3、传感器基础（下）：视觉传感器（单目/双目/深度相机）、激光雷达（LiDAR）、超声波传感器、GPS/RTK
好，咱们接着聊传感器。上一节我们把惯性传感器和触觉传感器讲透了，这一节我重点说说视觉、激光雷达、超声波和GPS这些“感知外界”的传感器。说实话，这部分内容在机器人项目里最常踩坑，我自己就吃过不少亏。
3.1 视觉传感器：单目、双目与深度相机
视觉传感器是机器人感知世界的“眼睛”。但你要知道，不同眼睛看到的世界是不一样的。
3.1.1 单目相机
单目相机就是我们手机上的普通摄像头。它只能拍到二维图像，没有深度信息。你想想看，一张照片里，远处的山和近处的树，在像素上都是平的。
核心问题：单目怎么测距？
答案是——靠运动。通过连续帧之间的特征点匹配，利用三角化原理估算深度。这就是视觉里程计（VO）的基本思路。
我个人习惯：在低成本AGV上，单目+IMU的组合性价比很高。但纯单目在弱纹理环境（比如白墙）会直接失效。
避坑指南：我曾经在一个仓库项目里用单目做定位，结果货架全是白色金属板，特征点根本匹配不上。后来被迫加了结构光投影才解决。
3.1.2 双目相机
双目相机模仿人眼，用两个镜头之间的视差来计算深度。说白了，就是左右眼看到的图像有偏移，偏移量越大，物体越近。
核心公式（简化版）：
深度 Z = (焦距 f × 基线距离 b) / 视差 d这里基线距离是两个镜头中心的距离。基线越长，测距精度越高，但相机体积也越大。
| 参数 | 单目 | 双目 | 深度相机 |
|---|---|---|---|
| 深度获取方式 | 运动估计 | 视差计算 | 主动投射 |
| 室外表现 | 一般 | 好 | 差（受阳光干扰） |
| 计算量 | 低 | 高 | 中 |
| 典型成本 | 低 | 中 | 中高 |
注意：双目相机的视差计算非常消耗算力。我在一个嵌入式项目里试过，用树莓派跑双目匹配，帧率只有5fps，根本没法用。后来换了NVIDIA Jetson才勉强跑到15fps。
3.1.3 深度相机
深度相机（如Kinect、Intel RealSense）主动发射红外光或激光，直接测量深度。它不依赖环境纹理，在暗光下也能工作。
主流技术有三种：
- 结构光：投射已知图案，通过图案变形计算深度。近距离精度高，但易受环境光干扰。
- ToF（飞行时间）：发射光脉冲，测量反射时间。适合中远距离，但多路径反射会引入误差。
- 双目+主动光：在双目基础上加红外投影，增强弱纹理场景的匹配能力。
嗯，这里要注意：深度相机在室外基本是废的。太阳光里的红外成分会直接淹没投射信号。我见过有人把Kinect拿到户外做SLAM，结果深度图全是噪点。
3.2 激光雷达（LiDAR）
激光雷达是机器人感知的“金标准”。它通过发射激光束并测量反射时间，直接获得高精度点云数据。
分类方式：
- 按线数：单线（2D）、16线、32线、64线、128线
- 按测距原理：ToF（主流）、FMCW（调频连续波，新兴）
- 按扫描方式：机械旋转式、固态（MEMS、Flash、OPA）
我最早接触激光雷达是在2016年，那时候一个16线激光雷达要4万多人民币。现在国产的已经降到几千块了，真是时代变了。
核心参数解读：
- 角分辨率：决定了你能看到多小的物体。0.1°的角分辨率在10米外能分辨1.7cm的物体。
- 测距精度：通常±2cm左右。FMCW可以做到±1mm，但成本高。
- 帧率：10Hz是主流，20Hz以上适合高速移动机器人。
我的经验：在室内导航中，单线激光雷达+轮式里程计是最稳定的组合。我曾经用RPLIDAR A2做过一个扫地机器人，在1000平米的办公区跑了三个月，定位误差不超过10cm。
3.3 超声波传感器
超声波传感器靠发射40kHz左右的声波，测量回波时间来计算距离。它很便宜，一个模块才几块钱。
优点：
- 不受光照影响，透明物体也能检测
- 对灰尘、烟雾不敏感
- 成本极低
缺点：
- 角分辨率差（波束角通常30°-60°）
- 测量频率低（一般20-50Hz）
- 受温度和湿度影响大
- 无法区分多个目标
我曾经踩过的坑：用超声波做避障，结果机器人在墙角处反复横跳。原因是超声波在墙角发生多次反射，测出的距离忽远忽近。后来加了中值滤波和距离阈值才稳定下来。
超声波最适合做近距离（<2米）的辅助检测，比如机器人靠近墙壁时的减速、玻璃门的检测等。别指望它做精确建图。
3.4 GPS/RTK
GPS大家都熟悉，但机器人用的GPS和手机上的不太一样。
普通GPS：精度3-5米，适合户外粗略定位。在开阔地带还行，一到城市峡谷或树荫下就飘得厉害。
RTK（实时动态差分）：通过地面基准站修正信号，精度可以达到厘米级。原理很简单：基准站知道自己的精确位置，它计算GPS信号的误差，然后通过电台或4G把修正值发给移动站。
| 模式 | 精度 | 成本 | 适用场景 |
|---|---|---|---|
| 普通GPS | 3-5m | 低 | 户外粗略导航 |
| DGPS | 0.5-1m | 中 | 农业机械 |
| RTK | 1-3cm | 高 | 自动驾驶、测绘 |
| PPP | 10-30cm | 中 | 海洋、偏远地区 |
关键点：RTK需要基准站和移动站之间保持通信。如果距离超过20公里，或者有遮挡，修正信号会变弱。我做过一个港口AGV项目，RTK信号被集装箱遮挡后，定位直接从厘米级跳到米级，差点撞到货柜。
实际项目中，GPS/RTK很少单独使用。它通常和IMU、轮式里程计做融合。为什么？因为GPS更新频率低（10Hz），而且信号容易丢失。IMU可以填补GPS的空白期，这就是后面要讲的传感器融合的核心逻辑。
3.5 本章知识体系
下面这张图是我梳理的本章知识结构，帮你把各种传感器的关系理清楚：
这张图把四种传感器并列展示，底部强调了融合的重要性。说白了，没有一种传感器是万能的。视觉怕暗、LiDAR怕雨、超声波精度低、GPS怕遮挡。只有把它们组合起来，才能构建一个可靠的感知系统。
公众号:蓝海资料掘金营，微信deep3321