3. 传感器选型与数据读取：激光雷达、深度相机、超声波传感器特性对比，ROS驱动配置
做自主避障，传感器就是无人机的「眼睛」。眼睛选错了，后面算法再牛也白搭。
我这些年踩过的坑，有一半都出在传感器选型上。今天咱们就把激光雷达、深度相机、超声波这三种主流传感器掰开揉碎聊清楚。顺便把ROS驱动怎么配也一并搞定。
3.1 三种传感器的核心特性对比
先给个总览表格，方便你快速对比。后面我再逐个细讲。
| 特性 | 激光雷达（LiDAR） | 深度相机（RGB-D） | 超声波传感器 |
|---|---|---|---|
| 测距原理 | TOF / 三角法 | 结构光 / 双目 / TOF | 声波反射 |
| 有效距离 | 0.1m ~ 100m+ | 0.3m ~ 10m | 0.02m ~ 5m |
| 精度 | ±1cm ~ ±3cm | ±1cm ~ ±5cm | ±1cm ~ ±3cm（近距离） |
| 视角 | 360°（单线）/ 多线 | 水平60°~90°，垂直45°~70° | 15°~30°（锥形） |
| 抗环境光干扰 | 强（室外可用） | 弱（强光下易失效） | 强（不受光照影响） |
| 数据维度 | 2D点云 / 3D点云 | RGB图像 + 深度图 | 单点距离 |
| 典型功耗 | 2W ~ 15W | 1.5W ~ 5W | 0.1W ~ 0.5W |
| 典型成本 | ￥500 ~ ￥50000+ | ￥300 ~ ￥3000 | ￥10 ~ ￥100 |
核心结论：没有完美的传感器。激光雷达精度高但贵，深度相机信息丰富但怕强光，超声波便宜但视角窄。实际项目中，我通常建议「激光雷达 + 超声波」或「深度相机 + 超声波」的组合方案。
3.2 激光雷达（LiDAR）—— 精度之王
激光雷达是我个人最偏爱的传感器。为什么？因为它稳定、可靠、数据干净。
我在一个物流仓库的项目里用过单线激光雷达做避障。仓库里灰尘大、光线暗，深度相机基本废了，但激光雷达一点问题没有。说白了，激光雷达就是「硬汉」级别的传感器。
3.2.1 常见型号与选型建议
- 单线激光雷达：如 RPLIDAR A1/A2、Sick TIM系列。适合2D平面避障，室内场景首选。
- 多线激光雷达：如 Velodyne VLP-16、Livox Mid-40。适合3D空间感知，室外复杂环境必备。
- 固态激光雷达：如 Ouster OS系列。体积小、寿命长，但价格偏高。
我的经验：如果预算有限且只在室内飞，RPLIDAR A2 是性价比之王。室外的话，至少上 Livox Mid-40，别省这个钱。
3.2.2 ROS驱动配置
以 RPLIDAR A2 为例，驱动配置非常简单：
# 1. 安装驱动
sudo apt install ros-noetic-rplidar-ros
# 2. 启动驱动（连接USB后）
roslaunch rplidar_ros rplidar.launch
# 3. 查看数据
rostopic echo /scan启动后，/scan 话题会发布 sensor_msgs/LaserScan 消息。里面包含距离、角度、强度等信息。
注意：激光雷达的USB线缆质量很重要。我曾经因为一根劣质USB线，导致数据丢包严重，排查了整整两天。建议用带屏蔽层的线，长度不超过2米。
3.3 深度相机（RGB-D）—— 信息最丰富
深度相机能同时提供彩色图像和深度信息。说白了，它既能看到「是什么」，又能知道「有多远」。
但我要泼一盆冷水：深度相机在室外强光下基本就是废的。我有个项目在夏天正午测试，Intel RealSense D435 的深度数据全是噪点，根本没法用。所以，如果你要做室外飞行，深度相机只能作为辅助传感器。
3.3.1 常见型号与选型建议
- Intel RealSense D435/D455：双目+主动红外，室内外都能用（但室外受限）。ROS支持最好。
- Microsoft Kinect v2/Azure Kinect：TOF原理，室内效果极佳。但体积大、功耗高，不适合小型无人机。
- Orbbec Astra系列：国产替代，性价比高。ROS驱动也完善。
3.3.2 ROS驱动配置
以 Intel RealSense D435 为例：
