环境感知基础：扫地机如何“看见”世界
做扫地机路径规划，第一件事不是写代码，而是搞清楚一个问题：机器人到底怎么感知环境的？
我刚开始做这个方向时，也犯过傻。以为只要给个地图，机器人就能自己跑。结果第一次实测，机器直接撞墙上了。嗯，那时候我才意识到——感知是规划的前提，感知不准，规划全是白搭。
这一章，咱们就把扫地机上那些传感器挨个捋一遍。激光雷达、红外、碰撞、悬崖、陀螺仪、里程计，每个我都会讲讲原理，再聊聊实际项目中踩过的坑。
1. 激光雷达：扫地机的“眼睛”
激光雷达，说白了就是发射激光，测反射回来的时间，算出距离。扫地机上最常见的是单线激光雷达，旋转扫描一圈，得到360度的距离数据。
我个人习惯把激光雷达的数据叫做“点云”，虽然单线雷达的点云只有一圈，但足够建图用了。
核心原理：
- 发射激光脉冲
- 接收反射信号
- 根据飞行时间计算距离：
d = c * t / 2
我在项目中遇到过一个问题：激光雷达在阳光下会失效。因为太阳光里也有红外成分，会干扰接收器。所以如果你打算做户外扫地机，记得选带滤光片的雷达。
避坑指南：
我曾经以为激光雷达数据是完美的，后来发现玻璃墙、黑色物体、镜面都会导致数据丢失。黑色吸光，玻璃透光，镜面反射到别处去了。做SLAM时，这些“坏点”一定要先过滤掉。
2. 红外传感器：低成本测距方案
红外传感器，原理跟激光雷达有点像，但用的是红外LED，不是激光。成本低，精度也低。
扫地机上通常用红外做短距离避障，比如检测前方10厘米内有没有障碍物。我一般把它当作“保险丝”——激光雷达没检测到的，红外来兜底。
但红外有个毛病：受环境光影响大。阳光直射时，红外信号会被淹没。你想想看，大白天扫地，红外基本等于废了。
注意：
红外传感器不适合做精确测距，只适合做“有/无”检测。我在项目里吃过这个亏，想用红外做精确避障，结果数据跳得跟心电图似的。
3. 碰撞传感器：最后的防线
碰撞传感器，其实就是个机械开关。机器人撞到东西了，开关闭合，告诉主控：“我撞了！”
听起来很原始对吧？但说实话，这是最可靠的传感器。激光雷达可能漏掉细桌腿，红外可能被阳光干扰，但碰撞传感器永远不会骗你。
我习惯在代码里给碰撞传感器最高优先级。一旦触发，立即停车，然后后退转向。为什么？因为撞坏了家具，用户会骂人的。
实际经验：
碰撞传感器的安装位置很重要。我见过一些扫地机，碰撞条太硬，撞到东西也不触发。太软又容易误触。建议用弹性适中的橡胶条，触发力度控制在2-3牛顿。
4. 悬崖传感器：防止“跳楼”
悬崖传感器，其实就是朝下安装的红外或超声波传感器。检测地面是不是突然没了——比如楼梯边缘。
原理很简单：发射信号，看反射回来的强度。地面反射强，悬崖反射弱（因为信号跑远了）。
我在测试时遇到过一件尴尬事：黑色地毯导致悬崖传感器误触发。因为黑色吸光，反射信号弱，机器人以为下面是悬崖，死活不肯上地毯。
解决办法：
可以融合多个传感器的数据。比如悬崖传感器触发时，再查一下激光雷达的数据，如果激光雷达显示前方有地面，那就别停车。说白了，就是别让一个传感器说了算。
5. 陀螺仪与里程计：知道自己在哪
陀螺仪测角速度，里程计测位移。两者结合，就能估算机器人的位姿。
但这里有个大坑：误差会累积。陀螺仪有零偏，里程计有打滑。跑个几分钟，位置估计可能偏到姥姥家去了。
我刚开始做时，以为IMU数据很准。结果有一次让机器人直线前进，它愣是走出了个弧线。查了半天，发现是轮子打滑导致的里程计误差。
核心公式（简化版）：
// 里程计推算位置
x += speed * cos(theta) * dt
y += speed * sin(theta) * dt
theta += gyro_z * dt你想想看，如果陀螺仪有0.1度/秒的零偏，10秒后就偏了1度。看起来不多，但乘以移动距离，位置误差就大了。
重要提醒：
千万别只用里程计做定位。一定要融合激光雷达或视觉数据，用卡尔曼滤波或粒子滤波来修正。我见过有人只用里程计做路径规划，结果机器人越跑越偏，最后撞墙了。
6. 传感器融合：1+1 > 2
单个传感器都有缺陷。激光雷达怕玻璃，红外怕阳光，碰撞传感器只能事后补救，里程计会漂移。
所以，真正的工程方案是融合。
我个人习惯的做法是：
- 激光雷达做主传感器，建图和定位
- 红外做短距离补充，检测低矮障碍物
- 碰撞传感器做最后一道防线
- 悬崖传感器单独处理，优先级最高
- 陀螺仪+里程计做运动估计，但定期用激光雷达修正
说白了，就是让每个传感器干自己最擅长的事。别指望一个传感器搞定所有场景。
一个小技巧：
我在代码里给每个传感器分配一个“置信度”。激光雷达置信度0.9，红外0.6，碰撞传感器触发时置信度直接拉满。融合时按置信度加权，效果比简单平均好得多。
总结一下
这一章咱们聊了扫地机上常见的传感器。每个都有用，每个也都有坑。做路径规划之前，先把这些传感器的特性摸透，不然代码写得再漂亮，跑起来也是歪的。
下一章，咱们会讲地图表示方法。有了传感器数据，怎么把它变成机器人能理解的地图？到时候见。
公众号：蓝海资料掘金营，微信deep3321