AGV搬运机器人常用传感器应用简介及其原理

雷达

#揭秘雷达如何实时锁定高速目标！

激光雷达是一种通过发射激光束探测目标信息的传感器系统。其核心原理为：向目标发射激光并接收反射信号，通过计算激光往返时间确定目标距离；同时设备高速旋转进行360度扫描，收集密集的点云数据（物体表面坐标集合），实时构建环境的二维/三维数字模型。该系统可精确测量目标的位置、速度、形状等多种参数，广泛应用于自动驾驶、测绘等领域。

激光雷达内部技术与特点如下表所示：

(1)点云数据是激光雷达在扫描范围内探测到的所有物体表面点的集合。每个点包含两类核心信息：

①.反射率特性

●数值范围：0-255

●漫反射物体：0-150（对应反射率0%-100%）

●全反射物体：151-255（如金属、玻璃）

●注意：当物体距离Mid-360雷达＜2米时，反射率误差较大，仅能判断全反射/漫反射类型

②.空间坐标

●坐标系类型：直角坐标(x,y,z)或球坐标(r,θ,φ)

●探测有效时：输出真实坐标值

●探测无效时（无物体/超量程＞100m）：

直角坐标：(0,0,0)

球坐标：(0,θ,φ)（保留当前扫描角度信息）

Livox mid-360雷达直角坐标和球坐标的对应关系

(2)激光雷达按线数分类可分为单线激光雷达和多线激光雷达，单线激光雷达是指激光源发出的线束是单线的雷达，获取的是2D平面扫描图；多线激光雷达是指同时发射及接收多束激光的激光旋转测距雷达，市场上目前有4线、8线、16 线、32 线、 64 线和128线之分，多线激光雷达可以识别物体的高度信息并获取周围环境的3D扫描图。如图所示为二维和三维点云的可视化显示。

二维点云的可视化显示 三维点云的可视化显示

#导航为什么总能猜对你想走哪条路？

激光导航是目前AGV系统中普遍采用的导航方式，根据它的导航原理，AGV小车在导航区中可自由行走并精确定位；在导航范围内，小车的行走路径可根据实际要求随时改动，可充分发挥AGV的柔性，提高生产效率。有许多系统需要在现有的场地条件下进行，这时激光导航AGV系统将会显得尤为合适。

(1)激光导航的核心原理可概括为两大原理：

①.建地图（首次学习环境）

●AGV首次启动时，像“用激光笔扫描房间”一样，通过激光雷达全方位扫描周围环境。

●利用 SLAM技术（自主定位+绘图），记录墙壁、设备等固定物体的位置，生成一张环境数字地图。

②.实时定位（导航时找位置）

●AGV移动时，激光雷达持续扫描，实时获取周围环境的“快照”点云数据。

●将实时数据与已存储的地图对比（类似“玩找不同游戏”），通过算法计算出AGV当前的精确位置和朝向。

二维栅格地图实例 三维点云地图实例

(2)激光导航特点：

高精度定位与导航，适合对精度要求严格的场景，如堆叠取放货;环境适应性强，复杂场景有一定兼容性，可应对光照变化、轻微地面不平整等干扰，但需避免强光直射激光雷达，可能影响测距精度；无固定路径限制，不同于磁导或二维码导航，激光导航无需预埋磁条或铺设标签，通过软件即可自由修改路径;高智能化与扩展性，多车协同，通过中央调度系统共享地图和实时位置信息，实现多AGV协同作业，如交叉路径避让、任务分配。

对比其他导航方式如表所示：

#遇障碍秒躲的AI条件反射是如何炼成的？

(1)激光避障原理

通过激光雷达实时扫描生成环境点云数据，先用智能算法将相邻点云聚集成障碍物团块，区分静态物体（位置不变）和动态物体（位置变化，可预测轨迹）；同时结合多个雷达的同步扫描数据，统一以车身为中心分析周围环境，车体外的所有点云均标记为障碍物，实时规划安全路径避开危险。

(2)避障类型

单线激光雷达（如SICK TIM系列）：低成本，用于平面2D避障。

多线激光雷达（如Livox Mid360, Velodyne VLP-16）：3D避障，检测空间高度信息，防止低矮或悬空物体。

(3)避障雷达安装位置

主要为车头/车尾主避障、车身两侧侧向防护、顶部全局监控，如图所示。车头车尾一般安装在车体的四个角上，且雷达正前方向外倾斜。车身两侧侧向防护一般以四个角上的雷达扫描范围即可覆盖。顶部全局监控一般将导航雷达同时用作避障。

