4、人形检测技术概述：人形检测的目标、常用传感器及基本工作原理

在协作机器人（Cobot）的安全体系中，人形检测是构建动态风险感知能力的第一道技术关口。与传统的安全围栏或光栅不同，协作机器人需要在一个非隔离的、人机共享的空间中运行，因此系统必须具备“感知到人”的能力，并根据人与机器人的相对位置、运动趋势来实时调整机器人的行为（如减速、停止或绕行）。本章将深入解析人形检测的目标定义、三大类主流传感器（摄像头、激光雷达、深度相机）的工作机理，以及它们在工程落地中的融合策略与典型误区。

4.1 人形检测的核心目标与安全语义

人形检测并非简单的“识别出画面中有人”，而是要在工业场景中回答三个关键问题：人在哪里？人正在做什么？人与机器人之间的安全距离是否被突破？从安全工程的角度看，人形检测的目标可以拆解为以下四个层次：

• 存在性检测：在机器人的工作空间内（通常为协作半径3-5米），判断是否存在人体。这是最基础的布尔逻辑，用于触发安全状态机的切换。
• 定位与测距：获取人体在机器人基坐标系下的精确三维坐标（x, y, z），并计算人体表面最近点与机器人末端执行器或本体之间的欧氏距离。该距离是限速区域划分的直接依据。
• 运动状态估计：通过连续帧数据计算人的移动速度、加速度和运动方向。例如，当人背对机器人快速远离时，风险等级较低；而当人面向机器人快速靠近时，系统需提前进入减速或停止模式。
• 身份与意图识别（高级）：区分操作员与旁观者，甚至通过骨骼关键点识别手势指令（如抬手示意暂停）。这一层在复杂人机协作场景中尤为重要，但计算开销较大。

在安全PLC（可编程逻辑控制器）的编程中，上述目标最终会映射为具体的安全等级。例如，ISO 10218-1和ISO/TS 15066标准中定义了四种协作模式，其中“速度与距离监控”（Speed and Separation Monitoring, SSM）模式直接依赖人形检测的精度和响应时间。如果检测延迟超过100ms，可能导致安全距离计算失效，从而引发碰撞风险。

4.2 常用传感器技术原理与对比

没有任何单一传感器能在所有工况下完美胜任人形检测。实际工程中，通常采用多传感器异构融合的方案。以下对三种主流传感器进行深入剖析。

4.2.1 2D摄像头：纹理与外观的“眼睛”

2D摄像头（单目或双目可见光）是最直观的传感器，其工作原理基于光学成像与深度学习目标检测。摄像头捕捉场景的RGB图像，通过卷积神经网络（CNN）模型（如YOLOv5、YOLOv8、SSD、Faster R-CNN）在图像中滑动窗口或基于锚框预测人体边界框。

在协作机器人应用中，2D摄像头通常安装在机器人上方或侧面，俯视或斜视工作区域。其优势在于：

• 丰富的纹理信息，能够区分人与其他移动物体（如AGV小车、料箱）。
• 模型成熟，开源生态完善，易于训练特定场景下的检测器。
• 硬件成本低，普通工业相机即可满足要求。

然而，2D摄像头存在单目尺度模糊的固有缺陷——仅凭图像无法准确计算物体到相机的距离。虽然可以通过标定地面平面假设来估算位置，但一旦人体姿态变化（如弯腰、蹲下），估算误差会急剧增大。此外，光照变化、反光、遮挡都会导致检测失败。

4.2.2 激光雷达：几何轮廓的“触须”

激光雷达（LiDAR）通过发射激光束并测量反射时间差（ToF）来获取周围环境的精确三维点云。在协作机器人场景中，常用的是2D单线激光雷达（如SICK、Hokuyo品牌）或3D多线激光雷达（如Velodyne、Ouster）。

其检测人形的原理并非“识别”，而是几何特征聚类：

1. 将扫描得到的点云按距离阈值进行欧几里得聚类，分割出独立的物体。
2. 对每个聚类计算几何特征（如宽度、深度、轮廓曲率）。人的腿部在2D激光扫描中通常表现为两个相邻的小圆弧（双腿），躯干则表现为较宽的直线段。
3. 通过模板匹配或机器学习分类器（如随机森林）判断该聚类是否为人。

