Sensor selection decision matrix

跨 Sensor 选型决策矩阵 (Cross-Sensor Selection Decision Matrix)

类型: comparison (24 个 single-sensor dissection 后的元视图) — 不走 14 项 dissection 门槛 聚焦: 跨 sensor 选型决策矩阵 + 决策树 + 失败模式跨 sensor 对照 Status: v1 — 2026-05-22。所有具体 SWaP-C 数字 (g / W / $) 标 UNVERIFIED 除非引自原 dissection

TL;DR. 24 个 single-sensor dissection 把波段 / 噪声 / 失败模式拆到 datasheet 一层，但缺一个「看完之后第一步选哪个」的横向决策表。本页补这个元视图：§2 把 13 个 sensor class 摆在一张表上、§3 给 6 种典型 embodiment 的最小 viable stack、§4-§7 处理 single-sensor dissection 不回答的 4 个问题（互补 / 同类怎么选 / 跨 sensor 失败模式 / 隐藏拥有成本）。最重要的判断：没有 universal best — 只有”working range + SWaP-C + 失败模式可接受”局部最优；250 g drone 选 16-line LiDAR、或 humanoid 选 RTK GNSS，都是 SWaP-C 决策错了一个数量级。

---

1 · SWaP-C 轴的回顾 — 同 sensor 在不同 embodiment 权重完全不同

轴	nano drone ≤250 g	巡检 drone 1-5 kg	manipulator	AD car	humanoid	marine AUV
Weight	<5 g 关键	<100 g	不敏感	不敏感	<500 g	浮力中性
Power	<1 W (200 mAh)	<5 W	wall power	12 V ECU	24 V battery	~50 Wh/km
Cost	<$50 BOM	<$500	<$2k (D435)	<$5k OK	<$2k	<$50k OK
Compute	MCU STM32	Jetson Orin Nano	x86 ws	Orin AGX×多	Orin AGX×多	low-power MCU
Size	<30 mm	<80 mm	wrist-cam	hood/roof	head/waist 10 cm	watertight bottle

关键观察：(1) nano drone 几乎只看 weight × power — 加 10 g 等于减 10% flight time；(2) AD 几乎只看 range + 失败模式，weight/cost 可吸收；(3) manipulator 几乎只看 0-1 m 米制精度；(4) marine AUV 只看声学频段，光学 / 电磁全瞎。每个 sensor 的 SWaP-C 数字回 README.md 24 篇 dissection。

---

2 · 主决策表 — 13 个 sensor class 横向

单位约定：range 是 typical operating range（不是 datasheet max）；Hz 是 typical update rate；Weight 是 module-level（不含 mount）；Cost 是 BOM tier（量产价位）。所有具体数字 UNVERIFIED 除非链回上游 dissection。

所有数字 UNVERIFIED 除非链回上游 dissection。Range = typical operating；Weight = module-level；Cost = BOM tier。

