上篇讲了GPS/RTK定位原理，从距离交会到载波相位模糊度解算，再到NMEA协议解析和ROS2集成。今天讲两种最便宜的近距离传感器——超声波和红外，它们虽然精度不高，但在机器人避障、悬崖检测、液位测量等场景中不可替代。
面试时候被问"超声波和红外传感器有什么区别"，很多人会说"一个用声波一个用光"。但面试官想听的是更工程化的内容：超声波的盲区怎么解决？红外的距离-电压曲线怎么标定？两种传感器怎么互补？在ROS2中怎么集成？多传感器之间的串扰怎么处理？
超声波传感器原理
超声波传感器通过压电换能器发射和接收超声波脉冲。发射时，压电陶瓷片在电信号激励下振动，产生频率通常在40kHz左右的超声波。超声波遇到障碍物后反射回来，接收器检测到回波，通过测量发射到接收的时间差计算距离：距离 = 声速 × 时间 / 2。
声速和温度有关：v = 331.4 + 0.6 × T（T为摄氏温度）。如果不做温度补偿，夏天（35°C）和冬天（0°C）的声速差了21m/s，距离误差会达到6%左右。所以工业级超声波传感器都会内置温度传感器做补偿。
import numpy as np class UltrasonicSensor: """超声波传感器模型""" def __init__(self, min_range=0.02, max_range=4.0, beam_angle=15.0, temperature=25.0): self.min_range = min_range # 最小测量距离（m） self.max_range = max_range # 最大测量距离（m） self.beam_angle = beam_angle # 波束角（度） // ... (代码省略) return None # 表面太倾斜，无法检测 return max(valid) - min(valid) # 距离差异越大，表面越倾斜超声波传感器有几个显著的特点。优点：不受光照条件影响（黑暗中也能工作），能检测透明物体（玻璃、薄膜），价格极低（几块钱一个）。缺点：波束角大（15-30度），空间分辨率低；对吸声材料（泡沫、布料）检测困难；存在盲区（通常2-5cm）；多传感器之间容易串扰。
盲区是超声波传感器最大的限制之一。超声波传感器在发射脉冲后需要一段时间才能切换到接收模式（"余振"时间），这段时间内无法接收回波，形成了盲区。普通超声波传感器的盲区在2-5cm，特殊设计的"窄盲区"传感器可以做到1cm以内。
实际安装超声波传感器有几个注意事项。第一，传感器前方不能有遮挡物——安装支架、线缆、机器人外壳，任何在波束锥角内的物体都会产生虚假回波。波束锥角通常是标称波束角的1.5-2倍（标称15度的传感器，实际有效波束可能到30度）。安装前一定要看传感器的数据手册，确认波束图的形状。
第二，多超声波传感器的串扰问题。如果两个超声波传感器同时工作，A发射的脉冲可能被B的接收器检测到（经过物体反射后），导致B的读数异常。解决方法是分时复用——让传感器轮流发射，每次只有一个传感器在工作。比如4个超声波传感器，每个发射周期10ms，总周期就是40ms（25Hz）。
class UltrasonicMultiplexer: """超声波传感器分时复用控制器""" def __init__(self, num_sensors, cycle_time_ms=10): self.num_sensors = num_sensors self.cycle_time = cycle_time_ms / 1000.0 self.current_sensor = 0 self.last_switch_time = 0.0 def get_active_sensor(self, current_time): // ... (代码省略) self.last_switch_time = current_time return self.current_sensor第三，超声波传感器对表面材质很敏感。光滑坚硬的表面（金属、玻璃、塑料）反射效果好。柔软多孔的表面（泡沫、布料、地毯）会吸收超声波，导致检测距离大幅缩短甚至检测不到。在设计避障系统时，不能假设所有障碍物都能被超声波检测到——这就是为什么还需要红外或者激光雷达作为补充。
