“ 物联网顾名思义就是将万物连接起来，组成一张网，那么这张网靠什么连接呢？当然是数据，物的数据怎么来呢，传感器无疑。”
 
 
01
 
 
—
 
 
温湿度传感器
 
 
温湿度传感器多以温湿度一体式的探头作为测温元件，将温度和湿度信号采集出来，经过稳压滤波、运算放大、非线性校正、V/I转换、恒流及反向保护等电路处理后，转换成与温度和湿度成线性关系的电流信号或电压信号输出，也可以直接通过主控芯片进行485或232等接口输出。市场上的温湿度传感器一般是测量温度量和相对湿度量。
 
 
现代温温度传感器在原理与结构上千差万别，如何根据具体的测量目的、测量对象以及测量环境合理地选用温湿度传感器，是在进行某个量的测量时首先要解决的问题。当温湿度传感器确定之后，与之相配套的测量方法和测量设备也就可以确定了。测量结果的成败，在很大程度上取决于温湿度传感器的选用是否合理。
 
 
1、频率响应特性：
 
 
温湿度传感器的频率响应特性决定了被测量的频率范围，必须在允许频率范围内保持不失真的测量条件，实际上传感器的响应总有—定延迟，希望延迟时间越短越好。传感器的频率响应高，可测的信号频率范围就宽，而由于受到结构特性的影响，机械系统的惯性较大，因有频率低的传感器可测信号的频率较低。在动态测量中，应根据信号的特点（稳态、瞬态、随机等）响应特性，以免产误差。
 
 
2、线性范围：
 
 
温湿度传感器的线形范围是指输出与输入成正比的范围。以理论

转自：http://www.meter18.com/meter18_Article_289862.html  http://wenku.baidu.com/link?url=b1PwOhUSBhwyJee43jUOyOG45-woddl-nO6bt7LHLmlUbJu8ZQ3fGXpxARNxF5-PF7QLZ3i3z-040u7s0Z3DFe03yU3VZFvL-hESZuriCHy
 
常用传感器信号测量汇总
 关键词： 传感器；特性； 传感器； SCC 调理模块； SCXI 调理模块； cDAQ
 传感器是一种物理装置或生物器官，能够探测、感受外界的信号、物理条件（如光、热、湿度）或化学组成（如烟雾），并将探知的信息传递给其他装置或器官。 人的五官就是天然的传感器，具有视、 听、嗅、味、 触觉，大脑就是通过五官来感知外界的信息（图 1）。
 

 工程科学与技术领域的传感器既是对人体五官的工程模拟物，是能将特定的被测量信息（包括物理量、生物量、生物量）按一定的规律转换成某种可用信号输出的器件或装置。可用信号既是便于处理和传输的信号，目前由于电信号最符合这一要求，传感器也可狭义定义为把外界非电信息转换成电信号输出的器件（图 2）。
 

 传感器的构成
 传感器的具体构成根据被测对象、转换原理，使用环境和性能要求的情况有很大差异。
 
自源型是仅含有转换元件的传感器构成形式，它不需要外能源，可直接从外部被测对象吸收能量转换为电效应，但输出的能量较弱。常见的有热电偶、压电器件等。
 
带激励源型是在转换器件外加了辅助能源的构成形式，辅助能源起到激励的作用，可以是电源或磁源，这样不需要变换电路也有较大电量输出。常见的有霍尔传感器等。
 外源型是由利用被测量实现阻抗变换的转换元件构成，必须通过带外电源的变换电路才能获得电量输出。常见的有电桥等。
 
相同传感器补偿型（图 3-a） 是使用两个完全相同的转换元件置于同样环境下的构成形式。实际使用其中一个元件进行工作，另一个用于抵消其受到的环境干扰影响。常见的有应变式，固态压阻式传感器等。
 
差动结构补偿型（图 3-b） 和相同传感器补偿型类似， 但其两个转换元件都进行工作，除了可以抵消环境干扰，还使有用的输出值增加。
 
不同传感器补偿型（图 3-c） 是两个原理和性质不同的转换元件置于同样环境下的构成形式，也是通过一个转换元件给工作的转换元件提供补偿。常见的有热敏电阻的温度补偿，加速度的干扰补偿等。
 

 
 
目前随着计算机技术的发展，传感器和微处理器结合在一起，形成了智能化传感器的概念，这种构成具有了信息处理的功能，前景十分广阔。
 
传感器的分类
 传感器的种类繁多，分类方式多种多样。 对于被测量，可以用不同的传感器来测量；而对于同一原理的传感器，通常又可以测量多种非电量。
 
具体分类可按转换的基本效应、构成原理等分多种，其中又以按照工作原理分类最为详细（表 1）。
 

 传感器的基本要求
 无论何种传感器，作为直接面对测试对象的先锋，必须能够快速、准确、可靠而又经济地实现信息转换的基本要求。
 
传感器的工作范围和量程需要足够大，可以满足相应测试的极端要求，需要具备一定的过载能力；必须有能满足要求的灵敏度和精度，要求转换后输出的信号和被测量的输入信号成确定的关系， 且比值要大。传感器还需要具备快速的响应能力，稳定可靠的工作能力，较长的寿命和较低的成本，同时维修，校准方便。根据特定的现场应用，有时对传感器的体积和重量都有严格要求，且希望其内部噪声小不易受到外部干扰。最后是传感器输出的信号最
 好采取通用的标准形式，以便于和外部系统对接。
 
