传感器的数量在整个地球表面和人们生活周遭空间激增，提供世界各种数据讯息。这些价格亲民的传感器是物联网发展和我们的社会正面临数字化革命背后的驱动力，然而连接和获取来自传感器的数据并不总是直线前进或那么容易。本文将介绍传感器技术指标、5大设计技巧及代工企业。 首先技术指标是表征一个产品性能优劣的客观依据。看懂技术指标，有助于正确选型和使用该产品。传感器的技术指标分为静态指标和动态指标两类：静态指标主要考核被测静止不变条件下传感器的性能，具体包括分辨力、重复性、灵敏度、线性度、回程误差、阈值、蠕变、稳定性等；动态指标主要考察被测量在快速变化条件下传感器的性能，主要包括频率响应和阶跃响应等。

越来越多的行业正在寻找一种不使用传感器测量物理量（压力、温度……）的方法。 这种方法便是软传感器。 而软件传感器的挑战在于：如何在不测量物理量的情况下获得其值？

如果说互联网是以“人的需求”为中心构建的，那么物联网，则真正实现将人与万物并列，实现人与物，物与物的网络沟通。

如何在灾难救援中，精准定位受困人员的位置？如何在无人机操作中，提高系统精度？如何在人机交互中，更好的实现动作检测和姿势识别？如何在自动驾驶中，做到更精确的自主导航…种种场景中，都离不开MEMS惯性传感器的作用。 MEMS技术拥有非常广阔的市场前景，特别是进入物联网时代，由于应用场景种类繁多，再加上产品生产技术的多样化，为企业带来了巨大的发展机遇。从我国MEMS各产品市场占比来看，MEMS惯性传感器占有超过30%的份额惯性传感器是针对物理运动做出反应的器件，如线性位移或角度旋转，并将这种反应转换成电信号，通过电子电路进行放大和处理。其中，加速度计和陀螺仪是最常见的MEMS惯性传感器，加速度计是敏感轴向加速度并转换成可用输出信号的传感器；陀螺仪则是能够测量敏感运动体相对于惯性空间的运动角速度的传感器。此外，MEMS惯性组合测量单元由于可以实现组合导航、减少误差，也广泛应用于需要运动控制的设备上。MEMS惯性传感器在1990年代开始规模应用在汽车工业和国防工业，20世纪初开始应用于手机等消费电子领域，物联网有望引领下一波增长浪潮。

传感器融合是一种将多个物理传感器组合起来以产生准确“真实”的测量结果的技术，即使每个传感器本身可能都不可靠。 “什么是真的？”这就是传感器融合应该回答的核心问题。 传感器远不是完美的装置，在某些条件下，甚至会发生错误测量结果。 那么，我们如何应对不完美的传感器呢？ 我们可以增加更多的传感器，因为传感器越多，盲点越小。但是为了处理由此产生的大量模糊性数据，相应的数学处理变得更加困难。而现代的传感器融合算法的出现，就刚好解决了多个传感器数据处理的问题。

视觉传感技术是传感技术七大类中的一个，视觉传感器是指通过对摄像机拍摄到的图像进行图像处理，来计算对象物的特征量（面积、重心、长度、位置等），并输出数据和判断结果的传感器。视觉传感器是整个机器视觉系统信息的直接来源，主要由一个或者两个图形传感器组成，有时还要配以光投射器及其他辅助设备。视觉传感器的主要功能是获取足够的机器视觉系统要处理的最原始图像。