Sensor	原理一句话	Range	Hz	Power	Weight	Cost	主要失败模式	何时用 / 不用
Active-NIR 850 nm (↗)	VCSEL flood + NIR cam + BPF	0.1-5 m	30-90	1-5 W	5-30 g	$20-100	强日光 + 镜面饱和	室内/暮光 ✓ ; 正午 ✗
ToF Phase-CW (↗)	调制相位测距 (Kinect/L515)	0.3-5 m	30	2-5 W	20-50 g	$50-300	wrap-around / 多径 / 阳光	室内 wrist depth ✓ ; >5 m ✗
ToF dToF (SPAD)	ns 脉冲 + SPAD 计时 (iPhone)	0.3-10 m	30	0.5-3 W	<5 g	$5-30	pile-up / 弱反射	mobile ✓ ; 工业级 grasp ✗
LiDAR 905 nm 机械 (↗)	Si APD + 旋转扫描	30-150 m	10-20	8-20 W	600-1000 g	$1-10k	轴承寿命 / 雨雪 Mie	测绘 ✓ ; 量产 AD ✗
LiDAR 905 nm 半固态	MEMS/OPA + Si APD (AT128)	100-200 m	10	8-15 W	300-700 g	$1-4k	FOV 窄 / 反射率敏感	乘用车 AD ✓ ; nano drone ✗
LiDAR 1550 nm FMCW	InGaAs SPAD + chirp 多普勒	200-500 m	10	15-30 W	800-2000 g	$5-20k	单像素 50-100× Si cost	卡车/远距 ✓ ; cost-bound ✗
RGB Camera GS (↗)	CMOS + Bayer + global shutter	passive	30-120	0.5-2 W	5-30 g	$5-100	dazzle / textureless / blur	几乎所有 embodiment ✓ ; 无光/烟雾/水下 ✗
RGB RS (↗)	rolling shutter readout	passive	30-60	同上	同上	更便宜	jello / fast yaw 几何崩	static ✓ ; drone racing ✗
Stereo (passive) (↗)	Z=fB/d 三角	baseline×(10-100)	30-60	2-5 W	50-150 g	$200-2k	textureless / 标定漂 / 曝光不对称	manipulation/drone 避障 ✓ ; >100 m/白墙 ✗
Event Camera (DVS) (↗)	异步 per-pixel log-intensity	passive, ~1 µs	异步	0.1-1 W	30-100 g	$1-3k (Prophesee)	静态没事件 / 生态嫩	HDR/高速/低光 ✓ ; 量产认证 ✗
IMU MEMS (↗)	Coriolis MEMS + 加速度计	proprio	100-1000	<0.1 W	<5 g	$1-10 (BMI270)	bias drift / 振动 / 温漂；60 s ≈ 18 m	全 embodiment baseline ✓ ; 长时单用 ✗
IMU tactical	Honeywell HG4930 级	proprio	200-2000	1-3 W	100-200 g	$3-10k	振动 / 寿命	巡航 / AGV ✓ ; 消费品 ✗
IMU FOG	Sagnac 光纤干涉, BI 0.05°/hr	proprio	100-200	3-10 W	500-1500 g	$10k-100k	体积大 / 需温稳	真值 / 潜艇 ✓ ; weight-bound ✗
GNSS L1 single (↗)	单频 code phase	global, 5-10 m	1-10	0.1-0.3 W	<10 g	$10-30	峡谷/多径/电离层	户外 baseline ✓ ; 室内 ✗
GNSS multi-band RTK	双频 + base + carrier (F9P)	1-5 cm	5-20	0.5-2 W	30-100 g	$200-1k	base 失联即回退	测绘/commercial drone ✓ ; 室内 ✗
GNSS PPP	多频 + precise products	~10 cm, 收敛 30 min	1	0.5-2 W	~RTK	$1k-5k	收敛慢	marine/静态 ✓ ; 实时机动 ✗
Magnetometer (↗)	Hall/fluxgate 测地磁	yaw global	10-100	<0.05 W	<1 g	$1-30	硬/软铁；50 A ESC vs 50 µT	drone yaw ✓ ; 钢梁/电流附近 ✗
mmWave 77 GHz AD (↗)	FMCW + MIMO 阵列	5-300 m	10-30	5-15 W	200-500 g	$500-3k 模组	角分辨率 ~0.5° / 金属混叠	AD/浓雾穿透 ✓ ; 室内 dense ✗
mmWave 24 GHz (↗)	K-band CW/FMCW	0.5-20 m	10-50	0.3-2 W	5-30 g	$5-50	角分辨率粗 / 频段限带宽	smart home / 廉价防撞 ✓ ; AD ✗
UWB (↗)	500 MHz 脉冲 + DS-TWR	0.1-50 m, σ ≈ 3 cm	10-100	RX 150 mW peak	<5 g	$3-8 chip /$30-50 anchor	多径 / NLOS bias / 需 anchor	室内 cm/swarm ✓ ; 户外大场景 ✗
Thermal IR LWIR (↗)	microbolometer 被动黑体	0-100 m	9-60 (export)	0.5-2 W	5-100 g	$100-3k (Boson+)	不透玻璃 / 热饱和 / FFC 1 s 盲	夜视/烟雾/救援 ✓ ; 透玻璃 ✗
Barometer (↗)	MEMS 压力 + 温补	-500 to 9000 m	10-100	<0.01 W	<0.5 g	$2-5 (BMP388)	温漂 / 阵风 / HVAC	drone vertical mid-term ✓ ; 高动态<1 s ✗
Ultrasonic (↗)	40 kHz airborne ToF	0.05-4 m	10-40	0.3-1 W	5-20 g	$1-30	多径 / 软材吸收 / 风漂	drone 起降/USS ✓ ; >5 m/风大 ✗