可见选择一款合适的传感器并不轻松，需要根据需求全面综合地考虑，不可马虎。
 
传感器重要指标介绍
 传感器在检测静态量时的静态特性和检测动态量时的动态特性通常可以分开考虑。对于输入信号的，传感器的数学模型也通常有静态和动态之分。
 静态特性
 静态特性表示传感器在被测输入量各个值处于稳定状态时，输入和输出的关系，主要要考虑线性度和随机变化等因素。
 线性度：
 线性度又称非线性，是表征传感器输出-输入校准曲线与选定的拟合直线之间的吻合程度的指标。通常用相对误差来表示线性度或非线性误差，有：
 
 表示输出平均值与拟合直线间的最大偏差；表示理论满量程输出值。
 所以，选定的拟合直线不同时，计算所得的线性度数值也就不同。选择拟合直线要保证获得尽量小的非线性误差，还要考虑计算是否方便。常见的方法有理论直线法、端点线法、最小二乘法等。
 迟滞:
 迟滞是反应传感器在输入量增大和减小的行程过程中输出和输入曲线的不重合程度的指标（图 2）。通常用正反行程输出的最大差值 计算，有：
 
 图 1 迟滞
 灵敏度:
 灵敏度（图 3）是传感器输出量增量与被测输入量增量之比，线性传感器的灵敏度就是拟合直线的斜率，即：
 
 非线性传感器的灵敏度不是常数，用 dy/dx 表示。
 对于需要外部激励的传感器来说，其灵敏度的表达还要考虑电源电压的因素。
 

 分辨力:
 分辨力是传感器在规定测量范围内所能测试出的被测输入量的最小变化量，有时用该值相对满量程输入值的百分数表示，称为分辨率。
 重复性：
 重复性是指输入量按同一方向做全量程连续多次变动时，所得特性曲线间一致程度的指标，各条曲线越接近，重复性越好。重复性误差反映的是校准数据的离散程度，是随机误差计算：
 
 漂移:
 漂移指在一定时间间隔内，传感器输出量存在着与被测输入量无关的变化，主要包括零点漂移和灵敏度漂移。零点漂移或灵敏度漂移又可分为时间漂移和温度漂移。时间漂移指在规定的条件下，零点或灵敏度随时间的缓慢变化；温度漂移则是周围温度变化所引起的。
 
 稳定性:
 稳定性指传感器在长时间使用时仍保持其性能的能力，一般以在室温条件下经过一段规定的时间后，输出与起始标定时的输出之间的差异表示。
 静态误差（精度） :
 精度是评价传感器静态性能的综合性指标，指传感器在满量程内任一点输出值相对其理想值的可能偏离（接近）程度，它表示该传感器在静态测量时所得数据的不精确度。
 精度的测量方法很多，目前国内外尚不统一。
 动态特性
 动态特性是反映传感器对于随时间变化的输入量的响应特性。 在实际工作中，传感器的动态特性常用它对某些标准输入信号的响应来表示。这是因为传感器对标准输入信号的响应容易用实验方法求得，并且它对标准输入信号的响应与它对任意输入信号的响应之间存在一定的关系，往往知道了前者就能推定后者。最常用的标准输入信号有阶跃信号和正弦信号两种，所以传感器的动态特性也常用频率响应和阶跃响应来表示。
 传感器的频率响应特性
 将各种频率不同而幅值相等的正弦信号输入传感器，其输出正弦信号的幅值、相位与频率之间的关系称为频率响应特性。由于相频特性和幅频特性之间有一定的内在关系，因此表示传感器的频响特性及频域性能指标时主要用幅频特性（图 3）。
 

 传感器的阶跃响应特性
 当给静止的传感器输入一个单位阶跃信号 时，其输出信号称为阶跃响应（图 4， a 为一阶系统； b 为二阶系统）。
 
 
 
温度测量
 温度是一个基本的物理量，自然界中的一切过程无不与温度密切相关。 测量温度的热电式传感器是最早开发，应用最广的一类传感器，这类传感器是利用转换元件电磁参量随温度变化的特性，对温度进行检测的。
 热电偶
 热电偶传感器（图 1）是目前接触式测温中应用最广的热电式传感器，具有结构简单，制作方便，测温范围宽等特点。
 
 
 
热电偶测温的基本原理是两种不同材质导体组成闭合回路,当两端存在不同温度时,回路中就会有电流通过，此时两端之间就存在热电势，这就是所谓的塞贝克效应。 热电偶直接用作测量介质温度的一端叫做工作端（也称为测量端），另一端叫做冷端（也称为补偿端）；冷端与仪表连接，显示热电偶所产生的热电势（图 2）。
 
 
 
根据材质不同，热电偶分不同的型号，目前按 IEC 国际标准， 主要有 S、 B、 E、 K、 R、J、 T 七种标准。由于热电偶产生的电势较小，且非线性，通常使用热电偶测温度时需要进行放大和线性化。热电偶输出的电热是两结点温度差的函数，通常将热电偶一端作为被测温度端， T0 作为固定冷端（参考温度端），通常要求 T0 保持 0 度。但实际使用很难满足，所以产生了热电偶冷端补偿的问题，冷端补偿可采用补偿导线或补偿电桥等多种方法。
 
NI 公司的 SCC 和 SCXI 系列调理产品均有针对热电偶调理的模块。 NI SCC-TC 系列是可调理各类热电偶的单通道模块， 该产品支持±100mV 范围内的毫伏输入，带有一个 2Hz 的低通静噪滤波器，增益 100 的仪用放大器，用于冷端温度补偿的板载热敏电阻以及实现 M 系列DAQ 设备最高扫描速率的缓冲输出。 SCC-TC 系列模块的输入电路还包含高阻抗偏压电阻器，可用于热电偶开路的检测以及浮动热电偶和接地参考热电偶的处理。同样作为热电偶调理的NI SCXI-1102 和 SCXI-1112 每路输入通道也包括了一个仪器放大器和一个 2Hz 的低通滤波器。 采集卡可以用高达 333 kS/s（每通道 3us）的速度扫描它们的模拟输入通道，支持采集的信号范围包括电压以及 0 到 20mA 或 4 到 20mA 的电流。 SCXI 每个模块的所有通道都可以被 NI 数据采集卡的某一路通道采集， 并支持另加模块以增加通道数。
 
