第1章：传感器基础与选型
大家好，我是你们这门课的主讲。做了这么多年多传感器融合，我最大的感触就是：选对传感器，项目就成功了一半。这话一点都不夸张。你想想看，传感器选错了，后面算法调得再好，也是白搭。
今天咱们就来聊聊，做多传感器融合时，那些最常见的传感器——激光雷达、摄像头、IMU、GPS、毫米波雷达——它们到底是怎么回事，选型时又该注意什么。
1.1 激光雷达（LiDAR）
激光雷达，说白了就是「用激光来测距」。它发射激光束，打到物体上反射回来，通过时间差算出距离。这个原理很简单，但实际用起来门道不少。
核心特性：
- 精度高：毫米级到厘米级，远优于摄像头和毫米波雷达
- 不受光照影响：白天黑夜都能用，这是它最大的优势
- 点云数据：输出的是三维点云，能直接反映环境几何结构
- 价格贵：嗯，这是硬伤。机械式64线激光雷达动辄十几万
我个人习惯把激光雷达分成三类：
- 机械式：旋转扫描，360°视野，但体积大、寿命短。我在早期项目中用过Velodyne的64线，效果确实好，但那个噪音...嗡嗡的，像个小电扇
- 固态式：没有旋转部件，靠光学相控阵或MEMS微镜扫描。体积小、寿命长，但视场角有限
- 混合固态：比如禾赛、速腾的产品，内部有少量运动部件，算是折中方案
选型考量：
- 线数：16线够用吗？32线？64线？线数越多，点云越密，但价格也翻倍。我建议：做低速机器人，16线够了；做自动驾驶，至少32线起步
- 探测距离：200米还是50米？这取决于你的应用场景。高速行驶需要远距离，室内AGV几十米就够了
- 视场角：水平360°还是120°？机械式天然360°，固态式通常只有120°
- 点频：每秒能打多少点？点频越高，刷新率越快，但数据量也越大
我的经验： 选激光雷达时，别只看参数表。一定要实际测试一下在雨雾天气下的表现。我曾经在一个项目中，选了一款号称「全天候」的激光雷达，结果一下雨，点云质量直接崩了...后来换了另一款带抗干扰算法的，才解决问题。
1.2 摄像头
摄像头，大家最熟悉了。但作为传感器，它和手机拍照完全是两码事。
核心特性：
- 信息丰富：能识别颜色、纹理、文字、交通标志...这是激光雷达做不到的
- 成本低：一个工业相机几百到几千块，比激光雷达便宜太多了
- 受光照影响大：逆光、暗光、强光下，效果会大打折扣
- 缺乏深度信息：单目相机无法直接测距，需要双目或结构光辅助
摄像头选型，我一般看这几个参数：
- 分辨率：200万像素够吗？500万？800万？分辨率越高，细节越丰富，但处理压力也越大
- 帧率：30fps是基础，60fps更流畅。做高速运动检测，建议60fps以上
- 快门类型：全局快门 vs 卷帘快门。做运动物体捕捉，一定要用全局快门，否则图像会「果冻效应」
- 动态范围：高动态范围（HDR）的相机，能同时看清亮区和暗区
避坑指南： 我曾经在一个项目中，为了省钱选了卷帘快门的相机。结果车一开快，图像里的路灯杆都歪了...后来老老实实换了全局快门。记住：做运动感知，全局快门是底线。
1.3 IMU（惯性测量单元）
IMU，说白了就是「加速度计+陀螺仪」的组合。它测量的是物体的加速度和角速度，然后通过积分得到速度和姿态。
核心特性：
- 高频输出：通常100Hz-1000Hz，比激光雷达和摄像头快得多
- 短时精度高：短时间内，IMU的积分结果非常准
- 长期漂移：时间一长，积分误差会累积，导致位置和姿态发散
- 需要融合：IMU很少单独使用，通常和GPS、视觉、激光雷达做融合
IMU选型，我关注这几个指标：
- 零偏稳定性：这个指标决定了IMU的「底子」好不好。消费级IMU的零偏稳定性在10°/h左右，工业级能做到1°/h以下
- 噪声密度：噪声越小，积分结果越平滑
- 量程：加速度计量程±2g够吗？±16g？陀螺仪量程±250°/s还是±2000°/s？这取决于你的运动剧烈程度