以雷达正前方为0度，覆盖车身边缘的范围为正负135度，但由于车体干涉，需要将靠近车体的部分滤除，因此FOV范围一般设定为正负120度。叉间一般只检测单线无角度避障。

2d雷达避障一般安装位置与覆盖范围

(4)360度空间环绕避障:

需通过2d与3d雷达安装位置确保扫描范围整体覆盖车身周围一圈。

3d雷达以mid360为例，需已知其坐标定义和最大覆盖扫描范围，如图所示。

默认方案为：车头前导航雷达下侧竖装或向上斜装一个3d雷达，车身两侧竖装或向上斜装各一个3d雷达，车身后侧货叉下面竖装或向上斜装一个3d雷达，叉间采用光电IO避障。

(5)技术优势与局限性

优势：高精度：毫米级测距精度，远高于超声波或红外。抗干扰：不受环境光、灰尘、电磁场影响（相比视觉传感器）。快速响应：扫描频率通常10Hz~50Hz，适合高速AGV（≥1.5m/s）。

#电子版“第六感”：如何为搬运机器人看风听雨？

(1)激光感知原理概述：

通过3D雷达获取点云数据后，先过滤灰尘、玻璃反光等干扰信息，再利用智能算法提取货架边缘、墙角、托盘叉孔等关键结构特征，最终将目标物体精确映射到坐标系中，输出位置姿态信息并构建带语义的局部环境地图，实现“看清物体+理解场景”的智能感知。

(2)托盘识别与定位

海豚之星机器人托盘识别与定位

(3)叉取对齐

(4)自动堆叠

海豚之星机器人自动堆叠

(5)技术优势与局限性

优势：高精度：激光测距精度可达±1mm，满足工业级托盘操作需求。抗环境光干扰：相比视觉方案，激光不受光照变化影响。实时性强：扫描频率10Hz~50Hz，适合高速物流场景。

局限性：成本高：激光雷达价格显著高于超声波，尤其多线雷达。特殊材质影响：黑色吸光物体或镜面反射物体可能降低检测可靠性。计算复杂度：实时点云处理需较高算力（需嵌入式GPU或专用处理器）。

相机

#ToF怎样用光波实现毫米级「隔空测量」？

Time-of-Flight（ToF）是三大主流3D成像技术之一（另两种为结构光与双目立体视觉）。其原理是通过发射近红外光并计算光线往返时间，直接获取物体的距离信息（深度）。相较于其他技术，ToF具有计算简单、抗干扰强、远距离测量的优势，因此被广泛应用于手机后置摄像头（如华为/OPPO/苹果）、工业自动化、AGV导航和机器人抓取等领域。

(1)dtof

dToF（直接飞行时间测距）由三大核心组件构成：

①VCSEL：发射纳秒级激光脉冲；

②SPAD（单光子雪崩二极管）：可检测单个光子级的反射光信号；

③TDC（时间数字转换器）：精确记录光脉冲往返时间。

其工作原理为：单帧内发射接收N次脉冲，通过TDC记录每次飞行时间并生成直方图，取最高频时间t计算深度（d=ct/2）。此技术通过统计优化显著提升抗干扰能力，实现高精度深度测量。

单像素记录的光飞行时间直方示意图

dToF的原理看起来虽然很简单，但是实际能达到较高的精度很困难。除了对时钟同步有非常高的精度要求以外，还对脉冲信号的精度有很高的要求。普通的光电二极管难以满足这样的需求。而dToF中的核心组件SPAD由于制作工艺复杂，能胜任生产任务的厂家并不多，并且集成困难。所以目前研究dToF的厂家并不多，更多的是在研究和推动iToF。

(2)itof

iToF的概念和dToF相对应，全称是indirect Time-of-Flight，直译就是间接光飞行时间。所谓间接，就是指iToF是通过测量相位偏移来间接测量光的飞行时间，而不是直接测量光飞行时间。iToF向场景中发射调制后的红外光信号，再由传感器接收场景中待测物体反射回来的光信号，根据曝光（积分）时间内的累计电荷计算发射信号和接收信号之间的相位差，从而获取目标物体的深度。如图所示。

iToF成像原理示意图

iToF模组的核心组件包含VCSEL和图像传感器。VCSEL发射特定频率的调制红外光。图像传感器在曝光（积分）时间内接收反射光并进行光电转换。曝光（积分）结束后将数据读出，经过一个模拟数字转换器再传给计算单元，最终由计算单元计算每个像素的相位偏移。iToF计算深度的方式通常是采用4-sampling-bucket算法，利用4个相位延迟为0°，90°，180°和270°的采样信号计算深度。如图所示。

