传感器
传感器是机器人感知世界的基础。本文从视觉、深度、LiDAR、惯性、力/力矩、触觉六大类梳理机器人常用传感器的原理、选型和技术指标。
传感器分类总览
| 类别 | 感知信息 | 典型频率 | 典型用途 |
|---|---|---|---|
| RGB 相机 | 颜色纹理 | 30-120 Hz | 目标检测、视觉伺服 |
| 深度相机 | 3D 深度图 | 30-90 Hz | 避障、抓取 |
| 事件相机 | 像素级亮度变化 | ~1 MHz 等效 | 高速运动、HDR |
| LiDAR | 3D 点云 | 10-20 Hz | SLAM、导航 |
| IMU | 加速度/角速度 | 200-1000 Hz | 姿态估计、VIO |
| 力/力矩传感器 | 6 轴力矩 | 100-8000 Hz | 力控、装配 |
| 触觉传感器 | 接触力/形变 | 30-100 Hz | 灵巧操作、滑动检测 |
视觉传感器
RGB 相机
工业/研究常用 RGB 相机：
| 相机 | 分辨率 | 帧率 | 接口 | 特点 | 价格范围 |
|---|---|---|---|---|---|
| Intel RealSense D435i (RGB) | 1920x1080 | 30fps | USB3 | 自带 IMU | ~$300 |
| FLIR Blackfly S | 最高 5MP | 75fps (1.6MP) | GigE/USB3 | 工业级，全局快门 | ~$500-800 |
| Basler ace 2 | 最高 24MP | 可变 | GigE/USB3 | 工业自动化标准 | ~$300-1000 |
| Orbbec Femto Bolt (RGB) | 3840x2160 | 30fps | USB3 | 4K RGB | ~$500 |
选型要点：
- 全局快门 vs 卷帘快门：机器人运动中全局快门避免图像畸变
- 帧率：视觉伺服需要 >=60fps；物体检测 30fps 通常足够
- 镜头：FOV 根据工作距离选择（近距离用广角，远距离用窄角）
- 同步：多相机方案需要硬件触发同步
立体相机 (Stereo Camera)
立体相机通过双目视差计算深度，原理上属于被动深度测量。
| 产品 | 基线 | 深度范围 | 特点 |
|---|---|---|---|
| Stereolabs ZED 2 | 120mm | 0.3-20m | 内置 VIO + AI |
| ZED Mini | 63mm | 0.1-15m | 小巧，适合无人机 |
| ZED X | 120mm | 0.3-20m | IP67，工业级 |
| Multisense S27 | 270mm | 0.5-10m | 长基线高精度 |
事件相机 (Event Camera)
事件相机（又称 DVS, Dynamic Vision Sensor）以异步方式输出像素级亮度变化事件。
| 特性 | 值 |
|---|---|
| 时间分辨率 | 微秒级（等效 >1000fps） |
| 动态范围 | >120dB（vs 普通相机 ~60dB） |
| 功耗 | 极低（仅变化像素输出） |
| 数据量 | 稀疏事件流 |
| 典型产品 | iniVation DAVIS346, Prophesee EVK4 |
适用场景：高速抓取、无人机避障、极端光照（焊接、隧道）。
深度传感器
主流深度相机对比
| 产品 | 测量原理 | 深度范围 | 分辨率 | 帧率 | 室外 | 价格 |
|---|---|---|---|---|---|---|
| Intel RealSense D435i | 主动红外立体 | 0.1-10m | 1280x720 | 90fps | 一般 | ~$300 |
| Intel RealSense D455 | 主动红外立体 | 0.6-6m | 1280x720 | 90fps | 较好 | ~$350 |
| Intel RealSense L515 | LiDAR (ToF) | 0.25-9m | 1024x768 | 30fps | 差 | 已停产 |
| Stereolabs ZED 2 | 被动立体 | 0.3-20m | 2208x1242 | 15fps | 好 | ~$450 |
| Orbbec Femto Bolt | ToF (iToF) | 0.25-5.46m | 640x576 | 30fps | 差 | ~$500 |
| Orbbec Gemini 2 | 主动红外立体 | 0.15-10m | 1280x800 | 30fps | 一般 | ~$200 |
| Azure Kinect DK | ToF (iToF) | 0.5-5.46m | 640x576 | 30fps | 差 | 已停产 |
深度测量原理