NI 也提供带有专门针对某类应用调理的数据采集卡， 即 C 系列产品。 NI 9211A 专门针对各类型的热电偶测量设计， 24 位分辨率保证了高精度，内置传感器则实现了冷端温度补偿。该模块还具有 250 Vrms 通道-地面接地隔离，实现了安全、抗干扰和高共模电压范围。NI 9211A 可加上一个 USB 9162 构成 USB-9211A 单独使用，也可以插在 cDAQ-9172 的 8 槽 USB底板上作为 cDAQ 系统中的一个模块使用。
 
cDAQ 模块虽然集采集调理为一体，但是通道数较少， NI 9211A 可以同时采集 4 路热电偶，单通道采样率为 12S/s。如果需要采集多通道或高速的热电偶信号，可选择 M 系列数据采集卡加上 SCC 或 SCXI 调理模块。
 热电阻（ RTD） 
 热电阻是中低温采集时常用的一种温度传感器， 它的主要特点是测量精度高，性能稳定，灵敏度高。热电阻是基于金属导体或半导体的电阻值随温度的增加而增加这一特性来进行温度测量的，其大都由纯金属材料制成，目前使用最多的是铂。热电阻需要电源激励， 且不能够瞬时测量温度的变化。工业用热电阻一般采用 Pt100， Pt1000， Cu50， Cu100 等多种型号。
 
热电阻的引线对测量结果会有较大的影响， 目前热电阻的引线主要有三种方式：二线制，三线制，四线制。二线制是在热电阻的两端各连一根导线来引出电阻信号， 这种引线方法很简单，但是测量精度不高。 在热电阻一端连接一根引线，另一端连接两根引线的方式称为三线制，这种方式通常与电桥配套使用。因为热电阻作为电桥上一个桥臂的电阻，其连接导线也是桥臂的一部分， 而这部分电阻是未知且随环境温度变化的， 会造成测量误差。采用三线制，将导线一根接到电桥的电源端，其余两根分别接到热电阻所在的桥臂及相邻桥臂上，这样较好地消除了导线电阻带来的测量误差。热电阻两端各连接两根导线的方式称为四线制，
 其中两根为热电阻提供激励电流，把电阻转换成电压信号，再通过另两根输出电压供采集，这种引线方式可完全消除引线电阻的影响，主要用于高精度的温度检测，但成本也最高。
 
NI SCC-RTD01 是针对热电偶调理的双通道模块，可连接 2、 3 或 4 线铂电阻 RTD（图 3）。NI SCC-RTD01 的每一通道都带有一个增益为 25 的放大器和一个 30Hz 低通滤波器， 每一模块上还提供用于 1 或 2 个 RTD 的 1mA 激励源。 NI SCXI-1102 模块与 NI SCXI-1581 电流激励模块一起使用， 可以提供 32 通道的高精度 RTD 或热敏电阻调理。 1102 带有一个 2 Hz 低通滤波器， 1581 则提供稳定的 100µA 电流源，从而确保测量精度。由于 SCXI 采用模块化设计，在应用需求改变时可以方便地扩展数据采集系统。
 

 NI 9217 是具有 4 通道、 24 位分辨率的模拟输入模块，专门用作 100  Ω 的 RTD 测量。NI 9217 可配置两种不同的采样率模式， 高采样率模式下采样率可达 400 S/s（每通道 100S/s）； 高分辨率模式下，采样率为 5 S/s（每通道 1.25 S/s）， 并配有 50/60Hz 内置噪声抑制功能。 NI 9217 与 3 线和 4 线制 RTD 测量兼容，能自动探测与通道连接的 RTD 类型，并将每条通道配置成恰当的模式， 该模块提供每通道 1mA 的电流激励， 在整个操作温度范围内的精度误差小于 1 °C。 9217 还包含 NI ST 校准并具有通道-地面接地双重隔离屏障，实现了安全性、抗扰性和高共模电压范围。
 
热敏电阻
 热敏电阻是对温度敏感的半导体（图 4），与 RTD 相似， 其阻抗随温度变化而变化。热敏电阻由玻璃或环氧珠封装的金属氧化物半导体材料制造而成。而且，热敏电阻的典型标称阻抗值要比 RTD 高得多，阻抗值从 2000Ω到 10,000Ω，故可用于较低电流的测量。热敏电阻具有较高的灵敏度（约 200Ω/°C），这使得它对于温度的变化非常灵敏， 具有极高的响应速率，但它的使用范围最高为 300 至 500 °C。 同样，热敏电阻也需要激励，接线方式也有二三四线制之分，但是由于热敏电阻的标称阻抗非常高， 所以连线阻抗不会影响其测量值的精度， 因此， 二线制测量精度对于热敏电阻已经足够， 所以这种接线方式在热敏电阻中最为常用。
 

 NI SCXI-1102 模块与 NI SCXI-1581 电流激励模块一起使用，也可以提供 32 通道的热敏电阻调理。
 
对于cDAQ模块可选用 AI采集的NI 9215配合提供电流激励的NI 9265一起使用。NI 9215具有 4 路 16 位精度的同步电压采集通道，能实现灵活而低成本的信号连接。该模块还具有250Vrms 通道-地面接地隔离，实现了安全、抗干扰和高共模电压范围。 NI 9265 是在高速情况下，连接并控制受电流驱动的工业激励器的理想之选。该模块具有内置式开环检测。当检测到开环时，该模块会在软件中产生中断并产生 0mA 的上电输出，以确保安全，避免在系统上电时驱动激励器。NI 9265 需要 9 V 到 36 V 的外部电源。该模块包括通道-地面接地双重隔离屏障，具有良好的安全性和抗干扰性。
 
