传感器基础：激光雷达、IMU、轮式里程计与相机
做AMR定位与建图，说白了就是让机器人回答两个问题：「我在哪？」和「周围长啥样？」。要回答这两个问题，传感器就是机器人的眼睛和耳朵。今天咱们就把AMR上最常用的几类传感器掰开揉碎聊一聊。
我个人习惯把传感器分成两类：外部环境感知型（激光雷达、相机）和内部状态估计型（IMU、轮式里程计）。这两类各有各的脾气，搭配好了事半功倍，搭配不好……嗯，我在项目里吃过不少亏，后面会提到。
一、激光雷达：2D与3D
激光雷达，大家习惯叫它LiDAR。原理很简单：发射激光束，测量反射回来的时间，算出距离。你想想看，这玩意儿天生就是为建图而生的——直接给你一个点云，每个点都带着精确的距离信息。
2D激光雷达
2D LiDAR扫描的是一个平面，通常用在室内AGV、扫地机器人上。我最早接触的是Sick和Hokuyo的2D雷达，那时候一个就要一两万，现在国产的思岚、镭神已经把价格打下来了。
- 优点：数据量小、处理快、精度高（通常±2cm以内）、成本低
- 缺点：只能感知一个平面，遇到台阶、悬空障碍物就抓瞎
- 典型应用：室内导航、SLAM中的2D栅格地图构建
3D激光雷达
3D LiDAR能获取三维空间信息，现在主流的有16线、32线、64线甚至128线。Velodyne、禾赛、速腾聚创是主要玩家。我记得第一次用16线雷达做室外建图时，被那个数据量吓了一跳——每秒30万个点，CPU直接拉满。
- 优点：三维感知、不受光照影响、远距离探测（几十到上百米）
- 缺点：贵（虽然现在便宜了，但好的还是上万）、数据量大、点云稀疏（尤其远距离）
- 典型应用：室外AMR、自动驾驶、3D SLAM
二、IMU：惯性测量单元
IMU包含加速度计和陀螺仪，有的还带磁力计。它测量的是机器人自身的加速度和角速度。说白了，就是靠「猜」——从当前状态推算下一时刻的位置和姿态。
IMU有个致命问题：漂移。加速度积分一次得速度，再积分一次得位置，误差会随时间累积。你想想看，一个微小的测量误差，几秒钟后就能偏出几米远。
- 优点：更新频率高（100-1000Hz）、不受外界干扰、短时间精度好
- 缺点：长时间漂移严重、需要温补校准、低端IMU噪声大
- 典型应用：与激光雷达/视觉融合、姿态估计、短时定位
三、轮式里程计
轮式里程计，就是通过编码器测量轮子转了多少圈，结合轮径算出移动距离。听起来很靠谱对吧？但实际用起来坑不少。
我记得第一次做AGV项目，轮式里程计给的定位精度还不错，结果一上地毯就开始打滑，定位直接飘了。后来加了打滑检测算法才稳住。
- 优点：成本极低（编码器几十块）、更新频率高、短距离精度好
- 缺点：打滑就完蛋、轮径磨损会累积误差、无法用于不平整路面
- 典型应用：室内AGV、与IMU融合做航位推算
四、相机：RGB-D与双目
相机是AMR上最便宜的「眼睛」，但也是最难伺候的。光照一变、纹理一少，视觉SLAM就容易崩。
RGB-D相机
RGB-D相机（如Kinect、Intel RealSense、奥比中光）能同时输出彩色图和深度图。深度图是通过结构光或ToF原理得到的。
- 优点：直接获取深度、成本低（几百到几千）、适合室内
- 缺点：室外强光下失效、有效距离短（通常3-5米）、深度图有空洞
- 典型应用：室内3D重建、视觉SLAM、物体识别
双目相机
双目相机通过两个摄像头视差计算深度，原理和人眼类似。不需要主动光源，所以室内外都能用。
- 优点：室内外通用、无距离限制（理论上）、成本适中
- 缺点：计算量大（需要立体匹配）、弱纹理区域失效、基线长度影响精度
- 典型应用：室外AMR、视觉里程计、深度估计
五、各传感器优缺点对比
下面这张表是我自己总结的，每次选型都会拿出来对照一下。
| 传感器 | 精度 | 更新频率 | 成本 | 环境适应性 | 主要局限 |
|---|---|---|---|---|---|
| 2D激光雷达 | 高（±2cm） | 10-40Hz | 中（千元级） | 室内好，室外一般 | 只能扫一个平面 |
| 3D激光雷达 | 高（±3cm） | 5-20Hz | 高（万元级） | 全天候 | 数据量大、稀疏 |
| IMU | 短期高，长期漂移 | 100-1000Hz | 低（百元级） | 完全不受外界影响 | 漂移严重 |
| 轮式里程计 | 短距离高 | 50-200Hz | 极低（几十元） | 室内平整路面 | 打滑、磨损 |
| RGB-D相机 | 中（深度±2cm） | 30-60Hz | 低（千元级） | 室内好，室外差 | 强光失效、距离短 |
| 双目相机 | 中（随距离变差） | 30-60Hz | 低（千元级） | 室内外均可 | 弱纹理失效、计算量大 |
六、传感器融合：1+1>2
看到这里你应该明白了：没有完美的传感器。2D雷达扫不到台阶，IMU会漂，轮式里程计会打滑，相机怕光照变化。那怎么办？融合呗。
我常用的组合方式：
- 室内AGV：2D激光雷达 + IMU + 轮式里程计。低成本、高可靠，打滑时靠IMU撑一下
- 室外AMR：3D激光雷达 + IMU + 双目相机。激光提供精确深度，视觉提供纹理信息，IMU做高频插值
- 轻量级方案：RGB-D + IMU。适合室内服务机器人，成本控制在千元以内
七、知识体系总览
下面这张图是我自己画的，把本章的核心逻辑串起来了。你可以把它当作选型时的参考框架。
这张图的核心逻辑是：四个传感器各有长短，融合后取长补短。激光雷达提供精确的距离信息，IMU提供高频的姿态变化，轮式里程计给出地面位移，相机补充纹理和深度。最终输出的是一个稳定、低漂移的位姿估计。
好了，传感器基础就聊到这儿。记住一句话：选传感器不是选最好的，而是选最合适的。你的AMR在什么场景跑、预算多少、精度要求多高，这些才是决定因素。
公众号:蓝海资料掘金营，微信deep3321