第4章传感器驱动与数据采集

第4章：传感器驱动与数据采集

各位同学，今天我们来聊聊机器人感知系统的“眼睛”和“耳朵”——激光雷达和IMU。说实话，传感器驱动这块，我当年刚入行时也踩过不少坑。你想想看，一个机器人如果连数据都采不准，后面再牛的算法也是白搭。

核心要点：传感器驱动是AMR自主导航的基石。激光雷达提供环境轮廓，IMU提供姿态和加速度，里程计提供位移估计。三者融合，才能构建完整的感知体系。

4.1 激光雷达驱动配置

激光雷达，说白了就是通过发射激光束并测量反射时间来感知周围环境。市面上常见的型号有思岚A1/A2、镭神、Velodyne等。我个人习惯用思岚的，性价比高，ROS驱动也成熟。

驱动安装步骤：

确认雷达型号和通信接口（串口/USB）
安装对应ROS驱动包（如rplidar_ros）
配置串口权限（sudo chmod 666 /dev/ttyUSB0）
启动驱动节点并验证数据

# 安装思岚A1驱动
sudo apt install ros-noetic-rplidar-ros

# 启动驱动
roslaunch rplidar_ros rplidar.launch

# 查看激光数据
rostopic echo /scan

避坑指南：我曾经在项目现场折腾了整整一下午，发现雷达数据一直断断续续。最后排查出来是USB线太长导致供电不足。记住，激光雷达对供电稳定性要求很高，建议用带屏蔽的USB线，长度不超过2米。

配置完成后，记得用rviz可视化一下。如果看到一圈点云在旋转，说明驱动正常。如果看到的是乱码或者没有数据，先检查串口权限，再检查波特率设置。嗯，这里要注意，不同型号的雷达波特率可能不一样，A1是115200，A2是256000。

4.2 IMU驱动配置

IMU（惯性测量单元）提供加速度和角速度数据。常见的IMU有MPU6050、BMI160、ICM20948等。我建议初学者先用MPU6050，资料多，社区活跃。

IMU驱动配置要点：

I2C/SPI接口配置
数据频率设置（通常100-200Hz）
加速度和角速度的量程选择
零偏校准

# 安装MPU6050驱动
sudo apt install ros-noetic-imu-tools

# 启动IMU节点
rosrun imu_tools mpu6050_node _port:=/dev/i2c-1

# 查看IMU数据
rostopic echo /imu/data

重要提醒：IMU数据有严重的零偏问题。我刚开始做项目时，直接拿原始数据用，结果机器人原地转圈都算不准。一定要做零偏校准：静止状态下采集1000个样本取平均，然后减去这个偏移量。

为什么会这样？因为MEMS传感器制造工艺决定了每个芯片都有个体差异。你想想看，同一批次的IMU，零偏可能差好几倍。所以每次上电后，建议先让机器人静止5秒，自动完成零偏校准。

4.3 里程计数据融合

里程计融合，说白了就是把轮式编码器、IMU、激光雷达的数据整合起来，得到更准确的位姿估计。我常用的方法是扩展卡尔曼滤波（EKF）。

融合策略：

传感器	优势	劣势	融合权重
轮式编码器	短距离精度高	打滑时误差大	中
IMU	高频、无漂移	积分误差累积	高（短时）
激光雷达	绝对定位修正	计算量大	低（长时）

# 使用robot_localization包进行EKF融合
sudo apt install ros-noetic-robot-localization

# 配置EKF参数文件
# ekf.yaml
frequency: 50
sensor_timeout: 0.1
two_d_mode: true
odom0: /odom
odom0_config: [true, true, false, false, false, false, false, false, false, false, false, false, false, false, false]
imu0: /imu/data
imu0_config: [false, false, false, false, false, true, false, false, false, false, false, true, false, false, false]

实战经验：我在做仓储机器人项目时，发现单纯用轮式编码器，机器人走10米就偏了5厘米。加上IMU后，偏差降到2厘米。再融合激光雷达的scan-to-map匹配，最终控制在1厘米以内。记住，融合不是越多越好，要找到适合你应用场景的平衡点。

4.4 传感器标定基础

传感器标定，说白了就是给传感器“校准”。我见过太多同学，传感器买回来直接上机，结果定位精度惨不忍睹。标定是绕不开的一步。

标定内容：

内参标定：激光雷达的测距误差、IMU的零偏和尺度因子
外参标定：传感器之间的相对位姿（如激光雷达到IMU的变换矩阵）
时间同步：不同传感器的时间戳对齐

常用的标定工具有：

lidar_align：激光雷达与IMU外参标定
imu_utils：IMU内参标定
kalibr：多传感器联合标定

# 使用lidar_align进行激光雷达-IMU标定
roslaunch lidar_align lidar_align.launch

# 标定结果示例
# 变换矩阵（激光雷达到IMU）
# Translation: [0.05, 0.02, 0.10]
# Rotation: [0.999, -0.01, 0.02, 0.01, 0.999, 0.03, -0.02, -0.03, 0.999]

标定注意事项：我曾经在室外标定时，风太大导致标定板晃动，结果标定出来的外参误差很大。建议在室内无风环境进行，标定板要固定牢固。另外，标定过程中机器人要缓慢运动，覆盖6个自由度（平移+旋转）。

嗯，这里要特别强调一下时间同步。ROS本身提供了时间戳机制，但不同传感器的时钟可能不同步。我建议用硬件同步线（如PPS信号）或者用message_filters做近似同步。如果时间偏差超过10ms，融合效果会明显变差。

本章小结：传感器驱动与数据采集是AMR自主导航的“第一公里”。激光雷达、IMU、里程计各有优劣，通过EKF融合可以取长补短。标定工作虽然繁琐，但值得花时间做好。记住：垃圾数据进，垃圾结果出。

📚 课程目录