核心传感器概述：IMU、GPS、磁力计、气压计、视觉/激光雷达
各位同学，咱们今天聊聊飞控的“眼睛”和“耳朵”——传感器。说白了，没有它们，无人机就是个瞎子。我做了这么多年飞控，见过太多因为传感器选型或处理不当而炸机的案例。嗯，这节课咱们就把每个传感器的脾气摸透。
1. IMU：加速度计与陀螺仪
IMU是飞控最核心的传感器，没有之一。它由加速度计和陀螺仪组成。加速度计测的是“比力”，也就是物体受到的惯性力与引力的合力。陀螺仪测的是角速度。
加速度计的原理与局限
加速度计内部有个微小的质量块，通过检测质量块位移来推算加速度。但有个坑——它测不出重力与运动加速度的区别。你想想看，无人机悬停时，加速度计读数是1g（重力），而不是0。所以，单纯用加速度计算姿态，水平时没问题，一旦有水平加速，姿态就飘了。
避坑指南
我曾经遇到过一架无人机，起飞后姿态剧烈抖动。排查半天，发现是加速度计安装底座有共振。高频振动直接淹没了有效信号。记住：加速度计对振动极其敏感，安装必须做减震处理。
陀螺仪的原理与局限
陀螺仪利用科里奥利力来测量角速度。它短时间精度很高，但有个致命问题——零偏漂移。说白了，静止时它也会输出一个非零值，而且这个值会随温度、时间缓慢变化。
我的经验
我个人习惯在飞控上电后，先让IMU静止10秒，采集陀螺仪零偏并做补偿。这一步能省掉后续很多麻烦。另外，陀螺仪怕冲击，摔过一次的无人机，最好重新标定一下。
2. GPS：全球定位系统
GPS提供位置、速度、时间信息。原理很简单：卫星发射信号，接收机根据信号传播时间计算距离。但实际用起来，问题不少。
主要局限
- 多路径效应：城市峡谷、高楼反射，信号路径变长，定位误差能到几十米。
- 卫星几何分布：头顶卫星太少，精度直线下降。我见过在峡谷里飞，GPS直接跳了20米。
- 更新率低：民用GPS一般是5-10Hz，对于快速机动来说，太慢了。
- 高度误差大：垂直精度比水平差2-3倍，所以单纯靠GPS定高不靠谱。
关键点
GPS不能单独用于姿态控制。它只能提供位置和速度的“慢速”修正。我建议把GPS数据先做平滑滤波，再送入位置环。否则，飞控会跟着GPS噪声乱抖。
3. 磁力计：电子罗盘
磁力计测量地球磁场，用来确定航向。原理是检测三个轴上的磁场分量，然后算出与磁北的夹角。
让人头疼的问题
- 硬磁干扰：电机、电调、电池等铁磁性物质会产生固定偏置磁场。我遇到过一架飞机，磁力计读数直接偏了30度，就是因为电调离得太近。
- 软磁干扰：软磁材料会扭曲磁场方向，干扰随姿态变化，更难补偿。
- 环境磁场异常：高压线、铁桥、钢筋建筑都会让磁力计“发疯”。
避坑指南
我曾经在飞控板上把磁力计放在大电流走线旁边，结果一推油门，航向就偏。后来强制要求：磁力计必须远离大电流回路至少2cm，并且做椭球拟合校准。记住：每次更换硬件布局，都要重新校准磁力计。
4. 气压计
气压计通过测量大气压力来推算高度。原理是气压随高度增加而降低，每升高8.5米，气压下降约1百帕。
局限很明显
- 温度敏感：气压计本身对温度敏感，而且大气温度变化也会影响气压-高度关系。
- 风扰动：无人机旋翼下洗气流会直接冲击气压计，造成高度读数剧烈跳动。
- 滞后性：气压变化到高度变化，有几十毫秒的延迟。
我的做法
我习惯在气压计上方加一个海绵或泡棉，挡住气流直吹。另外，气压计数据必须配合加速度计做互补滤波，才能得到平滑的高度估计。单纯用气压计定高，飞机会像坐电梯一样上下晃。
5. 视觉/激光雷达
视觉传感器（摄像头）和激光雷达（LiDAR）是近年来的热门。它们提供丰富的环境信息，但各有各的脾气。
视觉传感器
- 原理：通过图像特征匹配，计算相机运动（视觉里程计）或深度（双目/结构光）。
- 局限：光照敏感——大逆光、黑暗环境直接失效。纹理缺失——白墙、光滑地面没法做特征匹配。计算量大——嵌入式平台跑视觉SLAM，算力是个瓶颈。
激光雷达
- 原理：发射激光束，测量反射时间，直接得到点云数据。
- 局限：价格高——好的LiDAR比无人机还贵。怕雨雾——激光会被雨滴、雾滴散射，测距精度暴跌。数据量大——16线LiDAR每秒产生30万个点，处理起来不轻松。
实战建议
我个人习惯把视觉和LiDAR做融合。视觉提供纹理和颜色信息，LiDAR提供精确深度。在室内无GPS环境下，我常用视觉+LiDAR+IMU做紧耦合，效果比单一传感器好得多。但要注意：视觉和LiDAR的外参标定必须做准，否则融合反而会引入误差。
知识体系总览
下面这张图，是我梳理的传感器核心逻辑。你看一眼，就能明白每个传感器在飞控里的角色和短板。
好了，以上就是每个核心传感器的脾气和短板。记住一句话：没有完美的传感器，只有可靠的融合策略。下一节咱们会深入讲如何把这些传感器数据融合到一起，以及当某个传感器“罢工”时，飞控该怎么应对。