自主移动机器人传感器技术解析

自主移动机器人(AMR)正被广泛应用于众多行业，旨在简化操作流程，将人类从繁琐的重复性任务中解放出来，使其经验能够更好地应用于更具脑力挑战性的任务。实现自主技术“自主”运行的关键机制之一，在于其能够实时感知周围环境，并根据本地环境的变化做出决策。

这一点同样适用于自主移动机器人。但由于AMR可在设施内自由移动，且其运动与行为依赖于动态环境，因此需要多种传感与监控技术协同工作。AMR内部集成的各类传感器，有助于机器人在设施中移动、规避障碍物、识别需拾取和搬运的负载，并以高度安全性完成任务。本文将探讨确保AMR按预期运行的各种传感器系统。

摄像头/视觉传感器是AMR的“眼睛”

视觉传感器和摄像头是AMR上最为关键的传感器之一，因其模拟了人类的视觉系统，使机器人能够“看见”其所处的本地环境(以及进入的任何新环境)。这些视觉传感器可捕捉、感知并解析AMR本地环境中的光线，将其转换为可分析和处理的数字信号，从而使AMR能够基于其所“见”做出明智决策——这与人类的视觉认知过程类似。

与AMR中使用的其他传感器不同，视觉传感器可以构建其本地环境的图像，因而可识别环境中复杂的特征。所捕获的图像具有高分辨率，也可录制视频，用于识别和检测物体(如危险物品或需要运输的负载)。部分视觉摄像头还具备人工智能(AI)驱动的计算机视觉功能，使AMR能够识别标识、理解视觉提示，并执行需要更高智能水平的任务。

鉴于视觉摄像头的重要性，AMR中使用了多种类型的视觉摄像头：

• 单目摄像头：单目摄像头的工作方式类似于普通摄像头，光线通过光圈进入并投射到成像平面(例如电荷耦合器件)。图像中的畸变被消除并与像素对齐，从而生成一幅类似于人眼观察效果的二维图像。光场摄像头基于单目摄像头设计，但额外集成了微透镜阵列，可提供更精确的深度信息。
  
  
• 立体摄像头：立体摄像头是由两个单目摄像头组成的传感系统，因此能够通过两只“眼睛”更真实地模拟人类视觉。该系统通过结合来自两个摄像头光学中心的距离信息，提供更高级的深度感知能力。
   
• RGBD摄像头：RGBD摄像头可在每个像素上同时提供颜色(RGB)和深度(D)信息，是一种将深度传感器与单目摄像头相结合的系统。集成在RGBD摄像头中的主要深度传感器包括红外结构光传感器(通过投射结构光图案来计算深度)和飞行时间(ToF)传感器(通过测量光脉冲往返所需时间来测定深度)。深度图与RGB图像融合后，生成包含深度与色彩信息的复合图像。
   
• 事件摄像头：事件摄像头记录图像中像素的变化，任何像素的改变都会被标记为一个“事件”。环境信息通过分析图像中像素亮度的变化而生成。

惯性测量单元(IMU)助力AMR移动

IMU是一种电子系统，由陀螺仪(旋转传感器)、加速度计(运动传感器)和磁力计(磁场传感器)组成，使AMR能够追踪自身的运动状态与方向。IMU有助于AMR在环境中成功导航，通常被集成于AMR的内部导航系统中。

IMU内部多种传感器的组合，使AMR能够测量自身的加速度、角速度和方向，且不易受外部干扰影响。在AMR所使用的各项参数中，加速度与角速度是常规测量量；而磁力计的测量使用频率较低，因其在高精度导航任务中的准确性相对不足。

超声波传感器是多功能检测传感器

超声波传感器是一种利用声波进行距离测量的传感器，用于探测附近物体。其工作原理是发射频率高于20kHz的声波，并检测声波撞击物体后反射回接收器的回波信号，从而使AMR能够计算与物体之间的距离，并据此规划行进路径。因此，超声波传感器常用于碰撞规避，通常与其他物体检测传感器——如红外传感器、激光雷达(LiDAR)——一同集成于AMR的传感器阵列中。

