠的是传感器。我这些年调试过的机器人，少说也有几十种型号，踩过的坑比走过的路还多。今天咱们就把四种最常用的传感器掰开揉碎了讲清楚。

1.1 超声波传感器

超声波这东西，原理特别简单：发射一束人耳听不到的高频声波，等它碰到物体弹回来，算一下时间差，距离就出来了。就像蝙蝠那样。

优点：

• 便宜！一个模块几块钱到几十块钱，坏了不心疼
• 不受光线影响，黑灯瞎火也能干活
• 对透明物体（比如玻璃墙）也能检测，这点激光雷达反而做不到

缺点：

• 精度低，一般也就厘米级，远一点误差更大
• 有盲区，太近（通常小于2cm）或太远（超过4-5米）就测不准
• 容易受干扰，多台超声波同时工作会「串扰」
• 波束角宽，大概15-30度，你不知道具体哪个方向有障碍物

适用场景：

我个人习惯把超声波用在近距离辅助避障上。比如扫地机器人撞墙前的最后几厘米，或者AGV小车的防撞保险杠。嗯，这里要注意：千万别指望它做精确导航。

1.2 激光雷达（LiDAR）

激光雷达，现在做机器人的应该都不陌生。它发射激光束，测量反射回来的时间或相位差，精度比超声波高一个数量级。

优点：

• 精度高，毫米级，建图定位的黄金标准
• 扫描速度快，每秒几十万点云数据
• 不受环境光影响，白天黑夜都能用
• 能直接输出障碍物的精确位置和轮廓

缺点：

• 贵！单线激光雷达还好，多线的动辄上万
• 怕灰尘、雾霾，激光会被散射
• 对黑色吸光物体、镜面反射物体检测效果差
• 机械式激光雷达有旋转部件，寿命和可靠性是问题

适用场景：

SLAM建图、路径规划、高速移动机器人的避障。我建议预算允许的话，优先上激光雷达。它是最靠谱的「眼睛」。

1.3 深度相机

深度相机，也叫RGB-D相机。它不仅能拍彩色照片，还能给每个像素一个深度值。主流技术有结构光、ToF（飞行时间）、双目视觉三种。

优点：

• 信息丰富，既有颜色又有深度，适合做物体识别
• 能检测三维空间中的障碍物，不只是平面
• 体积小、功耗低，适合小型机器人
• 价格适中，几百到几千元

缺点：

• 受环境光影响大，强光下效果差，室外基本不能用
• 有效距离短，一般0.3-5米，远了深度数据就没了
• 精度不如激光雷达，尤其远距离
• 计算量大，处理点云需要GPU

适用场景：

室内服务机器人、抓取机器人、人机交互。你想想看，如果要做一个人脸跟随或者手势识别的机器人，深度相机几乎是唯一选择。

1.4 里程计

里程计不是「传感器」，而是一种推算方法。它通过轮子编码器、IMU（惯性测量单元）或者视觉信息，估算机器人移动了多少距离和角度。

优点：

• 完全自主，不需要外部信号
• 更新频率高，可以做到100Hz以上
• 短时间内的相对精度不错
• 成本低，轮式里程计几乎零成本

缺点：

• 误差会累积，跑得越久越不准
• 轮子打滑、地面不平都会引入巨大误差
• IMU有漂移，纯靠它定位几分钟就偏了

适用场景：

作为辅助定位手段，配合其他传感器使用。比如激光雷达+里程计做融合定位，或者短时间内的速度控制。

1.5 四种传感器对比总结

1.6 知识体系框架

下面这张图，是我自己整理的传感器选型逻辑。你一看就明白该怎么选了。

嗯，这张图其实是我多年经验的浓缩。你看，从避障需求出发，四个分支对应四种传感器，每个都有自己最擅长的领域。我个人建议，做项目时别想着「一个传感器打天下」，融合才是王道。

好了，传感器基础就讲到这里。记住：选传感器不是越贵越好，而是越适合越好。下一章咱们聊聊怎么把这些传感器的数据融合起来，做真正的避障控制。