23 行覆盖 12 个主 sensor class（active-NIR / ToF / LiDAR 3 架构 / RGB GS+RS / stereo / event / IMU 3 等级 / GNSS 3 等级 / magnetometer / mmWave 2 频段 / UWB / thermal）+ drone 专用 barometer + ultrasonic。完整 SWaP-C 数字回各 dissection 与 README.md。

---

3 · 决策树 (by use case) — 6 个典型 embodiment

每个 use case 给”最小 viable stack”（去掉 1 项就有 spec 跑不到）+ 可选增强 + 明确点名不要选的 sensor。

3.1 · 250 g 微型 drone 室内 SLAM (Crazyflie / Skydio nano)

约束: weight <5 g/sensor, power <1 W, cost <$50。Stack: IMU MEMS (BMI270) + monochrome GS camera + 单点 NIR ToF / optical flow PMW3901 + barometer (BMP388)。不要: ✗ LiDAR (≥300 g 超 weight budget 60×) / ✗ RTK GNSS (室内无信号 + 30 g) / ✗ thermal IR (cost + FFC 不划算)。 参考: imu + optical_flow + rolling_vs_global_shutter + embodiments/aerial/sensor-stack/

3.2 · 1.5 kg 巡检 drone 户外 (DJI M300 / Skydio X10)

约束: weight <100 g/sensor, power <5 W, cost <$500。Stack: IMU (ICM-42688) + GS stereo (D435) + RTK GNSS (F9P) + magnetometer (RM3100, 远 ESC) + barometer。可选: 16-line LiDAR (~600 g) for terrain following / 77 GHz mmWave (~50 g) for BVLOS 浓雾备份。 参考: stereo + gnss + magnetometer + embodiments/aerial/long-range-slam/ + embodiments/aerial/obstacle-avoidance/

3.3 · 室内 manipulation wrist (Franka / UR / xArm)

约束: 0-1 m 米制精度 <few mm。Stack: active stereo RGBD (D435) + RGB GS + force-torque (非本目录)。可选: ToF (L515, 已 EOL) for dense / event camera for 高速 dynamic grasp / Azure Kinect for 离线 calibration。不要: ✗ LiDAR (overkill + sparse) / ✗ GNSS / mmwave / UWB (室内有 frame)。 参考: tof + stereo + active_nir + embodiments/manipulation/3d_feature_cloud_representations.md

3.4 · AD-class 高速车 (Waymo / Mobileye)

约束: range 200+ m + 失败模式覆盖 + 冗余。Stack: 8-12 颗 GS camera + 4D mmWave (Arbe Phoenix) + 1-3 颗 905 nm 半固态 LiDAR + GNSS multi-band + tactical IMU loose coupling。可选: 1550 nm FMCW (卡车 / 远距) / thermal IR (夜视行人，但 Tesla 至今不加)。Tesla doctrinal 例外: ✗ LiDAR — vision + radar 路线，详见 embodiments/driving/waymo_vs_tesla_doctrinal_split.md。 参考: lidar + mmwave + thermal_ir + embodiments/driving/

3.5 · Marine surface / underwater AUV

物理约束: 水下光 + 电磁 (>500 MHz) 全衰减。Surface USV: GNSS RTK + tactical IMU + RGB。Underwater AUV: DVL + tactical/FOG IMU + multibeam/side-scan sonar + USBL/LBL acoustic positioning。不要 (物理): ✗ LiDAR (水中 <10 m 衰减完) / ✗ mmWave / UWB (水导体) / ✗ thermal IR (表面下完全无用)。 参考: underwater_sonar + embodiments/marine/sensor_stack_underwater.md + embodiments/marine/underwater_slam_dvl_sonar.md

3.6 · Humanoid (Unitree H1 / Figure 02 / 1X NEO)

约束: 多 viewpoint (head + waist + wrist), 24 V battery。Stack: head stereo RGBD (D455) + waist downward stereo (脚下地形) + wrist RGBD/ToF (D405/L515) + torso IMU + foot pressure。可选: Livox Mid-360 16-line LiDAR (~265 g) for 大场景 SLAM (Unitree 路线) / 24 GHz mmWave for presence。 参考: embodiments/humanoid-legged/whole_body_spatial_perception.md + embodiments/humanoid-legged/unitree_h1_vs_figure_vs_1x.md

