第2章：传感器基础与选型
各位同学，咱们今天聊聊传感器选型。说实话，我见过太多项目死在第一步——传感器没选对。你想想看，算法再牛，数据源不行，后面全是白搭。
这一章，我带你过一遍常见的传感器类型，聊聊关键指标，最后给出一套我这些年总结的选型原则。
2.1 常见传感器类型
先列个清单，看看我们做多传感器融合时，手里都有哪些牌可以打。
2.1.1 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。它测量的是物体自身的运动——加速度和角速度。
- 加速度计：测线性加速度。我习惯用它来算俯仰角和横滚角。
- 陀螺仪：测角速度。积分后能得到角度，但漂移问题很头疼。
- 磁力计：测磁场方向，辅助修正航向角。不过室内环境容易受干扰。
2.1.2 摄像头
摄像头获取的是图像信息，说白了就是「看」。它能识别车道线、行人、交通标志，信息量巨大。
- 单目摄像头：成本低，但缺少深度信息。
- 双目/立体摄像头：通过视差算深度，但计算量大。
- RGB-D 摄像头：直接输出深度图，适合室内场景。
嗯，这里要注意：摄像头非常依赖光照条件。大太阳底下过曝，晚上又看不清。我做过一个夜间辅助驾驶项目，最后不得不加红外补光。
2.1.3 激光雷达（LiDAR）
激光雷达通过发射激光束，测量反射时间来计算距离。它直接输出点云数据，精度很高。
- 机械式：旋转扫描，360度视野。但体积大、寿命短。
- 固态/半固态：没有旋转部件，可靠性高。现在车规级 LiDAR 基本都是这种。
- 单线/多线：线数越多，点云越密，但价格也越贵。
2.1.4 毫米波雷达
毫米波雷达发射毫米波段的电磁波。它不怕雨雾，能直接测距和测速。
- 24GHz：老一代，带宽窄，分辨率低。
- 77GHz：新一代，带宽大，分辨率高。现在主流方案。
- 4D 成像雷达：能测高度，输出点云，有点像低配 LiDAR。
我个人觉得，毫米波雷达是「性价比之王」。它不像 LiDAR 那么贵，又比摄像头稳定。但缺点也很明显——角分辨率低，很难区分两个紧挨着的目标。
2.1.5 超声波传感器
超声波传感器发射声波，靠回波测距。它成本极低，但探测距离短（一般 0.2-5 米）。
- 常用于倒车雷达、自动泊车。
- 对透明物体（比如玻璃）检测效果差。
- 受温度、湿度影响较大。
我记得有一次，客户反馈超声波在冬天经常误报。查了半天，原来是温度补偿没做好。嗯，这个坑大家注意一下。
2.1.6 温湿度与气压计
这些传感器看起来不起眼，但在融合系统中经常扮演关键角色。
- 温湿度传感器：用于环境补偿。比如 IMU 的零偏会随温度漂移。
- 气压计：测大气压，可以推算高度。无人机定高、室内楼层检测都会用到。
气压计有个特点：它测的是相对高度，不是绝对高度。而且受天气影响，一天之内气压变化可能让你误以为上下移动了好几米。
2.2 关键性能指标
选传感器不能只看类型，还得看参数。我列几个核心指标，你选型时一定要盯着看。
| 指标 | 说明 | 我的建议 |
|---|---|---|
| 精度 | 测量值与真实值的偏差 | 别盲目追求高精度，够用就行。精度每提高一个数量级，价格可能翻十倍。 |
| 分辨率 | 能感知的最小变化量 | 分辨率高不一定精度高，但分辨率太低肯定不行。 |
| 采样率 | 每秒输出多少组数据 | IMU 一般要 100Hz 以上，摄像头 30Hz 就够。采样率太低，运动快的物体就抓不住。 |
| 量程 | 能测量的范围 | 比如加速度计量程 ±2g 还是 ±16g，看你用在什么场景。无人机做特技飞行，就得选大量程。 |
| 噪声密度 | 单位带宽内的噪声水平 | 这个指标直接影响滤波效果。噪声大的传感器，后面要花更多功夫去处理。 |
| 功耗 | 传感器工作时的功率 | 电池供电的设备，功耗是硬约束。我做过一个手持设备，LiDAR 一开，电池半小时就没了。 |
| 接口 | SPI、I2C、UART、CAN 等 | 接口决定了你能不能用。有些传感器只有 I2C，但你的主控 SPI 口多，那就得加转接。 |
2.3 选型实战原则
好了，理论讲完了。咱们聊聊怎么落地。我总结了五条原则，你照着做，基本不会翻车。
原则一：先定需求，再选传感器
别上来就问「哪个传感器最好？」。你得先问自己：我要测什么？精度要求多少？工作环境什么样？成本预算多少？
举个例子：做室内扫地机器人，超声波+红外就够用了。但做自动驾驶，LiDAR+摄像头+毫米波雷达一个都不能少。
原则二：冗余不是浪费，是保障
多传感器融合的核心思想就是冗余。一个传感器失效，另一个能顶上。但冗余也要有度，不是越多越好。
我习惯的做法是：每个关键物理量至少有两个不同原理的传感器来测量。比如测距，用 LiDAR 和摄像头视觉都能算，互相校验。
原则三：关注「系统级」指标，而非「器件级」
传感器 datasheet 上的指标，都是在理想条件下测的。实际用起来，温度、振动、老化都会让性能下降。
你想想看，一个标称精度 0.1 度的 IMU，在 85 度高温下可能漂到 1 度。所以选型时，一定要看全温度范围内的指标，而不是 25 度下的。
原则四：接口和时序要匹配
这个坑我踩过好几次。传感器数据采集需要时间，处理也需要时间。如果多个传感器共用一条总线，时序冲突就会导致数据不同步。
我的建议是：尽量给高速传感器（如 IMU、LiDAR）分配独立 SPI 或 CAN 接口。摄像头用 MIPI 或 USB。低速传感器（如温湿度）可以挂 I2C 总线上。
原则五：留好余量，方便迭代
选型时，别把资源用满。比如主控的算力、内存、接口数量，最好只用到 60%-70%。
为什么？因为项目后期一定会加新功能。你想想看，如果一开始就把所有引脚都用完了，后面想加个传感器都没地方接，那多尴尬。