综上所述， 热电偶价格便宜，而且有很快的响应时间，但是它精度不高而且最不稳定，最不灵敏。热电偶仅仅是读取头和线之间的温度差异，而 RTD 和热敏电阻是读取绝对温度值。RTD 是可靠性的最佳选择，而且最为稳定，精度最高。但是它的响应时间太长而且因为它需要一个电流源，因此它有自热产生。热敏电阻输出很快而且相对便宜，但是它易碎而且温度范围有限。它同样需要一个电流源而且比 RTD 的自热现象更为严重，同时它是非线性的（表1）。
 
温度范围的选择上三者也有区别， 热敏电阻和热电阻是测量低温的温度传感器， 热敏电阻最低，在 500 度以下，热电阻在-200 到 600℃，而热电偶是测量中高温的温度传感器，一般测量温度在 400 到 1600℃，在选择时如果测量温度在 600℃就应该选择 K 型热电偶，如果测量温度在 1200 到 1600℃就应该选择 S 型或者 B 型热电偶。
 

 
 
应变测量
 应变是施加于物体的作用力对物体造成形变的大小，它会随着作用力的增加而增长，对于一种材料，应力的增长是有限度的，超过这一限度，材料就要损坏， 这个限度称为该种材料的极限应力。
 
应变测量有多种方法，最常用的是采用应变片。由于受到应力，应变片发生形变（长度发生改变），从而导致其阻值也随之产生正比变化。最常见的应变片是金属应变片。金属应变片由极细的金属丝或薄片组成， 绕成栅状的形式使它们可以在平行的方向上最大程度地跟随应变发生变化（图 5）。栅格粘在被称为载体的薄衬底上，并直接与被测试件连接。因此，被测件产生的应变直接反映到应变片上，使得应变片电阻值产生线性变化。应变片的阻值在 30Ω到 3000Ω，最常见的阻值标准是 120Ω和 350Ω。
 

 由于应变片的阻值变化是微弱的，测量应变几乎都采用带电压激励的电桥形式。惠斯通电桥由 4 条电阻桥臂及作用于整个电桥的激励电压 VEX 组成（图 6），
 

 电桥输出电压 V0 表示为：
 
 从此方程看出，当 R1/R2=R4/R3 时，电压输出 V0 为零。在这种条件下，称电桥处于平衡状态。此时任意桥臂上电阻值的变化都将使电桥电压输出不为零。
 
因此，如果把图中的 R4 替换为应变片，应变片电阻值的变化将使电桥处于非平衡状态，从而电压输出非零。如果应变片的理想电阻值为 RG，那么应变产生的电阻变化 DR 可以表示为 DR= RG*GF*e。设 R1=R2、 R3=RG，以上的电桥方程可重写为 VO/VEX 对应变的函数。注意1/(1+GF*e/2)项，表示 1/4 桥与应变相关的输出非线性变化。
 
理想状态下，我们希望应变片电阻仅在存在应变时才产生变化。然而， 其材料及被测试件材料还同时对温度的变化敏感。通过在电桥的另一个桥臂上放入第 2 个应变片， 这样可以使电桥的灵敏度提高一倍，并能够进一步抵消温度的影响，这是因为两块应变片受到温度的影响是相同的，这种桥路被称为半桥。
 
还可以通过将电桥 4 个桥臂都安装工作应变片来实现全桥配置，从而更进一步提高电路的灵敏度，适用于高精度场合。
 
NI 公司的 SCC 和 SCXI 系列调理产品均有针对应变电路调理的模块。 NI SCC-SG 系列包括五种双通道应变片输入模块，每一种都用于特定的应变片配置， 120Ω， 1/4 桥； 350Ω，1/4 桥； 半桥和全桥等。 调理模块还包括一个 2.5V 激励源， SG24 的激励源是 10V 的， 它们是测压元件和压力传感器输入的理想选择。 调理模块的每个通道均配有一个仪器放大器，一个 1.6kHz 低通滤波器和一个用于桥路零位调整的电位计。 NI 还提供 SCC-SG11 模块，该模块可执行可编程分路校准。 NI SCXI-1520 是 8 通道通用应变片输入模块，具有进行简单或高级应变测量所需要的所有功能。用户可借助这一模块，从应变传感器、力传感器、扭矩传感器和压力传感器上读取信号。 1520 包含在各类环境中均可自动校准的板载参考电压， 它的每路通道均配有可编程放大器， 4 阶可编程 Butterworth 滤波器以及独立的 0V 到 10V 的可编程激励源。此外， SCXI-1520 系统在模块内部提供了组成半桥电路的电阻网络，并在SCXI-1314 接线盒上提供了一个 350Ω的插座式电阻用于组成 1/4 桥， 120Ω的 1/4 桥电阻也随附于接线盒。
 
cDAQ 模块中， NI 9237 具有四路模拟输入通道，其为应变片、压力传感器、测压元件和其他基于电桥测量的传感器而设计。 9237 由总线供电，可以为传感器提供高达 10 V 的内置激励，所以电桥不需要外部激励。 9237 每通道可同步达到 50K 的采样率，且带有通道-接地隔离。
 
编码器测量
 编码器是一种机电装置，可以用来测量机械运动或者目标位置（图 7）。大多数编码器都使用光学传感器来提供脉冲序列形式的电信号，这些信号可以依次转换成运动、方向或位置信息。
 