---

4 · 互补组合 — 为什么”加一颗”是物理必然

任何 single-sensor 在某个轴上都瞎；下面 4 个组合不可裁剪：

• IMU + Camera = minimum viable VIO。IMU 单独 60 s 漂 ~18 m + 3° 转角 (UNVERIFIED，imu §3)；camera 单独 scale ambiguous / baseline 限远端。IMU 给 metric scale + 高频 propagation；camera 给 absolute drift correction — EKF/MSCKF/VINS 都是这个数学。“VIO 是 spatial intelligence minimum unit” 的物理根据，不是”算法选择”。
• GNSS + IMU + Visual/LiDAR = 户外完整 stack。GNSS 单独城市峡谷 / 桥下 / 室内全瞎；GNSS+IMU loose-coupling dropout 1 s OK 但 60 s 漂 18 m；加 visual/LiDAR 后 dropout 期间 VIO 接管，camera/LiDAR 提供 absolute features。Commercial drone / robotaxi / agriculture 事实标准。
• mmWave + Camera = 天气韧性。Camera 雨/雾/扬尘衰减 50-80%（lidar §6）；77 GHz mmWave 穿透 30-100× + native velocity 但角分辨率粗（mmwave ⚡ Eureka）。Tesla 重新加 radar 的根因不是 cost；Mobileye / Waymo / Bosch ARS540 都用这套。
• Magnetometer + Optical Flow + Barometer = nano drone 室内三件套。没 GNSS 时，mag 给 yaw（远 ESC）、flow 给 velocity（地面有 texture）、baro 给 altitude mid-term（避 HVAC 阵风）— 三者独立全弱，合一加 IMU 撑 Crazyflie 室内 hover。

---

5 · 同类内部选型 — 关键分歧

5.1 LiDAR: 905 nm vs 1550 nm vs 架构

维度	905 nm Si APD	1550 nm InGaAs SPAD
QE @ λ	~30% UNVERIFIED	~20-30% UNVERIFIED
Eye-safe peak power	~5 mW	~5 W (~1000×)
像素 cost	baseline	50-100×
雨雪环境	Mie scatter 主导（差异小）	peak power headroom 给”看穿”裕量
量产路线	Hesai AT128 / Innoviz / Ouster	Luminar Iris / Aeva
决策准则	量产乘用车 / 成本敏感	远距 / 卡车 / 高速速度场

机械 vs 固态 vs FMCW 的分歧：机械寿命有限（轴承）但 360° FOV，MEMS 半固态寿命好但视场角窄需 stitch，FMCW直接拿 velocity 但单像素贵 — 见 lidar §7。

5.2 IMU: MEMS / tactical / FOG — Allan plot 的”等级”

Grade	Bias instability	Weight	Cost	60 s drift (位置) UNVERIFIED
Consumer MEMS (BMI270)	0.5°/s UNVERIFIED	<5 g	$1-10	~18 m
Tactical (HG4930)	0.05°/hr UNVERIFIED	100-200 g	$3-10k	~几 m
FOG (KVH 1750)	0.05°/hr UNVERIFIED	500-1500 g	$10k-100k	<1 m

数字回 imu §3。关键 trade-off：consumer MEMS 已经能跑 manipulation / 消费 drone；tactical 在 GNSS-denied 巡航中是 must-have；FOG 在自动驾驶量产车上完全不现实（weight × cost 都炸）— 只用在 robotaxi 数据采集车做 ground truth。

5.3 GNSS: single / RTK / PPP

等级	精度	收敛时间	base station?	适用
L1 single	5-10 m	<1 s	no	消费 drone / 农业 baseline
Multi-band RTK	1-5 cm	5-30 s + carrier lock	yes	测绘 / 建筑 / commercial drone
PPP	~10 cm	30 min	no (用 precise products)	marine / 静态 / 农业

