上一篇聊了工业场景的运动控制——扛着重物在工厂里走。这篇聊支撑这些运动决策的感知基础：多传感器融合。在展厅里机器人看错了最多是走错方向或者撞到一个展台，但在工厂里看错了可能跟叉车正面碰撞——工厂环境对感知系统的可靠性要求比服务场景高一个数量级。开普勒的多传感器融合工程师面试核心考的是激光+视觉+IMU的融合方案设计和工业场景下的感知鲁棒性。面试官的开场问题直击痛点："工厂车间里有焊接产生的弧光、有叉车排出的尾气、有传送带扬起的粉尘。这些对激光雷达和相机各有什么影响？"各传感器的优势和短板面试官问："先不说融合，你分别讲讲激光雷达、深度相机和IMU在工厂场景里各自的问题。"激光雷达在工厂里最大的问题是粉尘和尾气——空气中悬浮的颗粒物会被激光打到并反射回来，在点云里产生大量的虚假点（ghost points）。这些虚假点看起来像障碍物，但实际上是空气里的灰尘，导航系统如果信了就会频繁误停。另一个问题是反光面——工厂里有很多金属表面（货架、设备外壳），金属的镜面反射会导致激光束被反射到其他方向，产生测量错误或者丢点。深度相机（以结构光或ToF原理为主）在工厂里的问题更多。弧光和强光是结构光方案的克星——焊接弧光的亮度远超结构光的投射亮度，相机传感器会被"致盲"（过曝），在弧光持续期间完全无法获取深度数据。ToF方案受强光影响小一些，但对反光面同样头疼——金属表面的ToF测距要么测不到（光被反射走了）要么测错（多次反射导致距离偏大）。另外深度相机的有效距离通常不超过5-6米，远距离感