 按照工作原理编码器可分为增量式和绝对式两类。增量式编码器是将位移转换成周期性的电信号，再把这个电信号转变成计数脉冲，用脉冲的个数表示位移的大小。 而绝对式编码器的每一个位置对应一个确定的数字码，因此它的值只与测量的起始和终止位置有关，而与测量的中间过程无关。
 
在增量式中编码器获得物体的相对位置。 旋转编码器可以测量物体运动的角位移，它由一个发光二极管（ LED）、一个码盘，以及码盘背面的一个光传感器。这个码盘安置在旋转轴上，上面按一定编码形式排列着不透光和透光的扇形区域。当码盘转动时，不透光扇区能够遮挡光线，而透光扇区则允许光线透过。这样就产生了方波脉冲，可以编译成相应的位置或运动信息。编码器每转通常分为 100 到 6000 个扇区， 100 个扇区的编码器可以提供 3.6 度的精度，而 6000 个扇区的编码器则可以提供 0.06 度的精度。仅有一路脉冲输出的编码器不能确定旋转的角度，如果使用两路脉冲，其间的相位差为90 度，那么通过该正交编码器的两路输出通道就可以确定位置和旋转的方向两个信息。例如，如果通道 A 相位超前，码盘就以顺时针旋转。如果通道 B 相位超前，那么码盘就是以逆时针旋转（图 8）。因此，通过监控脉冲的数目和信号 A、 B 之间的相对相位信息，就可以同时获得旋转的位置和方向信息。除此之外，有些正交编码器还包含被称为零信号或者参考信号的第三个输出通道 Z 相。这个通道每旋转一圈输出一个单脉冲， 可以通过它来精确计算某个参考位置，这种编码器被称为三相编码器。
 

 线性编码器与旋转编码器的工作原理类似。它采用了一条固定的不透光带取代了旋转码盘，在不透光带表面上有一些透光缝隙，而 LED 探测器组件则被附在运动体上，这样可以测量物体的线位移。
 
绝对式编码器能够获得目标的绝对位置。绝对式编码器的不同之处在于编码器的码盘上，采用了多组分区形成同心码道，如同靶环一样。同心码道从编码器码盘的中心出发，向外扩展直到码盘外部，每一层码道都比其内层多了一倍的分区。第一层，即最内层的码道，只有一个透光扇区和一个不透光扇区；位于中心的第二层就具有两个透光扇区和两个不透光扇区。如果编码器有 10 层码道，那么最外围的码道就有 512 个扇区。因为绝对式编码器的每层码道都比它里面一层的码道多了一倍数目的扇区， 所以扇区的数目就形成了二进制计数系统。在这种编码器中，码盘上的每个码道都对应一个光源和一个接收器。绝对式编码器的优势在于可以降低编码器的转速，可以使编码器的码盘在整个机器运动周期中只转一圈。如果机器运动距离为 10 英寸，而编码器具有 16 位精度，那么机器位置的精度就是 10/65,536，即 0.00015 英寸。如果机器的行程更长譬如 6 英尺，那么粗旋转编码器可以保证跟踪每一英尺距离；第二级称为细旋转编码器可以跟踪 1 英尺以内的距离。
 
编码器是对信号边沿计数，由边沿数值转换为位置信息的过程取决于所采用的编码类型。 通常分为三种基本的编码类型： X1、 X2 和 X4。 X1 编码方式时， 当通道 A 引导通道 B 时，增量发生在通道 A 的上升沿。当通道 B 引导通道 A 时，减量发生在通道 A 的下降沿（图 9）：
 

 X2 编码方式时， 计数器 A 通道的每个边沿计数是增加还是减少，取决于由哪个通道引导哪个通道。计数器的数值每个周期都会增加 2 个或减少 2 个（图 10）：
 

 X4 编码方式时， 计数器同样也在通道 A 和 B 的每个沿上发生增加或者减少。计数器的数目是增加还是减少，取决于哪个通道引导哪个通道。计数器的数目每个周期都会增加 4 个或减少 4 个（图 11）：
 
 
 
对于角度编码器，有
 对于位移编码器，有
 
 
 
NI M 系列数据采集卡所带有的 Counter 可以满足 ABZ 三相编码器的测量，这三路脉冲信号需要直接连接到 Counter 的 Source， Gate 和 Aux 上，经过设置编码器类型，编码方式等信息，可以直接换算成需要的旋转角度或位移值。
 声音和振动测量
 振动是有质量的物体发生在平衡点附近的机械振荡运动， 振动会产生压力波，压力波在空气中传播便产生了声音。声音与振动在本质上是通过不同的介质传播的。 但在理论层面上，两者之间是相互联系的，所以测量声音与振动在从本质来看也是相似的。
 
某些电介质在沿一定方向上受到外力的作用而变形时，其内部会产生极化现象，同时在它的两个相对表面上出现正负相反的电荷。当外力去掉后，它又会恢复到不带电的状态，这种现象称为正压电效应。当作用力的方向改变时，电荷的极性也随之改变。相反，当在电介质的极化方向上施加电场，这些电介质也会发生变形，电场去掉后，电介质的变形随之消失，这种现象称为逆压电效应，或称为电致伸缩现象。依据电介质压电效应研制的一类传感器称为为压电传感器。 许多测量加速度和压力的传感器都是基于压电原理的（图 12）。
 
IEPE 是压电式传感器的一个特殊类别，设计中它在压电晶体后安装了一个放大器（图13）。由于压电式传感器产生的电压很小，所产生的电子信号容易受到噪音影响，所以必须使用灵敏电子器件来放大和制约信号，降低输出阻抗。因此 IEPE 将灵敏电子器件安装得离传感器越近越好，以减少噪声干扰，确保了组装的便捷。常规 IEPE 传感器使用外部直流电源来提供激励，根据压电晶体接收到的不同电量来调整输出电压。 IEPE 在传感器激励（电流）和信号（电压）输出时只用一到两根线。
 
