传感器基础：LiDAR工作原理（TOF/固态）、IMU工作原理（加速度计/陀螺仪）、坐标系定义
各位同学，欢迎来到第二讲。今天咱们聊聊传感器本身。说实话，很多做SLAM的同学，算法调得飞起，但问起激光雷达怎么测距的、IMU为什么会有零偏，反而一脸懵。我个人觉得，搞多传感器融合，不懂传感器物理原理，就像厨师不懂火候——菜谱背得再熟也白搭。
这一节，我带你从物理层拆解LiDAR和IMU。不扯虚的，全是实战中必须啃下的硬骨头。
一、LiDAR工作原理：TOF与固态
激光雷达，说白了就是“用光量距离”。目前主流分两种：机械旋转式和固态式。机械式大家见得多了，Velodyne、禾赛的经典款。固态是趋势，比如Livox、Ouster的一些型号。
1.1 TOF（飞行时间法）
TOF的原理很简单：发射一束激光脉冲，打到物体上反射回来，接收器记录时间差Δt。距离d = c * Δt / 2。c是光速，约3×10⁸ m/s。
嗯，这里要注意：光速很快，Δt非常小。比如测30米，往返60米，Δt只有200纳秒。所以硬件上对计时精度要求极高。我在项目中遇到过，有些低端雷达在强光下测距抖动很大，就是因为接收器信噪比不够，计时电路被噪声干扰了。
核心参数：
- 测距精度：通常±2cm~±5cm，取决于计时芯片分辨率
- 最大测距：受限于激光功率和大气衰减，一般100m~300m
- 视场角（FOV）：机械式水平360°，固态通常水平120°~90°
1.2 固态激光雷达
固态雷达没有旋转部件，靠光学相控阵（OPA）或微振镜（MEMS）来改变光束方向。好处是体积小、寿命长、成本低。但缺点也很明显——FOV受限，而且点云密度不均匀。
我记得第一次用Livox Horizon时，发现它的扫描轨迹是“花瓣形”的，不是传统机械式的水平线扫。这就导致外参标定时，如果只用平面特征，很容易陷入局部最优。你想想看，一个花瓣形的点云，你拿它去拟合平面，边缘点的权重天然就低。
实战建议：
标定固态雷达时，我建议多采集一些不同角度的数据，尤其是让雷达对着纹理丰富的场景（比如树丛、墙面拐角）。纯平面场景对固态雷达来说，特征不够鲁棒。
二、IMU工作原理：加速度计与陀螺仪
IMU这东西，又爱又恨。爱它高频、不受光照影响；恨它漂移、零偏、温漂。咱们先搞清楚它怎么工作的。
2.1 加速度计
加速度计测量的是比力（specific force），也就是物体受到的惯性力与重力的合力。内部结构像个弹簧-质量块系统：质量块受到加速度时发生位移，通过电容或压电效应转换成电信号。
这里有个坑：加速度计测不到重力加速度本身，它测的是“支撑力”。比如你静止放在桌上，加速度计读数是(0, 0, 9.8) m/s²（假设z轴向上）。为什么？因为桌面给了它一个向上的支撑力，抵消了重力。所以，静止时加速度计的模长应该等于重力加速度——这是IMU初始化时判断静止的重要依据。
避坑指南：
我曾经在无人机上遇到过，加速度计在剧烈振动下输出严重失真。原因是振动频率接近质量块的谐振频率，导致测量值被放大。所以，IMU安装时一定要加橡胶减震垫，尤其是靠近电机或发动机的场景。
2.2 陀螺仪
陀螺仪测量角速度。MEMS陀螺仪基于科里奥利效应：一个振动的质量块，当它旋转时，会受到一个垂直于振动方向的力，这个力的大小与角速度成正比。
陀螺仪最头疼的是零偏稳定性。什么意思？就是静止时，它输出不是0，而是某个小值，而且这个值随时间缓慢变化。我见过最差的MEMS陀螺，零偏漂移能达到10°/h，这意味着积分10分钟，角度误差就超过1.5°。对于SLAM来说，这误差会直接导致地图漂移。
| 参数 | 消费级IMU（如MPU6050） | 工业级IMU（如ADIS16470） | 战术级IMU（如iMAR） |
|---|---|---|---|
| 加速度计零偏稳定性 | ±10 mg | ±0.1 mg | ±0.01 mg |
| 陀螺零偏稳定性 | ±10 °/h | ±1 °/h | ±0.1 °/h |
| 典型价格 | 几十元 | 几千元 | 几万元 |
你看这个表就明白了，为什么有些方案用MPU6050做VIO，跑几分钟就飘得找不到北。不是算法不行，是传感器物理极限摆在那里。
三、坐标系定义：别让坐标系坑了你
做外参标定，坐标系定义是第一步。我见过太多人，标定结果看起来挺好，一融合就炸，最后发现是坐标系方向搞反了。
3.1 常用坐标系
- 世界坐标系（W系）：通常定义为东北天（ENU）或北东地（NED）。SLAM中常用ENU，x向东，y向北，z向上。
- IMU坐标系（I系）：一般x向前，y向左，z向上（右前上）。但不同厂家定义不同，一定要查datasheet。
- LiDAR坐标系（L系）：通常x向前，y向左，z向上。但有些雷达（如Livox）的坐标系是x向右，y向前，z向上。
- 相机坐标系（C系）：z向前，x向右，y向下（即图像坐标系的行列方向）。
我的习惯：
拿到一个新传感器，第一件事不是跑算法，而是写一个小脚本，把传感器静止时的数据打印出来。比如IMU，静止时加速度计读数应该是(0,0,g)或(0,0,-g)，看坐标系定义。如果读出来是(0,g,0)，那坐标系肯定不对。
3.2 外参标定中的坐标系变换
外参标定，本质就是求两个坐标系之间的旋转矩阵R和平移向量t。比如LiDAR到IMU的外参T_IL，表示从LiDAR坐标系到IMU坐标系的变换。
公式很简单：P_I = R_IL * P_L + t_IL
但实际标定时，我们往往用“手眼标定”的思想：通过多组相对运动，解算出R和t。具体方法后面章节会细讲，这里先记住一点：旋转矩阵必须是正交矩阵，行列式为+1。如果你解出来的R行列式是-1，说明坐标系是镜像的，肯定错了。
小技巧：
我习惯在标定前，先手动测量一个粗略的外参。比如用尺子量LiDAR和IMU的安装位置，精度到厘米级。然后用这个初值去优化，能大大减少迭代次数，避免陷入局部最优。
四、本章知识体系图
下面我用一张SVG图，把这一节的核心逻辑串起来。你一看就明白，LiDAR和IMU各自测什么、怎么测，以及坐标系怎么把它们关联起来。
这张图把LiDAR、IMU和坐标系的关系画得很清楚。左边是LiDAR，右边是IMU，下面是坐标系。箭头表示它们需要融合，而融合的前提是坐标系统一。说白了，外参标定就是干这个活的。
五、小结
这一节我们聊了三个核心点：
- LiDAR怎么测距的——TOF和固态的区别，以及实战中要注意的点云特性
- IMU怎么测加速度和角速度的——加速度计测比力，陀螺仪测角速度，零偏是绕不开的坎
- 坐标系怎么定义的——世界系、IMU系、LiDAR系，以及它们之间的变换关系
嗯，内容不少，但都是硬通货。你把这些搞明白了，后面做外参标定时，遇到问题就知道往哪个方向排查。传感器原理搞不懂，标定结果就是空中楼阁。
可可精品资料库