做机器人导航和物联网项目多年几乎每次都会被同一种需求卡住甲方说“室内定位嘛不就是装个定位模块的事”。但真实情况远没有这么简单——室外有卫星导航系统覆盖走进建筑物后信号衰减严重多径效应会把定位精度拖到没法用的程度。室内定位传感器方案因此成了一个完整的技术分支从超宽带到蓝牙从激光雷达到地磁指纹每一种方案都有自己最适合的场景和最致命的短板。这篇文章把我在机器人和物联网领域实际接触过的十一种室内定位方案一次性讲透从原理、精度、成本、部署坑点到选型逻辑适合正在做AGV、服务机器人、固定资产管理、人员定位的朋友参考。1. 室内定位为什么难卫星进不来那就各凭本事1.1 室内环境先否定了“万能解”定位的本质是在一个坐标系里回答“我在哪”。室外有全球导航卫星系统帮忙但室内环境下卫星信号穿过钢筋混凝土后会衰减到几乎不可用加上室内空间窄、遮挡物多、金属货架和人体都会引起信号反射多径效应使得到达时间、到达角度这些测量值变得很不干净。所以室内定位从来不是“一门技术”的活而是“一堆传感器配合”的活。这也是市面上会出现十几种方案的根本原因没有任何一种传感器能在精度、成本、功耗、部署难度四个维度上同时做到最优。1.2 先把十一种方案归归类我把十一种方案按照它们的物理原理分成了四个家族无线电波UWB超宽带、WiFi、蓝牙BLE、RFID声波与光波超声波、红外、可见光VLC运动与环境特征IMU惯性测量、地磁、气压计空间环境感知视觉、激光雷达为什么要这样分组因为选型的时候你真正选的不是“某个传感器品牌”而是“某一种物理量”。比如UWB和WiFi本质都在测电磁波但UWB能测出飞行时间WiFi在多数场景只能看信号强度这就是差距的来源。理解了底层原理再看参数表就不会被花哨的宣传词带偏。2. 技术家族拆解十一种方案的底层原理和真实表现2.1 无线电测距与方向估算UWB、WiFi、蓝牙BLE、RFIDUWB超宽带是眼下机器人定位和工业物联网里最扎实的方案之一。它的核心思路是用纳秒级的窄脉冲测电磁波飞行时间精度能做到10到30厘米。UWB分为TOF飞行时间测距和TDoA到达时间差两种工作模式TOF适合小范围、高精度场景因为每个标签和锚点之间要来回通信TDoA适合大量标签并发定位但要求所有锚点时间严格同步往往得拉网线或有线同步。实际项目里我用过Decawave的DW1000和DW3000两代芯片。DW3000支持802.15.4z抗干扰能力和数据速率比第一代好不少。但要注意UWB的精度取决于锚点布局和是否直视穿过人的身体时误差会明显变大因为人体含大量水分会衰减信号。WiFi定位是室内定位里最“顺手牵羊”的一种不用额外部署基础设施直接用现有AP。原理分两种RSSI信号强度三角定位和指纹匹配。RSSI三角定位精度通常只有3到5米因为WiFi信号在室内的衰减模型太不稳定了指纹匹配利用的是“不同位置接收到的AP信号组合不同”这个特征把位置和信号特征存入指纹库再通过算法匹配精度可以做到1到3米。WiFi指纹方案适合仓储管理、商场导流这类不需要精确到亚米级的场景。不过指纹库的采集体力活很大而且环境一变比如货架移动、新AP上线就需要重新采集。CSI信道状态信息的方案精度更高需要特定网卡才能拿到底层数据落地成本高一般项目慎用。蓝牙BLE定位现在是物联网人员资产定位的主流。早期用iBeacon的RSSI方案精度3到5米后来BLE 5.1标准加入了天线阵列测角功能通过AoA到达角度定位精度可以压到0.5到2米。蓝牙的好处是生态成熟、手机天然支持、标签功耗控制得很好一颗纽扣电池能跑一年以上。AoA定位的实际部署里定位基站需要配阵列天线而且锚点安装高度最好在3米以上角度覆盖才够广。人群遮挡和金属物体反射仍是误差最大来源。RFID定位分无源和有源两种。无源RFID工作距离近从几厘米到一两米靠读写器提供能量定位其实就是“读到与否”的范围判断适合门禁、资产盘点、产线工序统计。