就避障來說，移動機器人需要通過傳感器實時獲取自身周圍障礙物信息，包括尺寸、形狀和位置等信息。避障使用的傳感器多種多樣，各有不同的原理和特點，目前常見的主要有視覺傳感器、激光傳感器、紅外傳感器、超聲波傳感器等。下面我簡單介紹一下這幾種傳感器的基本工作原理。

超聲波

超聲波傳感器的基本原理是測量超聲波的飛行時間，通過d=vt/2測量距離，其中d是距離，v是聲速，t是飛行時間。由于超聲波在空氣中的速度與溫濕度有關，在比較精確的測量中，需把溫濕度的變化和其它因素考慮進去。

上面這個圖就是超聲波傳感器信號的一個示意。通過壓電或靜電變送器產(chǎn)生一個頻率在幾十kHz的超聲波脈沖組成波包，系統(tǒng)檢測高于某閾值的反向聲波，檢測到后使用測量到的飛行時間計算距離。超聲波傳感器一般作用距離較短，普通的有效探測距離都在幾米，但是會有一個幾十毫米左右的最小探測盲區(qū)。由于超聲傳感器的成本低、實現(xiàn)方法簡單、技術成熟，是移動機器人中常用的傳感器。超聲波傳感器也有一些缺點，首先看下面這個圖。

因為聲音是錐形傳播的，所以我們實際測到的距離并不是一個點，而是某個錐形角度范圍內(nèi)最近物體的距離。

另外，超聲波的測量周期較長，比如3米左右的物體，聲波傳輸這么遠的距離需要約20ms的時間。再者，不同材料對聲波的反射或者吸引是不相同的，還有多個超聲傳感器之間有可能會互相干擾，這都是實際應用的過程中需要考慮的。

紅外

一般的紅外測距都是采用三角測距的原理。紅外發(fā)射器按照一定角度發(fā)射紅外光束，遇到物體之后，光會反向回來，檢測到反射光之后，通過結(jié)構(gòu)上的幾何三角關系，就可以計算出物體距離D。

當D的距離足夠近的時候，上圖中L值會相當大，如果超過CCD的探測范圍，這時，雖然物體很近，但是傳感器反而看不到了。當物體距離D很大時，L值就會很小，測量量精度會變差。因此，常見的紅外傳感器測量距離都比較近，小于超聲波，同時遠距離測量也有最小距離的限制。另外，對于透明的或者近似黑體的物體，紅外傳感器是無法檢測距離的。但相對于超聲來說，紅外傳感器具有更高的帶寬。

激光

常見的激光雷達是基于飛行時間的（ToF，timeofflight），通過測量激光的飛行時間來進行測距d=ct/2，類似于前面提到的超聲測距公式，其中d是距離，c是光速，t是從發(fā)射到接收的時間間隔。激光雷達包括發(fā)射器和接收器，發(fā)射器用激光照射目標，接收器接收反向回的光波。機械式的激光雷達包括一個帶有鏡子的機械機構(gòu)，鏡子的旋轉(zhuǎn)使得光束可以覆蓋一個平面，這樣我們就可以測量到一個平面上的距離信息。

對飛行時間的測量也有不同的方法，比如使用脈沖激光，然后類似前面講的超聲方案，直接測量占用的時間，但因為光速遠高于聲速，需要非常高精度的時間測量元件，所以非常昂貴；另一種發(fā)射調(diào)頻后的連續(xù)激光波，通過測量接收到的反射波之間的差頻來測量時間。

比較簡單的方案是測量反射光的相移，傳感器以已知的頻率發(fā)射一定幅度的調(diào)制光，并測量發(fā)射和反向信號之間的相移，如上圖一。調(diào)制信號的波長為lamda=c/f，其中c是光速，f是調(diào)制頻率，測量到發(fā)射和反射光束之間的相移差theta之后，距離可由lamda*theta/4pi計算得到，如上圖二。