连续波调制方式测相位偏移原理示意图

(3)深度图生成

双目立体视觉通过左右摄像头同步拍摄物体，利用视差（图像中物体的位置差）计算深度，类似人眼的距离感知；而ToF相机则直接记录每个像素的飞行时间距离值，生成高分辨率深度图（如640×480），结合RGB摄像头可构建彩色3D点云，两者均为3D环境建模的核心技术。

视差原理示意图深度图计算公式：

无论是更大的基线距离还是更大的焦距，都会在相同视差下产生更深的深度，这意味着深度精度会更好。焦距是相机透镜和图像传感器之间的距离。焦距越大，FOV越窄。因此，为了获得远距离深度感知，您可以增加基线距离和/或减小FOV。

深度相机成像方式对比如表所示：

#Tof相机在AGV领域的应用：

(1)避障与安全防护

动态避障：实时检测5m内的障碍物（如人员、叉车、货架），触发减速或急停。多级安全区域（如：1m外预警，0.3m内急停）。低矮障碍检测：检测地面上的托盘、货箱等，防止AGV碰撞或碾压。

(2)托盘识别与叉取

托盘定位：通过深度图识别托盘叉孔位置，精度可达±3mm。适应不同托盘类型（木制、塑料、金属）。自动叉取：结合AGV运动控制，调整叉臂位姿，确保精准插入。

黑色托盘的tof相机检测结果如下图所示，depth为深度图，RGB为彩色图，PointCloud为点云数据，将原始点云通过感知算法处理，最终输出托盘相对于车体中心的二维位姿。

堆叠检测：测量货物高度，确保多层堆叠稳定性。

体积测量：计算包裹尺寸（长×宽×高），用于物流分拣。

#ToF相机的技术优势

其他传感器

#超声传感器

1.原理：发射40kHz-200kHz超声波脉冲，接收反射信号计算距离。

2.应用：

●AGV避障/到位检测：典型波束角15°~30°（远距覆盖广，精度低）；

●透明物体检测（玻璃/亚克力）；

●多设备需防串扰，盲区（5-20cm）需红外/激光补足。

3.优点：

●抗光/粉尘/雾气干扰，适应工业复杂环境；

●成本极低（单价10~100元），寿命长（>10万次）；

●非接触无磨损。

4.缺点：

●精度低（±1~5cm，温湿度影响），需多传感器融合；

●动态响应慢（50~100ms），不适用高速场景（>1.5m/s）；

●多径反射干扰，依赖算法（如RANSAC）滤噪。

#惯性测量单元（IMU）

1.原理：

●由陀螺仪（测量角速度）和加速度计（测量线性加速度）构成，部分集成磁力计辅助航向校准；

●通过姿态解算与滤波算法（如卡尔曼滤波）输出欧拉角。

2.应用：

●AGV导航：融合编码器数据补偿航向漂移，提升定位精度；

●动态姿态控制：实时监测货叉俯仰/翻滚角，调整货物姿态；

●无基础设施定位：隧道、室内等无GPS场景的自主导航。

3.优点：

●完全自主，不依赖外部信号（GPS/反光板）；

●高频更新（可达1kHz），实时性强；

●抗光照/粉尘/电磁干扰（磁力计除外）。

4.缺点：

●累积误差：陀螺仪漂移需多传感器（视觉/里程计）融合校正；

●校准依赖：开机需静止校准零偏，定期维护；

●初始对准：启动时需水平静止或已知姿态初始化。

#拉线编码器

1.原理：通过机械传动与编码器结合实现位移测量：拉线（钢丝/纤维）随物体移动伸缩，带动内部编码器旋转，将位移转换为电信号（公式：位移=编码器分辨率×脉冲数×轮周长）

2.应用：包括AGV货叉精密控制（±1mm精度）、斜坡车身调平及集装箱吊具校准；

3.优势：为超高精度（±0.01mm）、抗干扰（耐粉尘/电磁）、长行程（达50m）和灵活安装；

4.不足：在于机械磨损需定期维护、高速运动易抖动（>1m/s），且仅支持单向测量，多自由度需多设备组合。

#光电测距传感器

1.原理：发射红外光并检测反射强度，距离越近反射信号越强（无精确距离值，仅阈值判断）。

2.应用：一般用于简单避障或到位检测。

3.优点：成本极低。非接触测量：避免机械磨损，寿命长。高速响应：毫秒级检测。抗电磁干扰：适合工业复杂环境。

4.缺点：受物体颜色、表面材质影响大。光学干扰：强光、镜面反射、透明物体会影响精度。测距范围限制，一般测距极限值远低于激光。

原文：海豚之星机器人官网（aiten.com)

审核编辑 黄宇