【感知与规划】02 Sensors传感器类型与局限
机器人传感器成本、性能差异巨大;分为主动 / 被动,本体感受 / 外部感受。
传感器是机器人导航感知环境的核心,测距传感器在机器人领域应用非常普遍。
每一类传感器都存在固有优缺点,需要结合场景谨慎选型;传感器原始数据都需要算法处理,同时必须面对噪声与测量误差。
一、机器人传感器的作用
机器人依靠传感器反馈实现多项功能:环境定位导航、物体检测、危险工况防护、故障自主恢复、物体 / 人体识别、智能决策。加入传感器的核心目标是让机器人可以在非结构化、随机的现实环境工作;传感器输出数据还需要配套软件完成实时处理。
传感与换能
- 传感 (Sensing):采集外部世界信息;传感器是电 / 机 / 化学器件,把环境物理属性转化为可量化测量值。传感器的底层是换能(Transduction):能量从一种形式转换成另一种形式。例子:热敏电阻(温度→电阻)、麦克风(声压→电压)、光电管(光强→电流)。
- 对比人类感官:人类依靠眼、耳、皮肤、鼻、舌完成视、听、触、嗅、味;电子传感器可以拓展感知能力,实现红外夜视、激光 / 雷达测距、超声探测、地磁检测、化学、辐射检测,覆盖更宽电磁频谱。
- 换能的问题:计算机只识别数字信号,传感器模拟信号需要 ADC 模数转换器转为离散数字,这个过程会丢失精度。解决方案:选用高精度传感器,或者使用对噪声不敏感的算法。
二、传感器两大核心分类
分类 1:按照感知对象(本体 / 环境)
- 本体感受传感器 Proprioceptive(PC,内部状态传感器) 测量机器人自身内部状态:电池电压、电机转速、车轮位置、加速度、关节角度等。典型器件:电位器、转速计、光电编码器、加速度计、陀螺仪。
- 外部感受传感器 Exteroceptive(EC,外部状态传感器) 感知机器人外部环境:物体距离、环境光、物体类别。典型器件:相机、超声波、雷达、激光雷达。
分类 2:按照工作模式(主动 / 被动)
- 被动传感器 Passive (P):只接收环境本身发出的能量,自身不发射信号。例:普通相机、温度传感器。
- 主动传感器 Active (A):主动向外发射能量,接收物体反射回来的信号完成测量。例:雷达、超声波、激光扫描仪。
缺点:主动传感器会存在串扰 cross‑talk:一个传感器接收到其他主动传感器发射的信号,带来测量错误。
三、机器人常用传感器详解
1. 位置与航向类传感器
- 车轮编码器 Wheel Encoder(本体传感器) 光电码盘配合红外发射接收,正交编码;用于航位推算 Dead‑Reckoning,获取相对位置、转动角度;计算机鼠标内部也使用同类原理。
- GPS:获取地球上的绝对位置,可以差分修正本地误差。
- 地磁传感器 / 指南针 Compass:获取朝向;缺点:室内磁场畸变,读数不可靠。
- 惯性传感器(IMU)加速度计 Accelerometer:输出和加速度、垂直倾角相关。陀螺仪 Gyro/Rate Gyro:输出和角速度成正比;积分得到姿态角度;存在陀螺漂移 drift,随时间累积误差。
2. 触觉传感器 Tactile
需要物理接触物体,输出可以是二进制开关量或者连续模拟量:
触须 Whiskers、缓冲防撞开关 Bumper:结构简单廉价,二进制通断输出;触须探测距离很短。
电阻式触觉:弯曲传感器、电位器、导电橡胶,电阻随形变 / 压力改变,输出模拟信号。
压电传感器 Piezo:受力形变产生电压,测量压力、应变、加速度。
3. 红外 IR 传感器(分主动、被动)
主动红外:发射红外光,检测物体反射光强度;Sharp GP2Dxx 是典型产品,利用三角测距; 局限:深色物体、半透明物体反射差,测量效果变差。
被动热释电红外 Pyro‑electric:不发光,探测物体热红外辐射;常用于人体检测、安防运动传感器,感知人和热源。
4. 激光测距传感器 Laser Range
两种工作原理:
- 结构光 / 激光线三角测距:投射激光条纹,偏移的成像位置用三角几何算出距离。
- 飞行时间 TOF Time‑of‑Flight 发射激光脉冲,测量光往返时间计算距离; 特点:测量范围大、精度高;但是价格昂贵;精度会随距离下降;旋转镜面可以实现 2D 平面扫描;广泛用于自动驾驶。
激光光速极快,时间测量达到皮秒级别,硬件实现难度高。
5. 超声波传感器 Ultrasonic(声呐 Sonar)
主动式超声波(HC‑SR04 为代表) 发射超声波脉冲,测量回波往返时间计算距离;声速 c 受环境温度影响。
优点:成本低;最大测量距离可达 15m。
缺点:波束是锥形 20‑40° 开角;软材料会吸收声波;物体表面倾斜发生镜面反射,收不到回波,造成测量失效。
被动超声波:接收环境的超声波信号;也可结合信标 beacon 做机器人定位:信标同时发出光脉冲与声脉冲,机器人利用光速、声速巨大的时间差做三角定位。
6. 视觉传感器
被动视觉相机:接收环境光,获取图像;数据量大,需要高算力;立体视觉 Stereo Vision 依靠三角测量得到深度,难点是对应匹配问题 correspondence problem。
主动视觉:主动打光照明场景,检测反射光。
轻量视觉模块 CMUCam,集成摄像头和单片机做简单图像处理。
7. 其他传感器
- 颜色 / 光传感器:光敏电阻,输出随光照强度改变;分主动(打特定色光)和被动。
- 磁场传感器:金属探测、磁条寻迹。
四、传感器性能指标与误差
现实环境下传感器的关键评价指标:
- 灵敏度 Sensitivity:输出变化量 / 输入变化量;容易对无关环境因素(光照、温度)同样敏感。
- 交叉灵敏度 / 串扰 Cross‑talk:传感器受到其他无关信号干扰,尤其是多个主动传感器共存场景。
- 准确度 Accuracy:测量值和真实物理值的偏差;机器人实际运行时往往不知道真值,很难直接评估准确度;误差来源包含温度、湿度、器件老化、制造公差,传感器还可能发生随机失效。
- 误差分为两类
- 系统误差 Systematic error(确定性):可以建模、标定补偿。例:镜头畸变、激光传感器偏移。
- 随机误差 Random error(非确定):无法预测,只能用概率统计描述,例相机噪声。
- 精密度 Precision:多次测量结果可复现程度,和传感器分辨率相关。
五、处理传感器误差的手段
多传感器融合:使用不同位置、不同型号、不同原理的传感器测量同一个物理量,互相校验。
容错算法:三模冗余 TMR、拜占庭容错算法。
DAMO开发者矩阵,由阿里巴巴达摩院和中国互联网协会联合发起,致力于探讨最前沿的技术趋势与应用成果,搭建高质量的交流与分享平台,推动技术创新与产业应用链接,围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐


所有评论(0)