详见 gnss §5。RTK 需要 base 在 10-30 km 内，跨海 / 跨州时退化到 PPP。

---

6 · 失败模式跨 sensor 对照 — 同一扰动崩多少个

⚠️ = 中等退化, ❌ = 完全失效, ✅ = 鲁棒

扰动	RGB	Stereo	Active-NIR	ToF	905 nm LiDAR	mmWave	UWB	IMU	GNSS	Mag	Thermal IR	Sonar
正午阳光 dazzle	❌	❌	⚠️ (BPF 救)	⚠️	⚠️ (ambient)	✅	✅	✅	✅	✅	⚠️	✅
雨 10 mm/hr	⚠️	⚠️	⚠️	⚠️	❌ Mie scatter	✅ 衰减 <3 dB	⚠️	✅	⚠️ multipath	✅	⚠️	n/a
浓雾 (能见 <50 m)	❌	❌	❌	❌	❌	✅ (77 GHz 穿透 30-100×)	⚠️	✅	⚠️	✅	⚠️ (湿)	n/a
textureless 白墙 / 雪地	⚠️	❌ disparity 没了	✅ (project pattern)	✅	✅	✅	✅	✅	✅	✅	⚠️ (温度均匀)	n/a
镜面反射 / 玻璃	⚠️	❌	❌ (specular 不返回)	❌	❌	✅	✅	✅	✅	✅	❌ (不透玻璃)	n/a
GNSS spoofing / 城市峡谷	✅	✅	✅	✅	✅	✅	✅	✅	❌	✅	✅	n/a
大铁结构 / 高电流 (50 A ESC)	✅	✅	✅	✅	✅	✅	✅	✅	⚠️	❌ 硬铁 + 软铁	✅	n/a
UWB 多径 / NLOS	✅	✅	✅	✅	✅	⚠️	❌ bias	✅	✅	✅	✅	n/a
桨叶振动 (200-2000 Hz)	⚠️ (motion blur)	⚠️	⚠️	⚠️	⚠️	✅	✅	❌ aliasing + bias	✅	⚠️	⚠️	n/a
>30°C 热漂 / 太阳曝晒	✅	⚠️ baseline drift	⚠️ VCSEL 漂 0.06 nm/°C	⚠️	⚠️	✅	✅	⚠️ bias temp	✅	⚠️	⚠️ FFC pause	✅
水下 / 透过水面	❌ <10 m	❌	❌	❌	❌	❌	❌	✅	❌	⚠️	❌	✅ 唯一
强 fluorescent 闪烁 (400 Hz)	⚠️ (banding)	⚠️	⚠️ (Phase-CW 拍频 ghost)	❌	✅	✅	✅	✅	✅	✅	✅	✅

5 个跨 sensor 的”协同崩”模式（设计时务必加冗余）：

1. 光学 + 镜面反射：RGB / stereo / NIR / ToF / LiDAR 全瘫 — 唯一答案是 polarization 或 mmWave；
2. 光学 + 浓雾：所有光学全瘫 — 唯一答案是 77 GHz mmWave；
3. 声学 + 强混响 / 软材料：sonar / ultrasonic 同时崩 — 水下 UAV 设计要避开石壁直角；
4. 电磁 + 室内 + 干扰：GNSS / WiFi RTT / mag 都不靠谱 — 室内必须 UWB or VIO；
5. 慣性 + 桨叶振动：MEMS IMU 在 200-2000 Hz aliasing — drone 必须橡胶减振 + 200+ Hz IMU。

---

7 · 真实拥有成本 — BOM 单价是冰山一角

24 个 dissection 给的是 BOM 单价；生产环境真实成本至少 3-10×。隐藏成本: (1) Calibration toolchain (Kalibr / IMU-cam / multi-cam) — 1 工程师月 + 标定室；(2) ROS driver maintenance — 每代固件 1-2 周回归；(3) Factory line test fixture — $5k-50k 检具 + 工时；(4) **Per-unit calibration** 5-30 min/unit；(5) **Field re-cal** (drone stereo ~0.024 m/m drift `UNVERIFIED`)；(6) **认证 / 监管** (FCC / IEC 60825 / FAA / CE) —$30k-300k + 6-12 月；(7) 出口管制 (中国 LiDAR / FOG ITAR)。

经验法则: D435 BOM $300 → 量产线 ~$1000；车规 LiDAR $1k → 含认证维保 ~$5k；FOG IMU $20k → 含 ITAR licensing ~$50k+。详细见 deployment/hardware-selection/。