超声波和红外的融合策略
实际避障系统中，超声波和红外传感器通常配合使用，取长补短。
超声波擅长检测中距离（0.1-3m）的障碍物，不受物体颜色影响，但波束角大、空间分辨率低。红外擅长检测近距离（0.02-0.8m）的障碍物，空间分辨率高，但受物体颜色和光照影响。两者融合时，可以构建一个分层的距离检测模型：红外负责近距离精确测距，超声波负责中距离预警，激光雷达负责远距离建图。
数据融合的方法可以很简单：取两种传感器读数的最小值作为障碍物距离估计。也可以更复杂：用贝叶斯估计融合两种传感器的概率分布。对于避障这种安全相关的功能，保守策略更合适——宁可误报（虚警）也不要漏报。
面试中怎么聊
面试官问超声波和红外传感器，按这个顺序回答：先说超声波原理（压电换能器+ToF）和特点（盲区、波束角、温度补偿），再说红外原理（三角测距/反射强度）和特点（受颜色影响、环境光干扰），然后说两者的互补关系和融合策略，最后说ROS2集成和串扰处理。
如果面试官追问"为什么不用激光雷达代替超声波"，你可以说：成本。一个激光雷达几百到几千块，一个超声波传感器几块钱。在只需要"检测前方有没有障碍物"的简单场景中，超声波完全够用。另外，超声波能检测透明物体（玻璃门），激光雷达对透明物体的检测不稳定（激光可能穿透或者被折射）。但如果是需要精确建图的场景，激光雷达的优势就体现出来了。
如果面试官追问"悬崖检测用什么传感器"，你可以说：红外对射传感器（发射器和接收器分开安装）。朝地面发射红外光，如果地面存在，反射光被接收器检测到。如果接收不到反射光，说明前方是悬崖。这种方案简单可靠，扫地机器人都在用。超声波不适合做悬崖检测，因为超声波的波束角太大，朝地面发射时反射信号太分散。
如果面试官追问"扫地机器人的传感器方案"，你可以展开说：扫地机器人是近距离传感器应用的经典案例。它通常包含：底部3-4个悬崖检测红外传感器（防止跌落楼梯），前端6-8个超声波或红外传感器（检测墙壁和家具），顶部一个激光雷达（SLAM建图和导航），侧面一两个接触式 bumper 传感器（最后的物理保护）。这些传感器形成一个完整的感知层次：bumper是最后一道防线（距离0），红外/超声波负责近距离避障（0.02-1m），激光雷达负责中远距离建图和定位（0.1-10m）。这种分层设计在面试中说出来，会让面试官觉得你对系统架构有整体理解。
如果面试官追问"红外传感器怎么标定"，你可以说：三角测距型红外传感器的标定很简单。在已知距离（比如20cm、40cm、60cm）处测量传感器的输出电压，然后用最小二乘法拟合距离-电压曲线（通常是V = a/d + b的形式）。标定完成后，在几个验证距离上测试，误差应该在标称精度以内。需要注意的是，标定要在典型工作环境下进行——如果机器人会在不同光照条件下工作，标定数据应该在室内和室外分别采集，取最坏情况的参数。
补充一个超声波传感器在实际项目中的踩坑经验。当时我们在仓库里部署AGV，用了8个超声波传感器做近距离避障。测试时发现一个奇怪的现象：有时候明明前方没有障碍物，传感器却报告有物体在0.3米处。排查后发现是超声波的串扰——对面另一台AGV的超声波传感器在同一时间发射，两台AGV的超声波信号互相干扰。解决办法是错开各传感器的发射时间，给每个传感器分配不同的时隙（比如8个传感器分成4组，每组间隔5毫秒轮流发射）。改完之后误报就消失了。这个经验说明多超声波系统的时序设计很重要，不能简单地同时触发所有传感器。
下一篇讲多传感器时间同步——硬件触发/PTP/软件时间戳的工程实践。前面讲了这么多传感器，它们的数据怎么在时间上对齐，是多传感器融合的关键前提。
如果这篇文章对你有帮助，欢迎点赞、在看、转发三连。 你的支持是我持续更新的最大动力。
「机器人软件开发面试·从入门到精通」连载系列上一篇：第162篇 GPS/RTK定位原理——室外机器人的定位方案 下一篇预告：第164篇 多传感器时间同步——硬件触发/PTP/软件时间戳的工程实践
有任何问题欢迎评论区留言，我会尽量回复。
