3、核心传感器选型：激光雷达(LDS)、陀螺仪(IMU)、碰撞传感器、悬崖传感器、里程计
做扫地机器人，传感器就是它的眼睛和耳朵。选对了，机器人就聪明；选错了，后面调试能让你怀疑人生。我这些年踩过的坑不少，今天就把核心传感器的选型经验掰开揉碎了讲给你听。
3.1 激光雷达（LDS）——机器人的“眼睛”
激光雷达是扫地机器人最核心的传感器。它负责建图和定位，说白了就是让机器人知道“我在哪，周围长啥样”。
工作原理：LDS通过发射激光束，测量反射时间来计算距离。旋转一圈，就能得到360°的环境轮廓。
选型关键参数：
| 参数 | 说明 | 我的建议 |
|---|---|---|
| 测距半径 | 一般6-12米 | 家用8米足够，商用选12米以上 |
| 采样频率 | 每秒点数（Hz） | 低于2000Hz的别考虑，建图会飘 |
| 角分辨率 | 0.3°-1° | 0.5°以下才能看清细小桌腿 |
| 抗环境光 | 能否在阳光下工作 | 至少80000 lux，不然阳台就是禁区 |
我在项目中遇到过一款号称“高性价比”的LDS，测距半径标称10米。结果在客厅实测，深色地毯上只能测到4米。嗯，这里要注意：黑色物体对激光吸收严重，选型时一定要看“低反射率物体测距能力”。
避坑指南：我曾经因为贪便宜选了某款国产LDS，结果在强光下频繁丢数据。后来换用思岚RPLIDAR A2，问题才解决。预算允许的话，直接上TOF方案的LDS，抗干扰能力强很多。
3.2 陀螺仪（IMU）——机器人的“内耳”
IMU负责感知机器人的姿态和角速度。没有它，机器人转弯时会完全迷失方向。
核心参数：
- 加速度计量程：±2g到±16g，家用选±4g
- 陀螺仪量程：±250°/s到±2000°/s，扫地机选±500°/s
- 零偏稳定性：这个最重要，低于10°/h的才靠谱
- 输出频率：至少100Hz，否则跟不上机器人运动
你想想看，机器人撞到沙发后，IMU要立刻检测到角速度变化，告诉主控“我撞了，快调整方向”。如果IMU反应慢半拍，机器人就会一直怼着沙发推。
我个人习惯用MPU6050做原型验证，便宜又好买。但量产时我会换成ICM-20948，温度漂移小很多。为什么？因为扫地机夏天在阳台充电，温度能到60°C，便宜的IMU数据早就飘到外太空了。
小技巧：IMU一定要做“温漂补偿”。我一般会在主板上贴一个温度传感器，根据温度查表修正IMU数据。别小看这一步，能省掉你后面80%的调试时间。
3.3 碰撞传感器——机器人的“触觉”
碰撞传感器看似简单，但选不好会出大问题。它负责检测机器人是否撞到障碍物。
常见类型：
- 机械微动开关：成本低，但有机械寿命限制
- 红外对管：无接触，但容易受灰尘干扰
- 霍尔传感器：寿命长，但需要磁铁配合
我建议用霍尔+弹簧缓冲结构。为什么？因为扫地机天天在灰尘里跑，机械开关用三个月就卡死了。霍尔传感器没有物理接触，寿命长得多。
我曾经遇到过一款产品，碰撞传感器灵敏度太高。机器人还没碰到墙，传感器就触发了。结果机器人离墙老远就停下来，房间永远扫不干净。后来发现是弹簧预压调得太松了。
注意：碰撞传感器的触发阈值要留余量。一般设定为物理接触前1-2mm触发。太灵敏会误报，太迟钝会撞坏外壳。
3.4 悬崖传感器——机器人的“保命符”
悬崖传感器防止机器人从楼梯上掉下去。这个传感器要是失效，机器人就成“自杀式袭击”了。
主流方案：红外测距传感器，一般用TCRT5000或类似型号。
选型要点：
- 检测距离：10-30cm可调，一般设定在15cm
- 响应时间：小于10ms，不然机器人已经掉下去了
- 抗干扰：要能区分深色地毯和真正的悬崖
这里有个坑：深色地毯会吸收红外光，让传感器误以为下面是悬崖。我见过一个案例，机器人走到黑色地毯上就急刹车，死活不肯过去。
解决办法是：采用双传感器差分检测。一个发射管配两个接收管，一个测近处，一个测远处。通过比值判断是悬崖还是深色物体。这个方案我用了好几年，效果很稳定。
我的经验：悬崖传感器的安装角度很关键。一般向下倾斜15°-20°，太垂直会检测不到低矮台阶，太平则会误报。量产前一定要用不同颜色的地板测试至少20次。
3.5 里程计——机器人的“脚步计数器”
里程计通过轮子转动的圈数来估算机器人走了多远。它和IMU、LDS一起做融合定位。
实现方式：
| 方案 | 精度 | 成本 | 我推荐吗？ |
|---|---|---|---|
| 霍尔编码器 | 中等 | 低 | 家用首选 |
| 光电编码器 | 高 | 中 | 商用推荐 |
| 磁编码器 | 很高 | 高 | 高端机型 |
我个人习惯用霍尔编码器，性价比最高。但要注意：霍尔编码器在低速时脉冲信号不稳定。我一般会在轮子上加一个减速比，让电机转速保持在1000RPM以上，这样编码器信号才干净。
里程计最大的问题是打滑。机器人在地砖上走，轮子打滑10%，里程计就多算了10%的距离。时间一长，定位误差会累积到无法接受。
解决办法：不要只用里程计做定位。把它和LDS、IMU做卡尔曼滤波融合。我常用的方案是：LDS做全局定位，IMU做短时姿态修正，里程计做速度估计。三者互补，效果很好。
3.6 传感器融合——让它们协同工作
单个传感器都有缺陷。LDS怕玻璃和黑色物体，IMU有温漂，里程计会打滑。但把它们融合起来，就能互相弥补。
我推荐的融合策略：
- 正常行走时：以里程计为主，IMU辅助修正方向
- 转弯时：以IMU为主，里程计辅助
- 撞到障碍物时：以碰撞传感器为准，重置位置估计
- 检测到悬崖时：立即停车，所有传感器数据暂停更新
说白了，就是让最可靠的传感器在特定场景下“说了算”。这个逻辑听起来简单，但实现起来需要大量的调试。我当年做第一版融合算法时，机器人总是在地毯上转圈圈，后来才发现是里程计打滑导致IMU被带偏了。
总结一下：传感器选型没有绝对的好坏，关键看你的应用场景和成本预算。家用扫地机，LDS选8米测距、IMU选MPU6050级别、碰撞用霍尔方案、悬崖用双红外、里程计用霍尔编码器，这套组合足够应对90%的场景。
下一章我会讲电机驱动和运动控制，到时候你会看到这些传感器数据是怎么驱动轮子转起来的。嗯，先消化这些吧。