选型 · 选型逻辑 · 约 25 分钟
传感器选型逻辑:先问测什么,再问贵不贵
激光雷达、深度相机、双目、IMU、力矩、触觉——选型的第一步从来不是比参数表,是先回答「这个任务里,哪一种信息是保命的、哪一种是锦上添花的」。这一页给五步决策法和全品类对照表。
一句话结论
选型 = 物理量 → 量程精度 → 帧率延迟 → 失效模式 → 预算融合,五步走完,参数表才有意义。跳过失效模式直接比参数,是新手选型的头号死法。
五步决策法:每一步砍掉一批选项
第一步 · 测什么物理量。避障要的是「距离」(测距类:激光雷达/深度相机/超声波/双目),定位要的是「位姿变化」(IMU/轮式里程计/激光匹配),抓取要的是「接触与力」(力矩/触觉阵列)。先把任务拆成信息需求清单,不要从「买个雷达」开始。
第二步 · 量程与精度够不够。室内避障要 0.5–10 m,室外无人车要 200 m;抓取定位要 ±1 mm,导航 ±5 cm 就够。注意厂商口径:激光雷达标的是「测距精度」(单点),深度相机标的常是「Z 轴精度」(随距离平方恶化)——同一张表上的两个「精度」不是一回事。
第三步 · 帧率与延迟。高速避障要 ≥20 Hz 且端到端 <50 ms;建图 5 Hz 都行。IMU 要 200–1000 Hz(它是在两个慢传感器之间「垫时间」的),相机 30 fps 但曝光+传输+算法链路下来往往 80–150 ms——参数表只给帧率不给链路延迟,这是新手被坑的第二名。
第四步 · 失效模式(最关键的一步)。每种传感器都有「会死」的天气和场景:激光雷达怕雨雾尘和镜面,相机怕黑、逆光、弱纹理,超声波怕多路径软物质,IMU 怕温漂。问自己一句话:这一种失效发生时,机器人会撞人吗?会——就必须配另一种物理原理不同的传感器做交叉验证,这就是「冗余融合」的全部理由。
第五步 · 预算与融合方案。把剩下的钱花在「保命链路」上,而不是分辨率上。最低价可用组合(2026 年口径):二维激光雷达(300–800 元)+ IMU(几十元)+ 相机(100–300 元),就能跑通室内建图导航全套。
五步的顺序不可换:先比价格再想失效模式,是最常见的翻车路径——便宜的传感器在最需要的场景里恰好失效,等于没装。
全品类对照表(2026 常见口径)
| 传感器 | 测什么 | 典型口径 | 死穴(失效模式) | 价位 | 典型任务 |
|---|---|---|---|---|---|
三个最常见的任务,三个常见答案
- 室内移动机器人(最常见入门任务):二维激光雷达 + IMU + 轮式里程计跑 SLAM 与导航,相机负责识别具体物体。三维雷达在这个价位是伪需求——你缺的是把二维建图跑稳,不是点云密度。
- 机械臂抓取:RGB-D 相机一个就够起步(看清楚桌面上的东西在哪),力矩或触觉是第二阶段的事。先别买视触觉传感器——那是研究话题,不是入门门槛。
- 室外/高速平台:三维激光雷达或双目+IMU 融合,且必须讨论雨雾与夜间——失效模式第一次变成「选型第一问」。这也是为什么无人车行业在「纯视觉还是融合」上吵了十年(见下一篇)。
三个新手高频坑
只看厂商参数表比精度:测距精度和 Z 轴精度口径不同,深度相机的「±2 mm」通常只在 0.5 m 内成立。
忽略链路延迟:相机 30 fps ≠ 33 ms 出结果。曝光→传输→算法整条链路,实测常 80–150 ms,高速避障完全不够。
传感器没有失效交叉验证:单一物理原理的感知在它的失效模式下是「全盲」——这不是算法能补的,是架构级的缺失。
站点内相关
坐标系与传感器数据怎么拼在一起:/k/B1/(tf 树)——两台传感器时间戳差 20 ms 会看到什么。
激光雷达点云拿到手之后:/k/E2/(点云处理)。
仿真里先把传感器噪声模型建出来再买硬件:/k/G1/(Gazebo 与仿真工程化)。
接着读 → 激光雷达 vs 视觉:行业十年之争的选型版