一、定位技术概述：GNSS、IMU、轮速计、激光雷达、视觉传感器的原理与优缺点对比

做多传感器融合定位这些年，我经常被问到同一个问题：「到底该选哪种传感器？」

说实话，没有标准答案。每种传感器都有自己的脾气。你想想看，如果GNSS能搞定一切，那还要IMU干嘛？如果激光雷达完美无缺，视觉方案早就被淘汰了。

这一章，我就带你过一遍主流传感器的原理和优缺点。嗯，都是我在项目里踩过坑、流过汗换来的经验。

1.1 GNSS：全球导航卫星系统

原理：通过接收至少4颗卫星的信号，计算接收机到卫星的距离，然后解算出位置。说白了就是三角定位的升级版。

优点：

• 全球覆盖，室外开阔地带精度可达厘米级（RTK）
• 绝对定位，没有累积误差
• 成本低，民用模块几十块钱

缺点：

• 信号容易被遮挡——高楼、隧道、树荫下直接GG
• 更新频率低（通常10Hz），动态响应慢
• 多路径效应严重，城市峡谷里误差能到几十米

1.2 IMU：惯性测量单元

原理：测量加速度和角速度，通过积分得到速度和位置。说白了就是「猜」——我知道我上一秒在哪，也知道我这一秒动了多少，那我就能算出我现在在哪。

优点：

• 完全自主，不依赖外部信号
• 更新频率高（100-1000Hz），适合做短时间高精度推算
• 不受光照、天气影响

缺点：

• 误差随时间累积——跑10分钟，位置可能偏出去几百米
• 对温度敏感，零偏会漂移
• 低端IMU噪声大，高端IMU价格上天

1.3 轮速计

原理：通过车轮上的编码器测量转速，结合车轮半径和转向角，推算车辆的运动轨迹。说白了就是「数轮子转了多少圈」。

优点：

• 简单可靠，成本极低
• 短距离精度不错，尤其是直线行驶
• 不受电磁干扰

缺点：

• 打滑时完全失效——雪地、沙地、湿滑路面
• 轮胎磨损会导致半径变化，产生比例误差
• 只能用于轮式车辆，不能用于无人机或手持设备

1.4 激光雷达

原理：发射激光束，测量反射时间，得到周围环境的点云数据。然后通过匹配算法（如ICP、NDT）计算位姿变化。

优点：

• 精度高，测距误差通常在厘米级
• 不受光照影响，白天黑夜都能用
• 能直接获取3D几何信息

缺点：

• 价格贵——好的64线雷达够买一辆车
• 受天气影响大——雨雪雾天性能下降严重
• 点云稀疏时特征提取困难
• 功耗高，体积大

1.5 视觉传感器

原理：通过摄像头采集图像，提取特征点（如ORB、SIFT），然后通过多视图几何计算位姿。或者用深度学习直接估计深度和运动。

优点：

• 信息丰富——能识别车道线、交通标志、行人
• 成本低——一个工业相机几百块
• 体积小、功耗低

缺点：

• 对光照敏感——逆光、暗光、过曝都会失效
• 纹理缺失时无法提取特征——白墙、雪地
• 计算量大，实时性要求高
• 深度估计精度不如激光雷达

1.6 传感器对比总结

下面这张表，是我在实际项目中总结的对比。你直接拿去用就行。

传感器	精度	更新频率	成本	环境依赖	累积误差
GNSS	米级~厘米级	1-20Hz	低	天空视野	无
IMU	短时高精度	100-1000Hz	中	无	严重
轮速计	短距离1%	10-100Hz	极低	路面条件	有
激光雷达	厘米级	10-20Hz	高	天气	无（匹配时）
视觉	分米级	30-60Hz	低	光照、纹理	有

1.7 核心逻辑框架

下面这张图，展示了我对多传感器定位的理解框架。说白了就是：没有完美的传感器，只有完美的融合。

1.8 我的融合哲学

做了这么多年定位，我总结了一句话：「用GNSS定大局，用IMU填细节，用激光/视觉做修正，用轮速计加约束」。

你想想看，GNSS告诉你大概在哪个街区，IMU告诉你转弯了没，激光雷达告诉你离墙还有多远，轮速计告诉你车轮没打滑。把这些信息揉在一起，才能得到靠谱的定位。

---

公众号:蓝海资料掘金营，微信deep3321