声音与振动的测试容易受到噪音的影响，需要对信号进行适当的调理。 传感器获取的信号包括直流和交流两个部分，直流部分可将交流部分偏移零点。交流耦合可以通过连接信号的电容器，消除系统中的直流偏移。交流耦合传感器系统可消除由老化和温度效应引起的传感器长期直流漂移，从而显著地提高了分辨率，扩大了系统的可用动态范围。在精密测量过程中，系统的采样率必须至少是被采集信号频率的两倍。为了确保频率范围采样正确，在ADC 前安装低通滤波器， 这样就能够确保您减小高频率噪音的影响，也可以保证高于采样率频率二分之一的混叠信号成分不会影响到测量结果。
 

 
 
图（12）压电原理
 

 由于声音和振动这类信号属于动态信号， 其幅值频率甚至方向都随时间不断变化，仅使用普通数采卡很难对其较好地采集，需要再附加上调理模块。 NI SCC-ACC01 是一款单通道信号调理模块， 专用于 IEPE 传感器或麦克风。 该模块包括一个交流差动放大器，一个 3阶 Besse 低通滤波器(19 kHz)以及用于传感器激励的 4mA 恒定电流源。 NI SCXI-1530/1531同样也是用于 IEPE 传感器和麦克风的信号调理模块。 其每一输入通道均包括可编程交流仪器放大器， 4 阶 Bessel 低通滤波器和激励电流源。 NI SCXI-1530/1531 具有同步采样能力，可以保持通道间的相位关系， 该模块可以将信号在 DAQ 设备的一路通道中复用，也可另加模块以增加通道数， 通过随机扫描，可以只选择想要采集数据的通道，且具有可提高扫描速率的并行操作模式以及可简化信号连接的 BNC 连接器。
 
NI 同样也提供专门的动态信号采集卡(DSA 设备)对声音和振动信号进行采集。在 cDAQ模块中， NI 9233/9234 用于动态信号的采集，其作为 4 通道 C 系列动态信号采集模块，能针对集成电路压电式(IEPE)与非集成电路压电式(IEPE)传感器，进行高精度音频测量。 其中NI 9234 具有 102dB 动态范围，能对加速度传感器和麦克风进行软件可选式交流/直流耦合与集成电路压电式(IEPE)信号调理。 4 条输入通道借助自动调节采样率的内置抗混叠滤波器，同时以每通道高达 51.2kHz 的速率对信号进行数字化（图 14）。
 

 
 
此外， NI 445x 和 446x 的 DSA 采集卡也是专门针对动态信号设计的。
 
 

 
 
 

 
 
 

<什么样的传感器有什么样的作用>
 
目录
 
1.1、摄像头
 
1.2、双目、RGB-D摄像头
 
1.3、激光雷达
 
1.4、惯性测量单元(Inertial Measurement Unit，简称 IMU)
 
1.5、毫米波雷达
 
1.6、GPS-RTK
 
1.7、超声波传感器
 
1.8、编码器、轮速计
 

 
 
1.1、摄像头
 
优点：成本低廉，用摄像头做算法开发的人员也比较多，技术相对比较成熟。
 
劣势：
 
获取准确三维信息非常难（单目摄像头难，双目或RGBD摄像头可以）；
 
受环境光限制比较大；
 
 
 
摄像头的工作包括：
 
* 车道线检测；
 
* 障碍物检测，障碍物识别以及对障碍物进行分类，如行人和车辆检测；
 
* 交通标志的识别，比如识别红绿灯和限速牌。
 
* 视觉slam:通过摄像头实现定位与建图。
 
 
 
1.2、双目、RGB-D摄像头
 
双目方案：
 
         最大的问题在于实现算法需要很高的计算资源，导致实时性很差，而且基本跟分辨率，检测精度挂钩。也就是说，分辨率越高，要求精度越高，则计算越复杂，同时，纯双目方案受光照，物体纹理性质影响。       
 
结构光方案：
 
    目的就是为了解决双目中匹配算法的复杂度和鲁棒性问题而提出，该方案解决了大多数环境下双目的上述问题。但是，在强光下，结构光核心技术激光散斑会被淹没。因此，不合适室外。同时，在长时间监控方面，激光发射设备容易坏，重新换设备后，需要重新标定。 
 
TOF方案：
 
    传感器技术不是很成熟，因此，分辨率较低，成本高，但由于其原理与另外两种完全不同，实时性高，不需要额外增加计算资源，几乎无算法开发工作量，是未来。
 
 
 
双目、RGB-D工作包括：
 
* 障碍物检测，障碍物识别以及对障碍物进行分类；
 
* 视觉slam:通过摄像头实现定位与建图。
 
 
 
1.3、激光雷达
 
激光雷达能非常详细的获得一个实时的三维点云数据，包括目标的三维坐标、距离、方位角、反射激光的强度、激光编码、时间等等，常用的有单线、4线、16线、32线、64线、128线束。
 
 
 
优点：精度高、其探测距离较远，而且能够准确获取物体的三维信息；稳定性相当高，鲁棒性好。
 
缺点：
 
采集周期长，一般100ms一场数据,最快50ms但点会稀疏；
 
成本较高。
 
激光受大气及气象影响大，大气衰减和恶劣天气使作用距离降低，大气湍流会降低激光雷达的测量精度，容易丢失远处窄小目标。
 
 
 
激光雷达的工作包括：
 
 
 
第一是路沿检测；
 
第二是障碍物检测，障碍物识别，对静态物体和动态物体的识别；
 
第三是制作高精地图；
 
第四是定位，利用激光雷达配合AMCL、ICP算法分别实现单线、多线的激光定位；
 
 
 