有源RFID续航长、读取距离远在仓库资产定位里能覆盖几十米范围但定位精度通常只能做到“区域性”核心价值是“知道某资产在哪个区域”而不是厘米级坐标。RFID方案被很多人忽略的一点是它最大的优势是便宜且不需要给标签充电一件固定资产挂一个无源标签成本不到一元钱在物联网资产管理场景里极其划算。2.2 声波与光波定位超声波、红外、可见光VLC超声波定位的原理和UWB很像只是把载波换成了声音。超声波飞行时间测距精度可以到厘米级而且造价便宜早期用在手术室、实验室的定位追踪上。它的缺点是怕遮挡声波是直线传播的一旦中间隔着人或者货架就断了。还有空气温湿度对声速的影响会导致误差需要做补偿。项目里用超声波做定位的痛点很明显一个房间要布满收发探头才能实现覆盖探头多了还会互相串扰。它更适合房间级、小范围、无遮挡的专用场景不适合开放办公区或存储区。红外定位可能是民用领域最冤的定位技术原理简单直接红外LED发射信号接收器根据入射角度或强度判断位置精度在几十厘米到几米之间。它的问题也很直接——只能直线传播且容易受阳光、热源干扰在大面积空间部署红外传感器的成本高得惊人。红外方案现在很少单独做定位更多是作为“触发信号”比如机器人进站充电时靠红外信号完成最后的厘米级对准。可见光VLC定位是这几年的潜在方向它用LED灯发出经过编码调制的光信号手机摄像头或光电二极管接收后解算出位置。VLC的好处是复用已有的照明灯具不额外增加无线电频段负担精度在1米左右而且受电磁干扰影响小。VLC在实验室和展厅里跑得很漂亮但落地商用有个尴尬问题灯具必须一直开着才有效。很多仓储场景为了节能不一定全天开灯LED驱动器的调制频率也需要改造这笔升级成本目前比装蓝牙AoA基站还要高。2.3 运动与环境特征推算IMU、地磁、气压计IMU惯性测量单元不依赖任何外部信号靠的是测量加速度和角速度再由航位推算算法累加出位置变化。短期精度很好几十米的距离内漂移误差可以控制在较小范围但时间一长陀螺仪零偏和加速度计噪声被积分位置误差会像滚雪球一样越来越大。IMU很少单独用于室内定位却是融合方案里不可缺少的一路数据。机器人的轮式里程计加IMU是导航系统在信号丢失时最后的救命稻草。IMU的选型也很讲究消费级IMU和工业级IMU价格差几十倍零偏稳定性差很多如果项目对定位连续性要求高不能只看低成本方案。地磁定位利用的是室内钢筋混凝土结构会固化出非均匀磁场分布这个特性。每个位置的磁场强度组合都不一样采集后形成“地磁场指纹图”通过匹配定位精度大概在1到3米。我第一次听到地磁定位也觉得不靠谱直到手机芯片里普遍集成了磁力计才意识到它最大的优势是零部署成本——手机传感器已经有了运营商要做的只是采集和管理指纹库。它的硬伤是室内金属结构变化比如移动货架、开关大型设备会影响磁场分布指纹库需要定期更新。气压计不能单独完成平面定位但它能非常有用地提供高度信息。在多层楼宇里无线定位只能告诉你在哪根柱子附近气压计可以告诉你在几楼因为每层楼之间气压差对应的海拔变化是稳定可测的。现代手机和很多IoT标签里都有气压传感器在做楼宇内人员定位时加一路气压数据可以从“2D定位”升级成“3D定位”成本几乎可以忽略。2.4 空间环境感知视觉、激光雷达视觉定位Visual SLAM通过摄像头连续拍摄图像提取图像特征点然后估计摄像头在空间中的运动轨迹。单目摄像头便宜但存在尺度不确定性双目和深度相机可以直接测出深度定位精度能做到厘米级同时还能输出环境纹理。视觉方案最大的拦路虎是光照一致性。白天光照充足时效果很好一到夜间或强逆光环境特征点数量骤降定位就开始飘。视觉定位的另一个隐性问题是算力消耗一秒钟处理几十帧图像对嵌入式主控的压力不小很多项目为此得单独加一块AI算力板。激光雷达定位是目前高精度机器人导航的事实标准。2D激光雷达用旋转光速扫描周围环境通过匹配当前激光帧与地图来推算位置精度可以到毫米级到厘米级且不受环境光影响。