| 原理 | 说明 | 优势 | 劣势 |
|---|---|---|---|
| 结构光 | 投射已知图案，分析变形 | 室内精度高 | 室外受干扰 |
| 主动红外立体 | 投射红外纹理辅助匹配 | 平衡性好 | 远距精度下降 |
| ToF (Time-of-Flight) | 测量光飞行时间 | 帧率高、一致性好 | 多路径干扰、分辨率低 |
| 被动立体 | 纯双目匹配 | 室外可用 | 弱纹理区域失效 |
选型建议：
- 室内桌面操作：RealSense D435i（经典选择）或 Orbbec Gemini 2（性价比）
- 室内导航：RealSense D455（更宽基线）
- 室外：ZED 2（被动立体不受阳光干扰）
- 高精度短距：结构光方案
LiDAR
常见 LiDAR 对比
| 产品 | 线数 | 测距 | 精度 | 扫描方式 | 频率 | 价格 |
|---|---|---|---|---|---|---|
| Velodyne VLP-16 | 16 | 100m | +-3cm | 机械旋转 | 5-20Hz | ~$4,000 |
| Ouster OS1-64 | 64 | 120m | +-1.5cm | 数字旋转 | 10-20Hz | ~$6,000 |
| Livox Mid-360 | 等效 N/A | 40m | +-2cm | 非重复扫描 | 10Hz | ~$500 |
| Livox HAP | 等效 N/A | 150m | +-3cm | 非重复扫描 | 10Hz | ~$500 |
| RPLIDAR A1 | 1 (2D) | 12m | <1% | 机械旋转 | 5.5Hz | ~$100 |
| RPLIDAR S2 | 1 (2D) | 30m | +-3cm | 机械旋转 | 10Hz | ~$200 |
| Intel RealSense L515 | — | 9m | 5mm@1m | 固态 | 30Hz | 已停产 |
扫描方式
| 方式 | 代表 | 优势 | 劣势 |
|---|---|---|---|
| 机械旋转 | Velodyne, Ouster | 360度 FOV，成熟 | 寿命有限、体积大 |
| 固态 (MEMS) | Livox | 无运动部件、可靠 | FOV 有限 |
| 非重复扫描 | Livox | 时间积累覆盖率 | 需要积分时间 |
| Flash | — | 超快、紧凑 | 距离短 |
选型建议：
- 2D 导航 (AGV/服务机器人)：RPLIDAR 系列（低成本）
- 3D 建图/自动驾驶：Ouster OS1 或 Velodyne VLP-16
- 低成本 3D SLAM：Livox Mid-360（性价比极高）
更多 SLAM 相关内容请参阅 SLAM。
IMU (惯性测量单元)
IMU 基础
IMU 包含 3 轴加速度计 + 3 轴陀螺仪（6 轴），高端 IMU 还包含 3 轴磁力计（9 轴）。
| 参数 | 说明 | 典型值 (MEMS) |
|---|---|---|
| 陀螺仪偏置稳定性 | 零输入时的漂移 | 1-10 deg/hr |
| 加速度计偏置 | 零输入时的偏移 | 0.1-1 mg |
| 噪声密度 (ARW) | 角速度随机游走 | 0.1-0.5 deg/sqrt(hr) |
| 采样率 | 输出频率 | 200-8000 Hz |
| 量程 | 测量范围 | +-250~2000 deg/s |
常用 IMU
| 产品 | 等级 | 接口 | 特点 | 价格 |
|---|---|---|---|---|
| MPU-6050 | 消费级 | I2C | 低成本，Arduino 入门 | ~$3 |
| BMI270 | 消费级 | SPI/I2C | 低功耗，手机级别 | ~$5 |
| ICM-42688-P | 中端 | SPI | 低噪声，无人机常用 | ~$10 |
| VN-100 | 工业级 | UART/SPI | 内置 AHRS 滤波 | ~$500 |
| ADIS16470 | 工业级 | SPI | 高精度、低漂移 | ~$300 |
| KVH 1775 | 战术级 | UART | 光纤陀螺，极低漂移 | ~$10,000 |
VIO (Visual-Inertial Odometry)
IMU 与视觉传感器融合形成 VIO，是机器人定位的主流方案之一：
- IMU 提供高频短期位姿（200-1000Hz），但长时间漂移
- 视觉提供低频绝对位姿（30Hz），但短时无法跟踪
- 互补融合实现高频、低漂移定位
常见 VIO 方案：VINS-Mono/Fusion, ORB-SLAM3, Basalt, cuVSLAM (NVIDIA)。
力/力矩传感器
6 轴力/力矩传感器
