【ROS2】驱动开发-雷达篇

雷达(Radar/Lidar)模块驱动,因为数据接口简单,低复杂度,在 ROS2 中常也是 以 Topic + 数据结构 的方式实现,也就是我们前面讲的ROS Wrapper方式。后面,我们将这种实现方式成为直接发送Topic 模式的驱动。

1. 什么是雷达

2. 什么是雷达模块

3. Radar和Lidar 的区别

4. 超声波模块 和雷达模块的区别

方面 超声波传感器(Ultrasonic Sensor) 雷达传感器(Radar Sensor)
工作原理 利用声波(通常 20 kHz ~ 40 kHz)发射和回波时间测距(Time-of-Flight,ToF)。传感器发射超声波脉冲,碰到物体后反射回传感器,通过计算声波传播时间求得距离。 利用电磁波(微波或毫米波,频率 24 GHz、77 GHz、或 79 GHz 等)发射和回波频移测距。通过发射波与回波的时延或多普勒频移,计算目标距离和相对速度。
测量类型 主要测量距离(绝对距离),部分高端模块可测速度但不常见。 可测距离和速度(相对运动),多普适合动态目标检测。
测量精度 精度一般在 ±1~3 mm(近距离),有效测量范围约 2 cm ~ 4 m。 精度受波长和信号处理影响,距离精度通常 1~10 cm,速度精度可达 cm/s 级别。
测量范围 短至中距离,通常 2~400 cm;受声波衰减影响,远距离测量困难。 中到远距离,典型汽车毫米波雷达可达 200 m 以上。
分辨率 / 波束宽度 波束较宽(一般 15° ~ 30°),容易受旁边障碍物干扰。 波束窄(几度到十几度可调),可分辨多个目标,抗干扰能力强。
对环境影响 对空气温度、湿度敏感;雨、风、软质物体(布料、泡沫)反射差,可能导致测量误差。 对气象环境适应性好(雨、雾、灰尘影响小);对金属、硬质物体反射效果最佳。
响应速度 中低速,适合静态或慢速目标。 高速动态目标检测能力强,适合车辆、无人机等高速场景。
硬件成本 低成本,常用于教育、机器人避障、简单测距。 高成本,常用于汽车 ADAS(辅助驾驶)、无人驾驶、工业检测。
典型应用 机器人避障、液位测量、物体存在检测、自动门开关、停车辅助低速探测。 汽车雷达(自适应巡航、盲点监测)、无人驾驶环境感知、工业物体测速、无人机避障。
接口与 ROS 使用 常通过 GPIO/ADC 接口连接 MCU/Raspberry Pi,ROS 中常通过 /ultrasonic/distance/ultrasonic/velocity topic 发布。 通常通过 CAN 总线、UART、USB 或以太网连接,ROS 中常通过 /radar/objects/radar/velocity 等 topic 或自定义消息发布。

雷达理论上能检测 1 m 内障碍物,但精度、盲区、最小测距限制都让它不如超声波直观可靠 。因此,常见做法是 1 m 内靠超声波,1 m 以上靠雷达。

相关推荐
阳光是sunny6 小时前
别再被 worktree 绕晕了!AI 编程时代你必须掌握的 Git 隔离神器
前端·人工智能·后端
冬奇Lab7 小时前
每日一个开源项目(第148篇):obsidian-skills - Obsidian CEO 亲写的 AI Agent 格式规范,让 Agent 不再破坏你的 Vault
人工智能·开源·资讯
ethantan7 小时前
AI Agent 组成:像人一样思考的智能体
人工智能·程序员·架构
冬奇Lab7 小时前
Workflow 系列(05):评测体系——三层测试结构与 Trace 追踪
人工智能·工作流引擎
ethantan8 小时前
一篇讲解AI Agent 组成:像人一样思考的智能体
人工智能·后端·程序员
Cosolar10 小时前
vLLM 生产级部署完全指南
人工智能·后端·架构
CodePlayer竟然被占用了10 小时前
被美国政府封杀18天,Claude Fable 5 回来了——但代价是什么?
人工智能
IT_陈寒10 小时前
垃圾回收器选错了,我的Java服务内存炸了
前端·人工智能·后端
smartpi11 小时前
SmartPi GPIO 脉冲与回复语执行时序指南
人工智能
阿里云大数据AI技术11 小时前
PAI支持一键部署GLM-5.2,Coding能力比肩Claude Opus 4.8
人工智能