---

8 · 这张矩阵不能告诉你的事

(1) Form factor / mechanical mounting — connector 5 g 可能就让 sensor 嵌不进 250 g drone；(2) Vendor lock-in — RealSense / Livox SDK 迁移成本不在 BOM；(3) 国贸 / 出口管制 — 中国 LiDAR 受限 / FOG ITAR，物理能买 ≠ 合规能用；(4) Regulatory — 事件相机 / 1550 nm LiDAR 乘用车 functional safety 认证仍在演化；(5) 供应链 lead time — Sony 高端 IMX / FLIR Boson 在 2024-25 出现 12-24 月 lead time；(6) 二级市场 — 工业 LiDAR 二手不存在，故障即报废；(7) 算法生态 — DVS 算法库 vs 传统 RGB pipeline 差 5-10 年成熟度；(8) 新 paradigm — 2025-11 DA 3 / VGGT-Ω / MapAnything 把单目/stereo/multi-view 边界打散（见 ../depth-foundation/depth_models_comparison.md），可能让 camera-only 在某些场景重新可用。

正确读法：作为第一遍 filter 淘汰明显不合的；剩 2-3 候选回 single-sensor dissection 查 worked example；最后 vendor EVK 实测再下单。没有 matrix 替代真机测试。

---

Cross-references — 24 个 single-sensor dissection 的常用组合

Aerial 主推 5 件套：

• imu_physics_and_noise_model — 必备 baseline
• gnss_multi_constellation_rtk — 户外 absolute
• stereo_camera_geometry_physics — 视觉避障
• magnetometer_geomagnetic_field — yaw 唯一绝对参考
• barometer_pressure_altimetry — vertical mid-term
• → 集成实战见 embodiments/aerial/sensor-stack/ + embodiments/aerial/vio/ + embodiments/aerial/long-range-slam/

AD 主推 7 件套：

• rgb_camera_imaging_pipeline — BEV 主输入
• rolling_vs_global_shutter — 高速场景必 GS
• lidar_physics_905_vs_1550 — geometric truth
• mmwave_radar_physics_for_ad — 天气韧性
• gnss_multi_constellation_rtk — loose-coupling localization
• imu_physics_and_noise_model — tactical-grade
• thermal_ir_lwir_8_14um — 夜视 / 行人（可选，Tesla 例外）
• → 集成实战见 embodiments/driving/ + embodiments/driving/waymo_vs_tesla_doctrinal_split.md

Manipulation 主推 4 件套：

• stereo_camera_geometry_physics — D435 wrist
• tof_physics_for_embodied_ai — L515 dense depth
• active_nir_850nm_for_embodied_ai — 暗光 / textureless
• rgb_camera_imaging_pipeline — color + features
• → 集成实战见 embodiments/manipulation/

Marine 主推 3 件套：

• underwater_sonar_physics — 水下唯一可信
• gnss_multi_constellation_rtk — 水面 RTK
• imu_physics_and_noise_model — tactical / FOG
• → 集成实战见 embodiments/marine/sensor_stack_underwater.md + embodiments/marine/underwater_slam_dvl_sonar.md

通用噪声框架（跨所有 embodiment）：

• sensor_noise_modeling_allan_variance — IMU / camera / LiDAR / radar 统一到一个 Allan plot
• event_camera_dvs_physics — 跨 embodiment 的新 sensor 范式
• polarization_sensing_for_3d — 玻璃 / 透明物体物理解

跨 embodiment BOM 矩阵 (本文 + 6 embodiment 的应用层综合) → ../../crossing/sensor-stack-matrix/

---

Boundary

• 本文档位置：comparison（24 个 single-sensor dissection 后的元视图），不走 14 项 dissection 门槛 — 核心是横向对比表 + 决策树
• per-sensor 物理深拆（QE / Allan plot / 失败模式细节）→ 回各 single-sensor dissection
• per-embodiment 集成实战（calibration / 安装位置 / 同步）→ embodiments/<emb>/sensor-stack/
• 跨 embodiment BOM SWaP-C 矩阵（6 embodiment × 8 sensor class）→ crossing/sensor-stack-matrix/
• vendor / SKU 选型 / 供应链（D435 vs V100 vs Boson）→ deployment/hardware-selection/
• Sensor + ML 融合算法（RAFT-Stereo / Polarization-NeRF）→ foundations/feed-forward-3d/ + foundations/depth-foundation/

---

← Back to Sensor Physics