6 轴 F/T 传感器测量三个方向的力 (\(F_x, F_y, F_z\)) 和三个方向的力矩 (\(\tau_x, \tau_y, \tau_z\))。
| 产品 | 量程 (力) | 量程 (力矩) | 分辨率 | 频率 | 价格 |
|---|---|---|---|---|---|
| ATI Gamma | 65N | 5Nm | 1/64N | 7kHz | ~$5,000 |
| ATI Mini45 | 145N | 5Nm | 1/16N | 7kHz | ~$4,000 |
| ATI Nano17 | 12N | 0.12Nm | 1/160N | 7kHz | ~$6,000 |
| OnRobot HEX-E | 200N | 6Nm | 0.2N | 1kHz | ~$3,000 |
| Robotiq FT 300 | 300N | 30Nm | 0.5N | 100Hz | ~$3,000 |
| Bota SensONE | 1500N | 40Nm | 0.3N | 800Hz | ~$2,000 |
安装位置：通常安装在机械臂末端法兰与夹爪之间。
典型应用：
- 力控装配：插销、拧螺丝（力/力矩阈值检测）
- 碰撞检测：超出预期力即触发停止
- 阻抗控制：基于力反馈调整位置
- 遥操作力反馈：将从端力信息回传给操作者
触觉传感器
触觉传感器是实现灵巧操作的关键，近年来因机器人学习的需求而快速发展。
主流触觉传感器
| 产品 | 原理 | 信息类型 | 分辨率 | 特点 | 价格 |
|---|---|---|---|---|---|
| GelSight | 弹性体 + 相机 | 高分辨率接触几何 | ~25μm | 学术经典 | DIY ~$200 |
| DIGIT (Meta) | 弹性体 + 相机 | 接触几何 + 力估计 | 中等 | 紧凑，公开设计 | ~$50 (DIY) |
| GelSight Mini | 弹性体 + 相机 | 3D 接触形变 | ~25μm | 商业化版本 | ~$500 |
| BioTac | 多模态 | 力 + 振动 + 温度 | 19 电极 | 仿生指尖 | ~$5,000 |
| ReSkin | 磁性 | 3 轴力 | 中等 | 薄膜、可更换 | ~$5 |
| XELA uSkin | 电容阵列 | 3 轴力分布 | 4x4 taxel | 商业化 | ~$1,000 |
视觉-触觉传感器 (GelSight 系列)
GelSight 类传感器的工作原理：
- 弹性体（透明硅胶）表面涂有反光涂层
- 内置 RGB LED 从不同角度照明
- 微型相机拍摄弹性体内表面
- 物体接触弹性体时产生形变
- 通过光度立体法 (Photometric Stereo) 重建 3D 接触几何
在机器人学习中的应用：
- 滑动检测：检测物体是否将要从夹爪滑落
- 材质识别：不同材料在触觉图像上有不同纹理
- 接触位姿估计：推断被抓物体的精确位姿
- 灵巧操作：结合视觉和触觉的多模态策略
# GelSight 数据处理示例
import cv2
import numpy as np
# 读取触觉图像
tactile_img = cv2.imread("gelsight_contact.png")
# 计算接触区域
diff = cv2.absdiff(tactile_img, reference_img)
gray = cv2.cvtColor(diff, cv2.COLOR_BGR2GRAY)
_, contact_mask = cv2.threshold(gray, 20, 255, cv2.THRESH_BINARY)
# 估计接触力（简化模型）
contact_area = np.sum(contact_mask > 0)
estimated_force = contact_area * force_per_pixel # 需要标定
传感器融合
实际机器人系统中，需要融合多种传感器的信息：
| 融合方案 | 传感器组合 | 输出 | 典型框架 |
|---|---|---|---|
| VIO | Camera + IMU | 6-DoF 位姿 | VINS-Fusion, ORB-SLAM3 |
| LiDAR-Inertial | LiDAR + IMU | 6-DoF 位姿 + 点云地图 | LIO-SAM, FAST-LIO2 |
| Visual-Tactile | Camera + 触觉 | 抓取策略 | 自定义 (研究前沿) |
| 多模态感知 | RGB + Depth + F/T | 操作策略输入 | LeRobot, robomimic |
更多标定与集成内容请参阅 标定与系统集成。
相关链接
- Intel RealSense
- Livox LiDAR
- GelSight
- 相关笔记：SLAM | 标定与系统集成 | 硬件选型指南