- 温度稳定性：IMU对温度很敏感，好的IMU会内置温度补偿
我的建议： 做多传感器融合时，IMU的选型优先级是：零偏稳定性 > 噪声密度 > 量程。零偏稳定性决定了你的融合系统能「撑」多久不漂移。我见过有人用手机IMU做无人机导航，结果飞了30秒就开始乱飘...嗯，那肯定不行。
1.4 GPS（全球定位系统）
GPS，大家手机里都有。但作为传感器，它和手机导航完全是两码事。
核心特性：
- 绝对定位：能给出地球坐标系下的绝对位置，没有累积误差
- 精度有限：普通GPS精度在3-5米，差分GPS（RTK）能做到厘米级
- 受环境影响大：高楼遮挡、隧道、地下停车场，GPS信号会丢失
- 更新率低：通常10Hz，远低于IMU
GPS选型，我一般看：
- 定位精度：单点定位还是差分定位？RTK需要基站，成本高但精度好
- 多星座支持：GPS+北斗+GLONASS+Galileo，支持的星座越多，信号越稳定
- 更新率：10Hz够用，20Hz更好
- 抗干扰能力：城市峡谷、多径效应下，GPS容易「跳变」
选型建议：
- 做室外无人车，建议上RTK-GPS，精度厘米级，配合IMU做组合导航
- 做室内机器人，GPS基本没用，别浪费钱
- 做低速巡检车，普通GPS+IMU融合，也能凑合用
1.5 毫米波雷达
毫米波雷达，用毫米波段的电磁波来测距和测速。它和激光雷达有点像，但原理不同。
核心特性：
- 全天候：雨雾雪天，毫米波雷达基本不受影响，这是它最大的优势
- 直接测速：利用多普勒效应，能直接测出目标的速度
- 分辨率低：角分辨率远低于激光雷达，无法分辨物体的细节
- 成本适中：比激光雷达便宜，比摄像头贵
毫米波雷达选型，我关注：
- 工作频率：24GHz还是77GHz？77GHz的精度和分辨率更高，但成本也更高
- 探测距离：长距（200米以上）还是短距（50米以内）？
- 角分辨率：这个指标决定了雷达能区分两个相邻目标的能力
- 多目标跟踪能力：能同时跟踪多少个目标？
避坑指南： 我曾经在一个项目中，用毫米波雷达做行人检测。结果发现，雷达对静止行人的检测效果很差——因为多普勒效应只对运动目标敏感。后来我们加了「微多普勒」算法，才解决了这个问题。所以记住：毫米波雷达擅长检测运动目标，对静止目标不太友好。
1.6 传感器对比与选型总结
好了，五种传感器都聊完了。咱们来做个对比：
| 传感器 | 优势 | 劣势 | 典型应用 |
|---|---|---|---|
| 激光雷达 | 精度高、不受光照影响 | 价格贵、雨雾天性能下降 | 自动驾驶、高精度地图 |
| 摄像头 | 信息丰富、成本低 | 受光照影响大、缺乏深度 | 目标识别、车道线检测 |
| IMU | 高频、短时精度高 | 长期漂移 | 组合导航、姿态估计 |
| GPS | 绝对定位、无累积误差 | 精度有限、受遮挡影响 | 室外导航、路径规划 |
| 毫米波雷达 | 全天候、直接测速 | 分辨率低、静止目标弱 | 自适应巡航、盲区检测 |
选型时，我个人的思路是：
- 先看应用场景：室内还是室外？高速还是低速？白天还是全天候？
- 再看精度需求：厘米级还是米级？
- 最后看预算：钱多上激光雷达，钱少上摄像头+毫米波雷达
我的经验： 做多传感器融合，别想着「一个传感器打天下」。每种传感器都有短板，融合才是王道。比如：激光雷达+摄像头做目标检测，IMU+GPS做组合导航，毫米波雷达做全天候补充。这样搭配，系统才够稳健。
1.7 本章知识体系
下面这张图，是我自己画的，把本章的知识结构梳理了一下。你可以保存下来，后面复习时用。
这张图把五种传感器的核心特性和选型思路串起来了。你仔细看看，会发现一个规律：没有完美的传感器，只有合适的组合。激光雷达精度高但怕雨雾，摄像头信息丰富但怕暗光，IMU短时准但会漂移，GPS绝对定位但精度有限，毫米波雷达全天候但分辨率低——把它们融合起来，才能做出真正靠谱的系统。