2D激光雷达价格已经降到千元级3D激光雷达仍然偏贵主要用于室外或复杂地形机器人。激光定位在室内看似完美但最怕“雨雾尘土”和“高动态人流”。AGV跑在仓库里周围有人员频繁走动激光点云里会多出很多噪点定位质量会波动。实践中通常要配合轮式里程计和使用动态物体过滤才能保持稳定。3. 横向对比十一张牌摆上桌怎么选才有章法3.1 核心指标对比表我习惯把选型指标分成七列原理、典型精度、覆盖范围、部署复杂度、硬件成本、功耗、典型应用。整理成一张表看最直观方案技术原理典型精度覆盖范围部署复杂度硬件成本标签功耗典型应用UWB电磁波飞行时间10-30 cm50-150 m中需锚点时间同步高中AGV、机器人对接、工业定位WiFiRSSI/指纹/CSI1-5 m100 m/AP低复用AP低低商场导流、仓储区级管理蓝牙BLERSSI/AoA测角0.5-3 m50-100 m中中极低人员定位、资产追踪RFID近场耦合/反向散射区域级-1 m0.1-50 m低低无源/有源资产盘点、产线工序超声波声波飞行时间1-10 cm5-20 m高密集探头中低实验跟踪、医疗定位红外光直线传播0.3-3 m10-30 m高中极低机器人对接、触发唤醒可见光VLC光编码调制0.5-2 m3-10 m/LED中高需改造灯中无特殊标签展厅、商场IMU惯性积分/航位推算短期好、长期漂移不限低低低融合定位、信号丢失补偿地磁磁场指纹匹配1-3 m不限低复用手机极低极低室内导航、人员定位气压计气压差换算高度0.5-2 m高度楼层范围极低极低极低多层楼宇楼层判断视觉特征点/深度图像厘米级取决于视野中中较高算力机器人VSLAM、AR激光雷达激光扫描点云匹配毫米-厘米级20-100 m中高高算力AGV、无人车、AMR3.2 表格之外必须懂的三句话第一别拿“实验室最佳值”当项目验收目标。UWB厂商标榜的10厘米精度是在无遮挡、锚点几何构型理想、标签朝上天线的条件下测出来的。实际仓库里人员走动、金属货架反射、多标签并发P95误差能比标称值翻一倍这是正常的。第二覆盖范围、部署数量和成本三者强相关。WiFi和蓝牙的覆盖范围看似很大但定位要的是高重叠覆盖锚点密度决定信号交汇几何太稀会直接在某个方向出现误差放大。第三功耗决定了物联网项目能不能活过“维护期”。UWB标签功耗比BLE高很多如果做人员/资产定位换电池的人工费会迅速超过设备采购费。这也是为什么很多物联网平台型项目选蓝牙而机器人单机项目选UWB。4. 机器人与物联网的选型逻辑差异同一种传感器两套玩法4.1 机器人要的是“绝对坐标连续位姿”机器人导航的底层要求是在已知地图里回答“我在哪里、角度朝向如何”。它要求的是一个包括x、y、偏航角在内的完整位姿而且这个位姿需要随时间连续输出不能跳变。激光SLAM或者视觉SLAM天然提供这种能力所以底盘类机器人全部默认优先考虑激光或视觉方案。UWB在这种场景里的定位不是替代者而是“修正器”。当机器人进入长走廊、动态人流多的环境激光匹配退化时UWB锚点能给出一组绝对距离约束让机器人从“我大概在这个位置”变回精确坐标。轮式里程计和IMU提供短时连续的预测UWB/激光提供绝对观测再做卡尔曼或因子图融合整个系统才会稳。4.2 物联网要的是“状态变化低成本海量终端”物联网定位的典型问题不是“机器人在哪”而是“这一万个资产分别在哪”。它的核心约束是终端成本、电池寿命和部署维护成本。此时你关心的是每一件资产是否在希望的区域而不是它的坐标是否精确到10厘米。我在一个仓储资产盘点项目里选了RFID加蓝牙组合资产端绑无源RFID标签做全库快速盘点人员端用蓝牙AoA做实时定位。RFID解决“这东西在不在库”蓝牙解决“这个人现在在哪个安全区域”。如果一开始就上UWB标签和基站的硬件成本会直接让预算翻三倍。