4、传感器特性对比:气压计 vs GPS 的优缺点对比表

做无人机定高,说白了就是跟两个传感器打交道:气压计和GPS。我刚开始搞飞控那会儿,总觉得传感器越多越好,恨不得把所有能测高度的东西都怼上去。后来踩了不少坑才明白——了解每个传感器的脾气,比堆数量重要得多

今天咱们就掰开揉碎,聊聊这两个传感器的特性对比。你想想看,一个靠气压算高度,一个靠卫星算高度,这俩玩意儿能一样吗?

4.1 气压计:老牌选手,但有点小脾气

气压计的原理其实挺朴素的——海拔越高,气压越低。通过测量大气压强,再换算成高度。我习惯叫它「气压高度计」,因为它测的本质上就是气压。

核心参数一览:

  • 更新率:通常 25Hz ~ 100Hz,我常用的 BMP280 能跑到 83Hz
  • 精度:静态精度 ±0.1m ~ ±0.5m,动态精度受气流影响较大
  • 漂移特性:有温漂和时漂,长时间运行会慢慢偏离真实值

嗯,这里要注意——气压计的短时精度其实相当不错。我在室内做悬停测试时,气压计能稳定在 ±0.2m 以内。但你要是飞个半小时,它可能就飘出去一两米了。为什么会这样?因为气压本身就在变啊!天气变化、风吹过楼宇,都会影响局部气压。

我个人经验:气压计适合做短时、高频的高度变化检测。比如无人机在 2 米高度悬停,突然被风吹高了半米,气压计能在几十毫秒内感知到。这个响应速度,GPS 拍马也赶不上。

4.2 GPS:全球定位,但高度是短板

GPS 测高度,靠的是卫星三角定位。说白了就是算你离地心有多远。但这里有个尴尬的事——GPS 的水平精度通常能到 1~2 米,垂直精度却只有 3~5 米。我刚开始做飞控时,看到 GPS 报的高度数据跳来跳去,还以为是代码写错了。

核心参数一览:

  • 更新率:通常 1Hz ~ 10Hz,消费级 GPS 多为 5Hz
  • 精度:水平 1~2m,垂直 3~5m(理想条件下)
  • 漂移特性:无累积漂移,但单点噪声大,受卫星几何分布影响

你想想看,GPS 的垂直精度比水平精度差这么多,用它来做定高控制,那飞机不得跟喝醉了似的上下晃?我见过有人直接用 GPS 高度做 PID 控制,结果飞机在 10 米高度上蹿下跳,跟蹦迪一样。

避坑指南:我曾经在楼宇密集的城区做测试,GPS 高度跳了 8 米!后来查日志才发现,卫星信号被反射了,多径效应导致高度计算严重失真。所以,千万别在复杂环境下依赖 GPS 做定高

4.3 核心对比:一张表说清楚

我把两个传感器的关键特性整理成了表格,方便你对照着看:

对比维度 气压计 GPS
更新率 25~100Hz,响应快 1~10Hz,响应慢
静态精度 ±0.1~0.5m,短时优秀 ±3~5m,垂直精度差
动态精度 受气流影响,有延迟 受卫星锁定状态影响
漂移特性 有温漂和时漂,长时间会飘 无累积漂移,但噪声大
环境依赖 受天气、风、温度影响 受遮挡、多径、电离层影响
适用场景 室内、低空、短时定高 室外、高空、长时间飞行
成本 几块钱到几十块 几十到几百块

看完这张表,你应该能感觉到——这两个传感器其实是互补的。气压计像是个急性子,反应快但容易忘事;GPS 像个慢性子,反应慢但记性好。单独用哪个都不完美,但把它们融合起来,效果就完全不一样了。

4.4 知识体系:传感器融合的核心逻辑

为了让你更直观地理解这两个传感器在定高系统中的角色,我画了一张流程图:

气压计与GPS融合定高核心逻辑 气压计 更新率: 50Hz 短时精度高, 有漂移 GPS 更新率: 5Hz 无漂移, 垂直精度差 卡尔曼融合 取长补短 高频+无漂移 稳定、平滑的高度估计值 气压计提供高频短时精度,GPS提供低频长时稳定性,卡尔曼滤波实现最优融合

这张图其实就讲了一件事:气压计负责「快」和「准」,GPS 负责「稳」和「久」。卡尔曼滤波就像个聪明的调度员,把两者的优势结合起来。具体怎么融合,后面的章节会详细讲,这里先有个概念就行。

4.5 我的实战建议

做了这么多年飞控,我总结了几条关于传感器选型的经验,分享给你:

  1. 室内或低空(0~30米):以气压计为主,GPS 只用来做长时漂移校正。我习惯把气压计的权重设到 0.8,GPS 设到 0.2。
  2. 高空或开阔环境(30米以上):可以适当提高 GPS 的权重,因为这时候气压受天气影响更明显。我一般会调到五五开。
  3. 千万别只用一种传感器:我曾经试过只用气压计飞 100 米高,结果天气突变,气压计显示的高度直接跳了 5 米,飞机差点失控。从那以后,我再也不敢单传感器定高了。

一个小技巧:如果你用的气压计型号是 MS5611 或 BMP280,记得在代码里做温度补偿。我见过有人没做补偿,夏天和冬天的定高误差差了 2 米多。说白了,传感器也是会「感冒」的。

好了,关于气压计和 GPS 的特性对比就聊到这儿。记住一句话:没有完美的传感器,只有聪明的融合算法。下一节咱们会深入讲讲卡尔曼滤波的具体实现,到时候你就知道怎么把这两个「偏科生」组合成「全能选手」了。


公众号:蓝海资料掘金营,微信deep3321