# 1. 安装驱动
sudo apt install ros-noetic-realsense2-camera
# 2. 启动相机
roslaunch realsense2_camera rs_camera.launch
# 3. 查看彩色图和深度图
rqt_image_view /camera/color/image_raw
rqt_image_view /camera/depth/image_rect_raw驱动会发布多个话题：/camera/color/image_raw（彩色图）、/camera/depth/image_rect_raw（深度图）、/camera/color/camera_info（相机内参）。
小技巧：启动时加上 filters:=pointcloud 参数，可以直接得到点云数据：
roslaunch realsense2_camera rs_camera.launch filters:=pointcloud这样就不用自己写点云生成代码了。
3.4 超声波传感器—— 便宜但好用
超声波传感器经常被忽视。很多人觉得它精度低、视角窄，没什么用。但我不这么看。
超声波有一个激光雷达和深度相机都比不了的优点：不受光照和透明物体影响。我在一个玻璃幕墙建筑附近的飞行项目中，激光雷达打到玻璃上直接穿透了，深度相机也反光失效。最后是靠超声波传感器才保住了避障功能。
3.4.1 常见型号与选型建议
- HC-SR04：最经典的型号，￥5一个。精度一般，但够用。
- US-100：升级版，带温度补偿，精度更高。
- MaxBotix MB系列：工业级，IP67防护，室外首选。
3.4.2 ROS驱动配置
超声波传感器通常通过I2C或串口连接。以 HC-SR04 为例，通过 Arduino 桥接：
# 1. 安装rosserial
sudo apt install ros-noetic-rosserial-arduino
# 2. Arduino端代码（核心部分）
#include <ros.h>
#include <std_msgs/Float32.h>
ros::NodeHandle nh;
std_msgs::Float32 dist_msg;
ros::Publisher pub("ultrasonic_distance", &dist_msg);
void loop() {
// 触发测距
digitalWrite(trigPin, LOW);
delayMicroseconds(2);
digitalWrite(trigPin, HIGH);
delayMicroseconds(10);
digitalWrite(trigPin, LOW);
// 读取回波时间
duration = pulseIn(echoPin, HIGH);
distance = duration * 0.034 / 2; // 声速340m/s
dist_msg.data = distance;
pub.publish(&dist_msg);
delay(50);
}ROS端启动：
rosrun rosserial_python serial_node.py /dev/ttyUSB0避坑指南：我曾经在无人机上装了4个超声波传感器，结果它们互相干扰。原因是多个传感器同时发射声波，产生了串扰。解决办法是分时触发，每个传感器错开10ms以上。
3.5 传感器融合策略
单一传感器总有短板。我建议的典型组合方案：
- 室内飞行：单线激光雷达（主） + 超声波（辅助，用于检测透明障碍物）
- 室外飞行：多线激光雷达（主） + 深度相机（辅助，用于识别物体类型） + 超声波（辅助，用于近距补盲）
- 低成本方案：深度相机（主） + 超声波（辅助）
核心原则：传感器之间要有「冗余」和「互补」。冗余是指同一个信息有多个来源，互补是指不同传感器覆盖不同的短板。你想想看，如果所有传感器都在强光下失效，那无人机不就瞎了吗？
3.6 本章知识体系总览
下面这张图总结了三种传感器的核心特性、选型要点和ROS驱动配置流程。建议你保存下来，做项目时对照着看。
嗯，以上就是传感器选型与数据读取的核心内容。记住一句话：没有最好的传感器，只有最合适的组合。做项目时多想想你的实际场景，别盲目追求高参数。
公众号:蓝海资料掘金营，微信deep3321