1.4、惯性测量单元(Inertial Measurement Unit，简称 IMU)
 
一般由三个单轴加速度计和陀螺仪组成。惯导解算主要是通过加速度计测得的载体加速度和陀螺测得的载体相对于导航坐标系的角速度来对载体的位置、姿态及速度进行解算。
 
优点：
 
优势是不依赖外界环境，靠自身就可以实现定位。
 
缺点：
 
长时间推算，存在一个累计误差，随着时间越来越长，如果没有办法给它提供校正的话，这个误差就会越来越大。
 
高精度级的IMU成本居高不下，消费级精度的IMU又不能够满足自动驾驶领域的技术要求与可靠性要求。
 
 
 
IMU的工作包括：
 
提供机器人的姿态变化信息（三轴的加速度、角速度）。
根据姿态变化信息积分得到机器人当前时刻的位置、速度、姿态等信息。
可利用陀螺仪和加速度计配合轮速计通过车辆运动模型去推算车辆下一个时刻所处位置、航向。
配合GPS组成组合惯导系统。IMU可以在GPS信号消失的时候，仍然提供持续若干秒的亚米级定位精度，并且提供相对位置和相对姿态，还可以在GPS信号发生漂移的时候对GPS信号进行纠偏。
配合视觉摄像头组成VIO，做视觉里程计。
配合激光做lamb状态估计与建图。
 
 
1.5、毫米波雷达
 
毫米波雷达可能是当前最受欢迎的传感器了，毫米波，是工作在毫米波波段（millimeter wave），工作频率在 30～100GHz，波长在1～10mm之间的电磁波，通过向障碍物发射电磁波并接收回波来精确探测目标的距离、速度和角度，其全天候全天时以及准确的测速测距深受开发者的喜爱。
 
 
 
凭借出色的测距测速能力，毫米波雷达被广泛地应用在自适应巡航控制(ACC)、前向防撞报警(FCW)、盲点检测(BSD)、辅助停车(PA)、辅助变道(LCA)等汽车ADAS中。
 
 
 
 
优缺点：
 
优点：
 
1、与红外、激光等光学导引头相比，毫米波导引头穿透雾、烟、灰尘的能力强，传输距离远，具有全天候全天时的特点；
 
2、性能稳定，不受目标物体形状、颜色等干扰。毫米波雷达很好的弥补了如红外、激光、超声波、 摄像头等其他传感器在车载应用中所不具备的使用场景。
 
3、毫米波雷达的探测距离一 般在150m-250m之间，有的高性能毫米波雷达探测距离甚至能达到300m，可以满足汽车在高速运动时探测较大范围的需求。与此同时，毫米波雷达的探测精度较高。
 
 
 
缺点：不具备对障碍物的识别能力，容易误检测。噪声严重。
 
 
 
1.6、GPS-RTK
 
利用差分GPS卫星定位技术，通过双天线的接收机，实现对车辆的厘米级定位和准确的航向确认。配合IMU组成组合惯导设备，实现优势互补。
 
 
优点：使用方便，定位精度高；
 
缺点：是容易收到电磁干扰、环境遮挡影响（大楼、树荫）。
 
 
 
1.7、超声波传感器
 
超声波传感器是根据超声波在空气中的传播速度为已知，超声波遇到障碍物会反射回来的特性进行距离测量的一种传感器。首先，超声波传感器会发射一组高频声波，一般为40-45KHz，当声波遇到物体后，就会被反弹回，并被接受到。通过计算声波从发射到返回的时间，再乘以声波在媒介中的传播速度（344 米/秒，空气中）。从而获得物体相对于传感器的距离值。
 
 
1、精度：超声波测距的测量精度是厘米级；
 
2、报错概率：超声波测距传感器容易报错，主要原因在于超声波测距传感器是声波发射，具有声波的扇形发射特性，所以当声波经过之处障碍物较多时，反射回来的声波较多，干扰较多，易报错；
 
3、测量范围：超声波测距仪的测量范围通常在80米以内，车用超声探头一般2.5米以内。
 
 
 
优点：成本低，使用方便；
 
 
 
缺点：
 
         由于声速固定，所以探测距离和探测评率一般较小；
 
         容易受到干扰，经常出现误报、错报；
 
容易丢失面积较小的障碍物；
 
探测角度大，只能得到障碍物的大致方位，无法精确获取障碍物的具体位置；
 
超声测距传感器一般都有探测盲区，单探头超声传感器盲区在20-30厘米。
 
 
 
1.8、编码器、轮速计
 
         编码器是安装在底盘驱动电机、驱动轴或者轮子上的测量电机、轮子转动速度、位置的传感器，根据单位时间的脉冲个数或者单位脉冲的时间差即可计算出轮子单位时间的转动速度。
 
 
 
优点：成本低，使用方便，精度高，速度反馈准确、及时；
 
 
 
缺点：对于非电机自带的传感器，安装较为麻烦，机械设计要求较高。
 
 

      自动驾驶技术涉及的环境感知传感器主要包括视觉类摄像机（包括单目、双目立体视觉、全景视觉及红外相机）和雷达类测距传感器（激光雷达、毫米波雷达、超声波雷达等），如图1所示。这些传感器目前都可以找到开源的SDK快速开发。小可根据这几年的开发经验，特此整理了目前常用传感器的一些API，方便初学者节省开发时间。当然，对于可以根据需求自主定制传感器的土豪公司而言，本篇显得多余，请绕行。本篇主要适用于自动驾驶初级开发者，主要面向高校和科研院所的研究人员，以性能为主，较少考虑成本问题。笔者主要基于Linux系统进行开发，所介绍的API均以Ubuntu14.04及以上版本为准（4月份要出Ubuntu18.04了，2年一个稳定版本，值得期待）。 
 

