第三章 传感器技术：AMR的感知器官
各位同学，大家好。今天我们来聊聊AMR的“眼睛”和“耳朵”——传感器。
说实话，传感器选型这块，我踩过的坑比走过的路还多。早期做AGV时，我总觉得传感器越多越好，结果数据融合搞得一团糟。后来才明白，传感器不是堆砌，而是协同。
3.1 激光雷达：2D与3D的抉择
激光雷达，说白了就是靠发射激光束来测量距离。它分两种：2D和3D。
3.1.1 2D激光雷达
2D激光雷达扫描一个平面，输出的是(x, y)坐标点云。我习惯叫它“单线雷达”。
- 优点：成本低、速度快、数据处理简单
- 缺点：只能感知同一高度平面，遇到低矮障碍物就抓瞎
- 典型应用：室内导航、避障、SLAM建图
核心参数：
- 扫描角度：通常270°或360°
- 角分辨率：0.1°~1°
- 测距范围：10m~50m
- 频率：10Hz~50Hz
3.1.2 3D激光雷达
3D激光雷达有16线、32线、64线甚至128线。它输出的是(x, y, z)三维点云。
我记得有一次做室外AMR项目，2D雷达死活检测不到路沿石，换了16线3D雷达后，问题迎刃而解。你想想看，3D雷达能感知高度信息，这对复杂环境太重要了。
我的建议：
- 室内平坦地面：2D雷达足够
- 室外或复杂地形：至少16线3D雷达
- 预算有限？可以考虑混合方案：2D雷达+深度相机
3.2 IMU惯性测量单元
IMU包含加速度计和陀螺仪。它不依赖外部信号，完全靠自己推算位置。
嗯，这里要注意：IMU有严重的累积误差。我曾经做过一个测试，纯靠IMU走100米，定位误差能到5米以上。
| 传感器 | 测量量 | 典型精度 | 主要问题 |
|---|---|---|---|
| 加速度计 | 三轴加速度 | ±0.1g | 噪声大 |
| 陀螺仪 | 三轴角速度 | ±0.1°/s | 零偏漂移 |
| 磁力计 | 三轴磁场 | ±1μT | 易受干扰 |
避坑指南：我曾经在金属加工车间用IMU，磁力计被严重干扰，导致航向角完全错误。后来我改用9轴IMU+卡尔曼滤波，才勉强稳住。
3.3 里程计：轮式 vs 视觉
里程计就是推算机器人走了多远、转了多少角度。
3.3.1 轮式里程计
靠编码器测量轮子转动的圈数。简单粗暴，但有两个致命问题：
- 打滑：地面湿滑或急加速时，轮子空转，里程计就废了
- 轮胎磨损：用久了轮径变小，里程会偏大
我个人习惯在轮式里程计上加一个滑动补偿系数，根据实际测试校准。
3.3.2 视觉里程计
通过摄像头跟踪图像特征点来推算运动。说白了就是“看路走”。
视觉里程计的优势在于不受打滑影响，但光线不好时容易失效。我建议两者融合使用：
// 简单的融合策略
if (轮式里程计置信度 > 0.8) {
最终位置 = 轮式里程计 * 0.7 + 视觉里程计 * 0.3;
} else {
最终位置 = 视觉里程计;
}3.4 超声波传感器
超声波传感器靠发射声波并接收回波来测距。它有个特点：近距离精度高，远距离不行。
为什么？因为声波会扩散。距离越远，回波越弱。
典型参数：
- 测距范围：2cm~5m
- 精度：±1cm（近距离）
- 波束角：15°~60°
超声波传感器最适合做近距离避障。我记得在AGV项目中，用超声波检测前方30cm内的障碍物，配合激光雷达做远距离规划，效果很好。
小技巧：超声波传感器之间会互相干扰。我一般让它们分时工作，或者用不同频率的探头。
3.5 深度相机
深度相机能同时输出RGB图像和深度图。它有两种主流技术：
- 结构光：投射红外点阵，通过变形计算深度
- ToF：测量红外光飞行时间
深度相机的优势是信息丰富，能识别物体形状、颜色、距离。但缺点也很明显：
- 室外强光下效果差
- 测量距离有限（通常0.3m~10m）
- 计算量大
我建议在AMR上这样搭配：
| 传感器 | 主要用途 | 优先级 |
|---|---|---|
| 激光雷达 | 远距离建图、定位 | 必须 |
| IMU | 姿态估计、短时定位 | 必须 |
| 里程计 | 速度反馈、位置推算 | 推荐 |
| 超声波 | 近距离避障 | 可选 |
| 深度相机 | 物体识别、精细避障 | 可选 |
3.6 传感器融合：1+1>2
单个传感器都有短板。真正的AMR系统，需要把多个传感器数据融合起来。
我常用的融合框架是扩展卡尔曼滤波（EKF）。说白了就是：
- 用IMU做高频预测（100Hz）
- 用激光雷达/视觉做低频修正（10Hz）
- 用里程计做速度约束
这样做的好处是：即使某个传感器失效，系统还能继续工作一段时间。
重要提醒：传感器融合不是越多越好。我曾经在一个项目里堆了7个传感器，结果数据冲突导致定位频繁跳变。后来精简到4个，反而更稳定。
3.7 本章知识体系
下面我用一张图来总结本章的核心逻辑：
这张图展示了AMR传感器技术的核心逻辑：以传感器融合为中心，五大传感器各司其职，共同构建机器人的感知能力。
好了，传感器技术就讲到这里。记住一句话：选传感器不是选最贵的，而是选最合适的。下一章我们聊聊执行器，也就是电机控制，那又是另一番天地了。