2、地形感知传感器原理：激光雷达(LiDAR)、毫米波雷达、双目视觉、RTK-GNSS的工作原理与选型对比

各位同学，咱们接着聊。上一章讲了地形感知的整体架构，这一章咱们把目光聚焦在「眼睛」上——也就是那些让无人机能「看见」地形的传感器。

说实话，我入行那会儿，无人机仿地飞行还是个稀罕事。大家基本靠飞手目视操作，或者用最粗糙的超声波定高。现在不一样了，传感器种类多得让人眼花缭乱。但你别被这些名词吓到，咱们一个一个拆开看。

2.1 激光雷达（LiDAR）—— 精度之王，但有点贵

激光雷达，英文叫 LiDAR（Light Detection And Ranging）。原理其实很简单：发射一束激光，打到地面反射回来，根据时间差算出距离。嗯，跟蝙蝠的回声定位一个道理，只不过蝙蝠用声波，咱们用光波。

工作原理：

• 发射器发出近红外激光脉冲（通常是905nm或1550nm）
• 激光打到地面或作物表面，发生漫反射
• 接收器捕获回波信号，通过TOF（飞行时间）计算距离
• 配合扫描机构（机械旋转或固态扫描），形成点云数据

我在项目中遇到过一件事：有次在新疆棉田做测试，大中午的太阳暴晒，激光雷达的接收器饱和了，直接「瞎」了。后来才知道，高环境光对某些波长的激光雷达影响很大。所以选型时，一定要看抗环境光干扰能力。

2.2 毫米波雷达 —— 全天候选手，但分辨率有限

毫米波雷达，说白了就是发射毫米波段的电磁波（通常是24GHz、60GHz或77GHz）。它跟激光雷达最大的区别是什么？不怕雨雾。

工作原理：

• 发射调频连续波（FMCW）信号
• 信号遇到地面反射回来，产生频率差
• 通过混频和FFT处理，提取距离和速度信息
• 多天线阵列可实现角度测量（MIMO技术）

你想想看，在南方水稻田作业，经常遇到大雾或者毛毛雨。激光雷达这时候基本废了，但毫米波雷达照样干活。不过它也有短板——角分辨率低。什么意思？就是它只能告诉你「前面大概5米处有个凸起」，但没法像激光雷达那样画出精细的地形轮廓。

2.3 双目视觉 —— 最便宜，但最吃光线

双目视觉，模仿的是人眼。两个摄像头同时拍一张照片，通过左右图像的视差，计算出每个像素点的深度。原理听起来很美好，对吧？

工作原理：

• 左右相机同步采集图像
• 通过立体匹配算法找到对应点（SGBM、BM等算法）
• 根据三角测量原理计算深度：Z = (f × B) / d
• 生成深度图或稀疏点云

其中，f是焦距，B是基线距离（两个相机之间的距离），d是视差。公式很简单，但实际做起来坑很多。

我曾经踩过一个坑：在傍晚光线不足的时候做仿地飞行，双目视觉直接「罢工」了。因为光照太暗，图像纹理不够，立体匹配算法算不出视差。后来我加了一组补光灯，但效果还是不理想。所以，双目视觉对光照条件非常敏感，这是它的硬伤。

2.4 RTK-GNSS —— 绝对位置，但无法感知细节

RTK-GNSS，全称是实时动态差分全球导航卫星系统。它跟前面三种传感器不一样——它不直接测量地形，而是告诉你无人机当前在三维空间中的绝对位置。

工作原理：

• 基准站接收卫星信号，计算自身位置和误差
• 基准站通过数传链路（4G或电台）将差分修正数据发给无人机
• 无人机上的流动站接收修正数据，消除电离层、对流层等误差
• 最终定位精度可达厘米级（水平±1cm，垂直±2cm）

你可能会问：「RTK这么准，为什么还要其他传感器？」

问得好。RTK只能告诉你无人机在哪，但它不知道前方地形长什么样。举个例子，你让无人机沿着山坡飞行，RTK可以精确控制高度，但前提是你得提前知道山坡的坡度数据。如果地形是未知的，RTK就无能为力了。

所以，实际工程中，RTK通常作为辅助定位，用来修正其他传感器的漂移误差。我个人习惯是：RTK做全局定位，激光雷达或双目视觉做局部地形感知，两者融合使用。

2.5 选型对比 —— 到底该用哪个？

好了，四种传感器都讲完了。咱们做个对比，方便你选型时参考。

传感器类型	测距精度	抗环境干扰	点云密度	成本	适用场景
激光雷达	±1~3cm	中（怕强光、雨雾）	高	高（5000~30000元）	果园、茶园、复杂地形
毫米波雷达	±5~10cm	高（不怕雨雾）	低	中（1000~5000元）	大田作物、平原地区
双目视觉	±2~5cm（近距离）	低（怕暗光、纹理少）	中	低（200~2000元）	光照好的场景、室内
RTK-GNSS	±2cm（垂直）	高（但受卫星信号影响）	无点云	中（2000~8000元）	全局定位、辅助融合

最后说一句：传感器选型没有「最好」，只有「最合适」。你得根据你的作业场景、预算、精度要求来权衡。下一章，咱们聊聊怎么把这些传感器的数据融合起来，让无人机真正「看懂」地形。