4.3 典型融合架构从原始数据到可用坐标无论是机器人还是物联网实用系统都不是单传感器单打独斗而是多源融合。融合数据流长这样原始数据层里程计、IMU角度加速度、UWB测距、激光/视觉位姿前端处理层异常值剔除、坐标变换、时间戳同步状态估计层扩展卡尔曼滤波EKF、无迹卡尔曼滤波UKF、因子图优化输出层位姿消息、地图匹配、业务告警EKF的更新部分可以简化为预测和更新两步预测 x̄ A x B u P̄ A P Aᵀ Q 更新 K P̄ Hᵀ (H P̄ Hᵀ R)⁻¹ x x̄ K(z - H x̄) P (I - K H) P̄别被公式吓住这里面的灵魂是Q和R两个噪声协方差矩阵Q是“运动模型有多不可信”R是“传感器测量有多不可信”。调试融合效果时最常做的就是把这两组参数来回调。信任传感器多一点就减小R信任运动预测多一点就减小Q。很多项目标定融合参数时最耗时间的就是找锚点的噪声方差和机器人的运动噪声方差。5. 项目落地最容易翻车的四个细节5.1 锚点和基站部署不是“立个杆就完事”UWB和蓝牙AoA这类定位系统精度极其依赖锚点的空间几何分布。最怕锚点装成一条直线或者贴着墙面一排这时候目标的位置解算会在法线方向出现巨大误差。经验法则是锚点尽量包围业务区域形成三角形或四边形构型。锚点高度上室内人员定位建议装到2.8米到3.5米避开高度在1.5米左右的常见遮挡物机器人定位的锚点则需要保证与机器人天线高度大致匹配不要装得太高。还要注意远离金属货架和大功率电机我见过一个车间里UWB定位一接近变频器就偏出半米的情况排查半天才发现是强电磁干扰。5.2 指纹库从来不是“录一次用三年”WiFi指纹、地磁指纹这类方案采集环节的成本容易被严重低估。楼层面积每增加一万平方米指纹采集人工工时就会从“一个周末”变成“好几个工作日”。而且指纹库有保质期布局变化、大件金属移动、AP更换、人流量密度变化都会让老指纹失效。我在一个商场项目里踩过这个坑后养成了两个习惯一是在布点阶段就把指纹采集密度和更新周期写进运维SOP二是采集时覆盖早中晚不同时段让指纹样本里天然包含人员密度变化的分布。RF信号在人体含水量高的区域衰减更明显同一位置早晚的RSSI能差好几个dBm。5.3 滤波调优不要上来就上“重武器”很多工程师做融合定位第一步就想上因子图和深度学习这是典型的过度设计。在实际数据噪声能接受的情况下扩展卡尔曼滤波已经够用只有在多传感器信息严重非线性、或者需要批量优化多条轨迹时才值得引入因子图。调试顺序建议是先只用里程计跑一遍看航向漂移有多快再叠加激光或UWB的绝对观测看收敛性如何最后才把IMU和视觉加进去。每加一路传感器都要在日志里记录它对定位结果的影响这样出问题时能快速定位是哪一路数据带偏了系统。5.4 精度验收要按P95来测而不是看平均误差项目验收时最容易扯皮的就是精度指标。厂商标称往往说的是平均值或理想环境最优值而实际业务关心的是“百分之九十五的时间里误差不超过多少”。同一个系统平均误差20厘米P95误差完全可能到60厘米以上因为偶尔的多径毛刺和人员遮挡会把误差尾巴拉得很长。合同里写验收标准时我会明确要求“在业务区域内沿设定路径往返测试统计P50和P95误差”并且预留环境因素说明空间。别嫌这个动作较真——一个定位系统上线后最大的风险不是技术不行而是验收时说不清“合格”和“不合格”的边界。6. 如果重新设计一套定位系统我的优先级是从需求反推方案做过几个完整项目之后我的选型顺序已经固定下来了先问三个问题——项目要连续轨迹还是区域事件终端能不能频繁充电现场有没有现成的网络和电力资源要连续轨迹且预算充足激光雷达为主、UWB为辅、IMU兜底只要区域事件且终端海量蓝牙或RFID足够如果连部署新基站的预算都没有那只能靠WiFi指纹或者手机内置的地磁传感器做相对粗糙的大范围定位。把这套思路带进你的项目里至少能避免“买最贵的技术堆出最不合适的结果”这种最常见的坑。