激光雷達的測量距離可以達到幾十米甚至上百米，角度分辨率高，通?？梢赃_到零點幾度，測距的精度也高。但測量距離的置信度會反比于接收信號幅度的平方，因此，黑體或者遠距離的物體距離測量不會像光亮的、近距離的物體那么好的估計。并且，對于透明材料，比如玻璃，激光雷達就無能為力了。還有，由于結(jié)構(gòu)的復雜、器件成本高，激光雷達的成本也很高。

一些低端的激光雷達會采用三角測距的方案進行測距。但這時它們的量程會受到限制，一般幾米以內(nèi)，并且精度相對低一些，但用于室內(nèi)低速環(huán)境的SLAM或者在室外環(huán)境只用于避障的話，效果還是不錯的。

視覺

常用的計算機視覺方案也有很多種，比如雙目視覺，基于TOF的深度相機，基于結(jié)構(gòu)光的深度相機等。深度相機可以同時獲得RGB圖和深度圖，不管是基于TOF還是結(jié)構(gòu)光，在室外強光環(huán)境下效果都并不太理想，因為它們都是需要主動發(fā)光的。

像基于結(jié)構(gòu)光的深度相機，發(fā)射出的光會生成相對隨機但又固定的斑點圖樣，這些光斑打在物體上后，因為與攝像頭距離不同，被攝像頭捕捉到的位置也不相同，之后先計算拍到的圖的斑點與標定的標準圖案在不同位置的偏移，利用攝像頭位置、傳感器大小等參數(shù)就可以計算出物體與攝像頭的距離。而我們目前的E巡機器人主要是工作在室外環(huán)境，主動光源會受到太陽光等條件的很大影響，所以雙目視覺這種被動視覺方案更適合，因此我們采用的視覺方案是基于雙目視覺的。

雙目視覺的測距本質(zhì)上也是三角測距法，由于兩個攝像頭的位置不同，就像我們?nèi)说膬芍谎劬σ粯樱吹降奈矬w不一樣。兩個攝像頭看到的同一個點P，在成像的時候會有不同的像素位置，此時通過三角測距就可以測出這個點的距離。與結(jié)構(gòu)光方法不同的是，結(jié)構(gòu)光計算的點是主動發(fā)出的、已知確定的，而雙目算法計算的點一般是利用算法抓取到的圖像特征，如SIFT或SURF特征等，這樣通過特征計算出來的是稀疏圖。

要做良好的避障，稀疏圖還是不太夠的，我們需要獲得的是稠密的點云圖，整個場景的深度信息。稠密匹配的算法大致可以分為兩類，局部算法和全局算法。局部算法使用像素局部的信息來計算其深度，而全局算法采用圖像中的所有信息進行計算。一般來說，局部算法的速度更快，但全局算法的精度更高。

這兩類各有很多種不同方式的具體算法實現(xiàn)。能過它們的輸出我們可以估算出整個場景中的深度信息，這個深度信息可以幫助我們尋找地圖場景中的可行走區(qū)域以及障礙物。整個的輸出類似于激光雷達輸出的3D點云圖，但是相比來講得到信息會更豐富，視覺同激光相比優(yōu)點是價格低很多，缺點也比較明顯，測量精度要差一些，對計算能力的要求也高很多。當然，這個精度差是相對的，在實用的過程中是完全足夠的，并且我們目前的算法在我們的平臺NVIDIATK1和TX1上是可以做到實時運行。

在實際應用的過程中，我們從攝像頭讀取到的是連續(xù)的視頻幀流，我們還可以通過這些幀來估計場景中目標物體的運動，給它們建立運動模型，估計和預測它們的運動方向、運動速度，這對我們實際行走、避障規(guī)劃是很有用的。

以上幾種是最常見的幾種傳感器，各有其優(yōu)點和缺點，在真正實際應用的過程中，一般是綜合配置使用多種不同的傳感器，以最大化保證在各種不同的應用和環(huán)境條件下，機器人都能正確感知到障礙物信息。我們公司的E巡機器人的避障方案就是以雙目視覺為主，再輔助以多種其他傳感器，保證機器人周邊360度空間立體范圍內(nèi)的障礙物都能被有效偵測到，保證機器人行走的安全性。