图1 自动驾驶主流传感器
单目摄像机
       首推AVT工业相机，国内代理商较多，比如大恒。包含的相机种类较为齐全，接口包括1394火线接口、网口接口等，价格从几千元到几万元不等。SDK可以在官网（https://www.alliedvision.com/cn.html）上找到，推荐使用最新的Vimba_v2.0开发套件，安装过程较为简单，且SDK中包含QT、OpenCV在内的多个开发示例，上手较快。
       应用：单目相机的应用开发主要包括特征类符号的检测与识别，如车道线检测、交通标志识别、交通灯识别、行人和车辆检测等，基于机器学习的视觉计算在自动驾驶普及之日一定会是必不可少的部分，尽管目前来说视觉检测可靠性并不是很高，在以激光雷达为主要感知手段的自动驾驶车辆中应用并未达到预期。


图2 路面及车辆识别

双目摄像机
       应用于室外场景的双目视觉确实不多见，笔者之前用过的bumblebee双目也是应用于室内场景，之后接触了ZED相机也是室内比较好用（毕竟基线长度固定了，就那么短！）。建议用于室外做视觉里程计或者识别类算法的，自行搭建双目传感器，在保证同步触发的情况下，根据具体需求确定基线长度。双目视觉绕不开视差图和双目标定，目前比较通用的双目标定做法是采用张正友法，利用Camera Calibration Toolbox进行标定（网址：http://www.vision.caltech.edu/bouguetj/calib_doc/），当然，openCV中也集成了该方法，习惯C编程的可以看下，OpenCV经典教材《学习OpenCV》中文版464页至492页有详细内容，更有代码，不多说。


图3 双目立体视觉标定

        应用：障碍物检测可以，限于室内，结构光，近距离；视觉里程计确实是目前比较好的应用领域，用于路口定位等，各种开源SLAM技术中也都有应用，如ORB SLAM2（https://github.com/raulmur/ORB_SLAM2），《视觉SLAM十四讲》有详细介绍和应用，好书，推荐一下。

全景相机
         分为单镜头全景相机和多镜头拼接全景相机。笔者基于全景视觉的开发应用不多（当多目镜头使用，未完全发挥其全景优势），2015年腾讯做街景地图的时候貌似见过他们车上装着一个。
应用：比较推荐用全景相机做视觉里程计，视野范围大，特征点关联度高，个人始终觉得用全景视觉配合组合导航做高精度地图重建是个不错的选择，实现自动驾驶汽车车道级别定位，其他的没有深入研究。
红外相机
       红外相机应该属于视觉的另外一个门类，夜视效果比白昼效果好，可应用于行人、车辆检测等。以前觉得在激光雷达出现以后，红外相机在自动驾驶应用中处于一个比较尴尬的地位，价格不菲且没有激光雷达结果来的直接，使用之后发现，在障碍物（如人）识别上，激光离散点云还是比不上空间上连续的图像。另外，测试中惊奇的发现，红外相机具体可以捕捉玻璃上的人影！细思极恐！红外相机在一定程度上可以对发热体进行区分，如路面、行人等，但毕竟需要后处理，没有激光雷达利用绝对高度或者梯度进行障碍物检测来的直接。夜晚条件下可以替代彩色相机，进行前视障碍物检测与监控。


图4 红外视觉成像

毫米波雷达
       适用于高速环境和编队行驶，其他场景貌似没有必要安装。单买贵，批发便宜。使用过delphi的一款，应该也是国内应用的比较多的，距离上最远到150米，分为单点跟踪和多目标检测两种工作模式，前者适用于编队行驶过程中前车检测，后者适用于高速环境下的远距离目标检测。由于毫米波雷达的成像原理为锥面成像（相当于从一点往外发散成一个锥面），依据锥面中障碍物的面积来推算障碍物，因而对于复杂场景，障碍物较为杂乱。而高速公路场景较为理想，道路环境好，车辆相对较少，适用于前方车辆的提前预警。（Tesla认为视觉+毫米足够支撑自动驾驶系统，个人相当认同，但是貌似算法上还需要推进一步）
        开发：通过can收发数据，数据格式较为简单，一般协议文件中都有定义，对can口开发没有基础也不要恐慌，相当简单，买一个USBCAN转换器，网址（http://www.pudn.com/Download/item/id/3353963.html）有Ubuntu系统下can接收数据的依赖库，之后的数据解析按照协议来即可。
激光雷达
         2018年绝对会是激光雷达井喷式发展的一年，行业巨头Velodyne推出了128线、VLP-32C等崭新系列，同时原有型号也都一定程度上降价（具体价格跟国内各大代理咨询），图1中那一溜都是Velodyne荣誉出品的。ROS中有可用的数据接口（https://github.com/ros-drivers/velodyne）。 Sick单线雷达个人感觉已经完成了历史使命了，毕竟随着VLP-16的降价，价格优势已经没有了，估计供货周期的优势也不会持续太久（目前Velodyne各个型号都存在供货紧张的情况）。同时，国内像速腾聚创、北科天绘、禾赛科技也都推出了各自的产品，其中，价格优势和供货优势绝对明显，实测效果八个字：耳听为虚，眼见为实，建议实际应用一下，不多说。
       应用：障碍物检测主流，waymo、百度、各大传统汽车厂商、各大创业公司、各大高校、研究院所……那么多自动驾驶汽车顶上装着的几乎都是激光雷达（Tesla除外）；高精度地图重建与环境建模；SLAM等。


图 多雷达融合

       目前实际开发中笔者用到的传感器就这么多，希望对于初学者有所帮助吧。对于设备选型有选择困难症的也可以私信我，多多交流。