超声波传感器在需要精确移动的拥挤环境中尤为有用，其测距方式可分为两种类型：

• 反射式测距：如上所述的物体检测方式，用于AMR的定位与导航，是超声波传感器在AMR中的主要应用形式。
  
  
• 单向测距：用于在特定区域内对AMR进行定位，其中发射器与接收器分别置于不同位置。当接收器接收到发射器的信号后，利用声波的时间、相位及声振动特性，测量两者之间的距离。

红外传感器用于在各种光照条件下检测物体

红外传感器也用于物体检测，同时可作为接近传感器、运动检测器，以及AMR之间的通信手段。其主要功能包括检测周边物体、测量距离，并基于局部热信号对环境进行探测。

红外传感器发射一束红外光——一种位于电磁波谱中可见光与微波之间的电磁波——接收器则测量该光束的强度。光束离开发射源越远，其强度越低。利用这一特性，红外传感器可测量AMR与物体之间的距离，或两个AMR之间的相对距离。

由于使用红外波，这类传感器可同时检测热量与光线，使AMR能够在复杂环境中导航，并在光照条件多变的情况下执行任务。然而，与超声波传感器不同，红外传感器无法用于AMR的定位，因为许多障碍物会阻挡红外信号，导致其无法覆盖AMR在典型A到B路径上进行定位所需的足够距离。

LiDAR传感器：高效且精准的检测系统

LiDAR传感器是AMR中另一类用于物体检测的传感器。LiDAR利用激光束测量周围物体与AMR之间的距离，是导航系统的关键组成部分。在LiDAR系统中，多个激光束从发射器发出，当激光束击中物体后会反射回接收器。

LiDAR通过ToF技术测量激光束的传播距离，并将所有激光束的信息(来自各个发射器)整合为某一区域的点云数据。这些汇总的数据被用于构建局部区域的动态三维模型，使AMR能够以高精度和高效率进行导航与物体识别。

LiDAR使用ToF测量激光束行进的距离，并将所有激光束信息(来自所有发射器)组合成给定区域的点云。(来源：Adobe Stock)

LiDAR模型还可结合AI功能进行增强，这些AI功能通过点云数据训练而成。具备此类能力的AMR，能够在拥挤的工作环境中应对更复杂的交通场景。

此外，LiDAR还可用于AMR的定位，因其能够以高精度测量远距离。LiDAR定位主要通过环境地图来确定AMR的位置。若在运行前未预先建立环境地图，则可采用LiDAR同步定位与地图构建(SLAM)技术，对本地环境进行勘测以获取LiDAR点云，并据此估算AMR的位置。

射频(RF)技术确保AMR定位

除了上述许多传感器兼具物体检测与定位功能外，RF传感技术可专门用于AMR的定位。在RF方案中，信标站被部署在配备AMR的设施周围，用于发射无线电信号。AMR接收这些信号后，即可确定自身位置。

与超声波和红外线不同，无线电波能够穿透门和墙壁，因此可在整个设施范围内追踪AMR，而非局限于局部区域。

AMR主要采用两种RF定位方法：

• 基于几何的定位：通过测量AMR与信标站之间的距离，或计算接收信号的入射角度来确定其位置。常用的定位算法包括到达时间、到达时间差、接收信号强度指示和到达角度，这些算法用于精确测量发射器与接收器之间的距离或信号角度。
  
  
• 指纹定位：将接收到的RF信号与一个包含位置估计值的“指纹”数据库进行比对。该数据库的构建方式是：在区域内的多个采样点部署RF传感器接收站，采集RF信号并记录其参数。数据库建立后，传感器站实时采集无线信号，并与数据库比对，从而确定AMR的位置。

结语

AMR通常集成多种传感器协同工作，以确保其在各种工作环境与条件下高效、安全地运行，并能在执行任务的同时，不妨碍人类员工开展各自的工作。可以说，若无这些传感器，AMR便不会存在，更遑论其他自主技术了。