3. 传感器基础：激光雷达、深度相机、超声波传感器原理与数据特点
做机器人路径规划，传感器就是我们的眼睛和耳朵。选错传感器，算法再牛也白搭。今天咱们聊聊三种最常见的传感器：激光雷达、深度相机、超声波。我这些年踩过的坑，都融在下面了。
3.1 激光雷达（LiDAR）
激光雷达，说白了就是「用激光测距」。它发射激光束，碰到障碍物反射回来，通过时间差算出距离。我最早接触它是在一个仓储AGV项目上，当时觉得这东西真贵，但用起来是真香。
3.1.1 工作原理
激光雷达的核心是TOF（Time of Flight）原理。发射器发出激光脉冲，接收器捕捉反射信号。时间差乘以光速，再除以2，就是距离。
// 伪代码：激光雷达测距
distance = (time_of_flight * speed_of_light) / 2嗯，这里要注意：光速是3×10⁸ m/s，时间差通常以纳秒计。所以实际计算时，精度要求很高。
3.1.2 数据特点
| 特性 | 说明 |
|---|---|
| 精度 | ±2cm 以内（高端可达毫米级） |
| 扫描范围 | 通常 270°~360° |
| 数据形式 | 点云（x, y, z 坐标 + 反射强度） |
| 更新频率 | 10Hz~40Hz |
我个人习惯用2D激光雷达做室内导航。它输出的是平面点云，处理起来快。3D激光雷达数据量大，但能感知高度信息，适合户外。
关键点：激光雷达不受光照影响，但怕灰尘和雾。我在一个粉尘车间里吃过亏——激光被粉尘散射，数据全是噪点。
3.1.3 避坑指南
我曾经在调试时发现，激光雷达扫描到玻璃或镜面时，数据会丢失。因为激光直接穿透玻璃，或者被镜面反射到别处。解决方案？加超声波传感器互补。
3.2 深度相机
深度相机，就是能「看」出距离的摄像头。它不像激光雷达那样逐点扫描，而是一次拍出一张深度图。每个像素点都代表一个距离值。
3.2.1 工作原理
主流方案有两种：
- 结构光法：投射红外光斑，通过变形计算深度。Kinect v1 就是这路子。
- 双目视觉法：两个摄像头模拟人眼，通过视差算深度。Intel RealSense 用的多。
你想想看，结构光在室内效果很好，但一到室外强光下就废了。双目视觉不怕强光，但需要纹理丰富的场景。纯白墙壁？双目直接罢工。
3.2.2 数据特点
| 特性 | 说明 |
|---|---|
| 分辨率 | 640×480 到 1280×720 |
| 有效距离 | 0.3m~10m（视型号而定） |
| 数据形式 | 深度图（灰度图，每个像素代表距离） |
| 帧率 | 30fps 左右 |
我在做服务机器人时，深度相机用来检测桌腿、椅子腿。它比激光雷达便宜，但精度差一些。说白了，深度相机适合「知道那里有东西」，不适合「精确知道东西在哪」。
小技巧：深度相机和激光雷达可以融合。用激光雷达做精确测距，用深度相机做物体识别。我有个项目就是这么干的，效果不错。
3.2.3 避坑指南
我曾经遇到一个坑：深度相机在阳光下直接过曝，深度图全是黑色。后来加了遮光罩，才勉强能用。另外，深度相机对反光表面（比如瓷砖）也很敏感，数据会跳变。
3.3 超声波传感器
超声波传感器，原理和激光雷达类似，但用的是声波。它发射超声波（频率高于20kHz），碰到物体反射回来，通过时间差算距离。声速是340m/s，比光速慢多了。
3.3.1 工作原理
超声波传感器通常有一个发射头和一个接收头。发射头发出声波脉冲，接收头等待回波。如果在一定时间内没收到回波，就认为没有障碍物。
// 伪代码：超声波测距
distance = (echo_time * speed_of_sound) / 2嗯，这里要注意：声速受温度影响。温度每升高1°C，声速增加约0.6m/s。所以高精度应用需要温度补偿。
3.3.2 数据特点
| 特性 | 说明 |
|---|---|
| 精度 | ±1cm 左右 |
| 有效距离 | 2cm~5m（常见型号） |
| 波束角 | 15°~30°（锥形） |
| 更新频率 | 10Hz~50Hz |
超声波的最大优点是便宜，而且不怕透明物体。玻璃、塑料瓶，激光雷达可能漏掉，但超声波能检测到。我做过一个扫地机器人项目，就用超声波来检测透明茶几腿。
注意：超声波有波束角，不是一条线，而是一个锥形。所以它只能告诉你「大概方向有东西」，不能精确定位。另外，多个超声波同时工作会互相干扰，需要分时触发。
3.3.3 避坑指南
我曾经在调试时发现，超声波对软性物体（比如海绵、布料）反射很弱，经常测不到。还有，超声波在空气中衰减很快，距离超过3米后，信号就很弱了。所以它只适合近距离探测。
3.4 三种传感器对比
为了让你看得更清楚，我画了一张对比图。这张图展示了三种传感器在精度、范围、成本、环境适应性上的差异。
从图上能看出来：激光雷达在精度和范围上碾压，但成本高。深度相机在精度和成本之间取了个平衡。超声波最便宜，但精度和范围都有限。怎么选？看你的应用场景。
3.5 实际选型建议
我个人的经验是：
- 室内导航：激光雷达为主，深度相机为辅。激光雷达做SLAM，深度相机做障碍物识别。
- 户外导航：激光雷达为主，超声波为辅。深度相机在强光下不好使。
- 低成本方案：超声波+深度相机。比如扫地机器人，超声波检测近处障碍，深度相机看远处。
小提示：别迷信单一传感器。多传感器融合才是王道。我做过一个项目，只用激光雷达，结果玻璃门没检测到，机器人直接撞上去了。后来加了超声波，问题解决。
好了，传感器基础就聊到这儿。记住一句话：没有最好的传感器，只有最合适的组合。下一章咱们聊聊怎么把这些传感器数据融合起来，做路径规划。
公众号:蓝海资料掘金营，微信deep3321