第2章传感器基础

第1章：传感器基础——扫地机器人的“感官世界”

大家好，我是你们的老朋友。今天咱们聊聊扫地机器人的传感器。

你想想看，一台机器要自己满屋子跑，还得知道哪儿脏、哪儿有墙、哪儿会掉下去。靠什么？靠的就是传感器。说白了，传感器就是机器人的眼睛、耳朵和触觉。

我做了这么多年SLAM，踩过不少坑。今天就把这些传感器的底细，给你掰扯清楚。

1.1 激光雷达（LDS）——机器人的“主心骨”

激光雷达，英文叫LDS（Laser Distance Sensor）。这是目前主流扫地机最核心的传感器。没有它，地图构建基本没戏。

工作原理：

它发射一束激光，打到障碍物上反射回来。通过测量飞行时间（ToF，Time of Flight），算出距离。然后旋转扫描，一圈下来就是360°的环境轮廓。

核心公式：

距离 = (光速 × 飞行时间) / 2

注意：除以2是因为光走了个来回。

我个人的经验：

我在项目里用过单线激光雷达，就是那种只扫一个平面的。它有个致命弱点——遇到低矮的障碍物（比如拖鞋、电线），它根本看不见。因为激光束是水平的，低矮物体在扫描平面以下。

避坑指南：

我曾经遇到过一台扫地机，激光雷达明明扫到了墙，但机器人还是撞上去了。后来发现，是雷达的安装角度偏了0.5度。别小看这0.5度，5米外误差就是4厘米。所以，安装校准一定要做。

常见参数：

参数	典型值	说明
扫描半径	6-12米	家用足够，商用需要更大
扫描频率	5-15 Hz	越高，地图更新越快
角度分辨率	0.5° - 1°	越小，细节越丰富
测距精度	±1-3 cm	受环境光影响

小技巧：

如果你自己调试雷达数据，可以用ROS的rviz工具可视化。看到点云图，你就知道机器人“看”到了什么。

1.2 红外传感器——低成本的距离感知

红外传感器，成本低，功耗小。很多入门级扫地机用它替代激光雷达。

原理：

发射红外光，接收反射光。通过三角测距法计算距离。说白了，就是发射器和接收器之间有个夹角，根据反射光落在接收器上的位置，算出距离。

我的看法：

红外传感器有个大问题——受环境光干扰严重。阳光直射下，它基本就废了。我建议只在室内、光线稳定的场景用。

适用场景：

悬崖检测（防止机器人掉下楼梯）
沿墙行走（配合碰撞传感器）
近距离避障（10cm以内）

1.3 超声波传感器——不怕玻璃的“蝙蝠”

超声波传感器，模仿蝙蝠的回声定位。发射超声波，接收回波，算时间差。

为什么需要它？

激光和红外遇到透明玻璃，基本就穿过去了。但超声波不一样，声波会被玻璃反射回来。所以，检测玻璃门、玻璃窗，超声波是首选。

我踩过的坑：

我曾经用超声波做避障，发现它有个“盲区”——距离太近（<5cm）时，发射和接收会混在一起，测不准。后来我加了个延时处理，才解决。

注意事项：

超声波速度受温度影响，需要温度补偿
多个超声波同时工作会互相干扰，需要分时复用
软质物体（如窗帘）吸收声波，测距不准

1.4 碰撞传感器——最后的“安全网”

碰撞传感器，说白了就是保险杠。机器人撞到东西了，它才触发。

类型：

机械式：微动开关，简单可靠。但容易磨损。
电容式：感应人体静电，灵敏度高。但容易误触。
压电式：检测压力变化，响应快。成本高一些。

我的建议：

别把碰撞传感器当主要避障手段。它应该是最后一道防线。好的SLAM系统，应该在碰撞前就完成避障。碰撞传感器只是“兜底”的。

调试经验：

我习惯在碰撞传感器周围加一圈软胶垫。这样既能缓冲撞击，又能延长传感器寿命。别小看这个细节，能省不少维修费。

1.5 陀螺仪与里程计——机器人的“方向感”

这两个传感器，负责告诉机器人“我在哪”、“我朝哪走”。

陀螺仪：

测量角速度。说白了，就是机器人转弯时，它能知道转了多少度。

我常用的陀螺仪是MPU6050，六轴（三轴陀螺仪+三轴加速度计）。

里程计：

通过轮子编码器，计算机器人走了多远。公式很简单：

// 里程计计算示例
float wheel_diameter = 0.066; // 轮子直径，单位米
float encoder_resolution = 360; // 编码器每圈脉冲数
int pulse_count = 1024; // 读取到的脉冲数

float distance = (pulse_count / encoder_resolution) * PI * wheel_diameter;
// 结果：走了约0.59米

为什么两个都要？

因为里程计会打滑。你想想看，机器人在地板上走，轮子打滑了，编码器以为走了1米，实际只走了0.8米。这时候就需要陀螺仪来修正方向。

融合方法：

我一般用卡尔曼滤波（Kalman Filter）把陀螺仪和里程计的数据融合。简单说，就是让两个传感器互相“纠错”。

里程计提供位置估计（但会漂移）
陀螺仪提供方向估计（但会累积误差）
融合后，得到更准确的位姿

避坑指南：

我曾经遇到过一个问题：机器人走直线，但地图上画出来是弯的。查了半天，发现是陀螺仪的零偏没有校准。每次上电后，陀螺仪都有一个固定的偏移量。不校准的话，方向误差会越来越大。

解决办法：每次开机后，让机器人静止5秒，采集陀螺仪数据，计算平均偏移，然后减去这个偏移。

小结

好了，这一章我们聊了扫地机器人的五大传感器。总结一下：

激光雷达：地图构建的核心，精度高，但怕低矮障碍物
红外传感器：低成本，但怕阳光
超声波传感器：检测玻璃的好手，但有盲区
碰撞传感器：最后的防线，别依赖它
陀螺仪+里程计：定位的基础，需要融合使用

下一章，我们会把这些传感器组合起来，讲讲怎么用它们构建一张完整的地图。到时候，我会分享一些实际项目中的代码和调试经验。

嗯，今天就到这儿。有问题随时交流。

公众号:蓝海资料掘金营，微信deep3321