第一章：传感器基础与Jetson平台概览

各位同学，欢迎来到《Jetson传感器数据融合与同步实战》的第一课。

说实话，每次带新人入门，我都要先问一个问题：你手头有什么传感器？你准备用哪块Jetson板子？这两个问题搞不清楚，后面的数据融合、时间同步全是空中楼阁。今天我们就先把地基打牢。

1.1 常见传感器类型：你得知道它们是什么脾气

做机器人或者自动驾驶，传感器就是我们的眼睛和耳朵。我这些年摸过的传感器少说也有几十种，但真正常用的，其实就四大类。

1.1.1 IMU（惯性测量单元）

IMU这玩意儿，说白了就是测量加速度和角速度的。它由加速度计和陀螺仪组成，有的还带磁力计。加速度计告诉你「我现在是平躺还是竖着」，陀螺仪告诉你「我在往哪个方向转」。

关键参数：

• 采样率：常见的有100Hz、200Hz、400Hz。我建议做数据融合时，IMU采样率至少200Hz以上，否则姿态解算会滞后。
• 量程：加速度计一般±2g到±16g，陀螺仪±250°/s到±2000°/s。做无人机选大量程，做AGV小车选小量程就行。
• 零偏稳定性：这个参数很关键。我踩过坑——有一次用了个便宜的IMU，零偏漂移严重，卡尔曼滤波怎么调都压不住，最后换了传感器才解决。

1.1.2 GPS（全球定位系统）

GPS提供绝对位置信息，但精度嘛……看价格。民用单频GPS误差在2-5米，RTK（实时动态差分）可以做到厘米级。

关键点：

• 更新率：普通GPS是10Hz，RTK能做到20Hz。但注意，GPS更新率远低于IMU，所以融合时要用IMU做高频预测，GPS做低频修正。
• 信号遮挡：我在隧道、高架桥下吃过亏——GPS信号一丢，位置直接飞掉。所以一定要和IMU、轮速计做组合导航。
• 坐标系：GPS输出的是WGS-84经纬度，要转成UTM或者局部笛卡尔坐标系才能用。这个后面章节会细讲。

1.1.3 激光雷达（LiDAR）

激光雷达是现在自动驾驶和机器人的标配。它通过发射激光束测量距离，生成点云数据。

常见类型：

• 单线激光雷达：比如RPLIDAR A1/A2，只扫一个平面，适合做SLAM建图和避障。便宜，几百块。
• 多线激光雷达：比如Velodyne VLP-16（16线）、Ouster OS1（64线）。能扫出3D点云，但价格感人，动辄几万。
• 固态激光雷达：比如Livox Mid-40，没有旋转部件，寿命长，但视场角小一些。

1.1.4 摄像头

摄像头提供最丰富的视觉信息，但也是最难处理的传感器。光照变化、运动模糊、遮挡……问题一大堆。

关键参数：

• 分辨率：640x480够用，1920x1080更好。但分辨率越高，处理延迟越大。我一般用1280x720做视觉SLAM，平衡了精度和速度。
• 帧率：30fps是底线，60fps更好。做目标检测时，帧率太低会导致漏检。
• 快门类型：全局快门比卷帘快门好。卷帘快门在快速运动时会产生果冻效应，IMU和图像时间戳对不齐，融合起来很头疼。

1.2 Jetson系列硬件对比：选对板子，事半功倍

Jetson是NVIDIA推出的嵌入式AI计算平台。我这些年用过Nano、TX2、Xavier NX，到现在的Orin系列。每个型号都有自己的定位。

我的建议：

• 如果你是学生或者刚入门，买一块Jetson Nano就够了。跑跑ROS2、调调IMU和摄像头，完全够用。别一上来就上Orin，浪费钱。
• 如果你要做多传感器融合（IMU+GPS+LiDAR+摄像头），至少上Orin NX 16GB。Nano的内存太小，跑个点云处理就爆了。
• 如果你要做自动驾驶或者高端机器人，直接上Orin AGX。算力管够，省心。

1.3 Jetson系统环境初始化：从零开始搭环境

拿到一块新的Jetson板子，第一件事就是刷系统。我习惯用NVIDIA官方的SDK Manager，省事。

1.3.1 刷机步骤

1. 下载并安装NVIDIA SDK Manager（需要Ubuntu主机）。
2. 用USB线连接Jetson板子和主机，给板子上电（进入强制恢复模式）。
3. 在SDK Manager中选择对应的Jetson型号和JetPack版本。
4. 选择要安装的组件：我一般全选——CUDA、cuDNN、TensorRT、OpenCV、ROS2（如果支持的话）。
5. 点击安装，等20-30分钟。嗯，去喝杯咖啡吧。

1.3.2 安装ROS2

我们这门课主要用ROS2（Humble或Foxy版本）。Jetson上安装ROS2有两种方式：

• 方法一：用SDK Manager直接勾选ROS2组件。最简单，但版本可能不是最新的。
• 方法二：手动安装。我推荐这个，因为可以自己控制版本和依赖。

手动安装命令如下：

# 设置locale
sudo apt update && sudo apt install locales
sudo locale-gen en_US en_US.UTF-8
sudo update-locale LC_ALL=en_US.UTF-8 LANG=en_US.UTF-8

# 添加ROS2源
sudo apt install software-properties-common
sudo add-apt-repository universe
sudo apt update && sudo apt install curl -y
sudo curl -sSL https://raw.githubusercontent.com/ros/rosdistro/master/ros.key -o /usr/share/keyrings/ros-archive-keyring.gpg
echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/ros-archive-keyring.gpg] http://packages.ros.org/ros2/ubuntu $(lsb_release -cs) main" | sudo tee /etc/apt/sources.list.d/ros2.list > /dev/null

# 安装ROS2 Humble
sudo apt update
sudo apt install ros-humble-desktop

# 设置环境变量
echo "source /opt/ros/humble/setup.bash" >> ~/.bashrc
source ~/.bashrc

1.3.3 验证环境

装完之后，跑个小例子验证一下：

# 终端1：启动talker
ros2 run demo_nodes_cpp talker

# 终端2：启动listener
ros2 run demo_nodes_py listener

如果能看到「I heard: Hello World」之类的输出，恭喜你，环境搭好了。

1.4 本章小结

这一章我们聊了四大传感器的脾气秉性，对比了Jetson各型号的定位，最后手把手搭好了开发环境。说白了，传感器是硬件基础，Jetson是计算核心，ROS2是软件框架——这三样搞定了，后面的数据融合才有得玩。

下一章，我们会深入IMU的数据读取和预处理。到时候我会分享一个我踩过的坑——IMU的零偏校准没做好，导致整个融合系统发散。嗯，到时候细说。

好了，今天就到这里。有问题随时交流。