激光雷达的突出优点是不受光照影响，在黑暗、强光、烟雾环境下依然稳定工作，且测距精度高（±2cm）。但其缺点也很明显：无法获取颜色和纹理信息，难以区分“人”与“形状相似的立柱或料箱”；稀疏点云在远距离时（>10m）可能无法形成有效聚类。

4.2.3 深度相机：三维结构的“立体眼”

深度相机（如Intel RealSense、Microsoft Kinect、Orbbec）结合了摄像头与激光测距的优势，能够同时输出RGB图像和逐像素的深度图（Depth Map）。其工作原理主要有三种：

• 结构光法：投射红外光斑图案，通过图案畸变计算深度。适合室内短距离（0.2-3m），但易受环境红外干扰。
• 飞行时间法（ToF）：测量红外光脉冲的往返时间，抗干扰能力强，适合中距离（0.5-6m）。
• 双目立体视觉：通过两个摄像头视差计算深度，成本低但计算量大，在纹理稀疏区域效果差。

在获得RGB-D数据后，系统可以直接运行3D人体姿态估计（如OpenPose、MediaPipe）或点云人体分割。深度相机能够提供人体表面每个像素的三维坐标，这使得安全距离计算变得非常直接——只需计算点云中人体点集与机器人包围盒的最小距离即可。

4.3 多传感器融合策略与工程实现

在实际的协作机器人安全系统中，单一传感器往往无法满足ISO/TS 15066对可靠性的要求。因此，工程上普遍采用摄像头+激光雷达或摄像头+深度相机的组合方案。融合的核心在于空间对齐与时间同步。

以“摄像头+2D激光雷达”为例，典型的融合流程如下：

1. 标定：通过联合标定板获取摄像头内参、畸变系数以及激光雷达坐标系到摄像头坐标系的旋转平移矩阵（R, T）。
2. 数据预处理：将激光点云投影到图像平面，生成稀疏深度图；同时将图像检测到的2D边界框反投影到激光坐标系，生成候选区域。
3. 目标级融合：采用“匈牙利算法”对摄像头检测目标与激光聚类目标进行最优匹配。匹配依据包括：投影位置重叠度（IoU）、距离一致性、运动速度一致性。
4. 置信度加权：当两个传感器同时确认目标时，该目标的安全等级置信度最高；若仅单一传感器确认，则降低置信度并扩大安全缓冲距离。

4.4 实战场景拆解：装配岛的人形检测部署

某汽车零部件工厂的协作机器人装配岛，需要实现人机协同上下料。机器人工作半径为1.2m，最大末端速度1.5m/s。现场存在以下约束：

• 环境光照变化剧烈（上午阳光直射，下午阴影遮挡）。
• 地面有反光的金属料箱，容易造成视觉误检。
• 操作员需要频繁弯腰取件，身体姿态变化大。

初始方案与问题：最初仅使用顶部安装的2D摄像头（YOLOv5模型），在逆光时段出现严重漏检（Recall降至72%），导致机器人未及时减速，触发了安全急停，但造成了生产中断。

优化方案：引入2D激光雷达（SICK TiM781）与摄像头融合，并调整部署策略：

1. 将激光雷达安装在机器人底座前方0.5m处，扫描平面高度设为30cm（对准人体小腿位置），以降低料箱反光干扰。
2. 摄像头负责识别“人”的语义类别，激光雷达负责提供精确距离和运动速度。
3. 在融合逻辑中，设定“激光雷达确认+摄像头确认”为最高置信度，安全距离为1.5m；仅激光雷达确认时，安全距离扩大至2.0m。
4. 针对弯腰姿态，增加基于深度学习的“人体关键点”检测，当检测到人体中心点高度低于0.8m时，判定为“蹲姿”，触发更保守的减速策略。

结果对比：融合后，系统召回率提升至98.5%，误报率从每10分钟1.2次降至每8小时0.3次。机器人平均运行速度从0.8m/s提升至1.2m/s（因为误报减少，无需频繁降速），单班产量提升15%。

复盘经验：单一传感器的性能瓶颈往往不在算法而在物理环境。激光雷达对光照不敏感，但需要精心选择扫描高度以避开干扰物；摄像头需要针对特定工位的光照条件做数据增强训练。融合系统的价值在于“互补”，而非“冗余”。

4.5 常见误区与总结复盘

在项目评审和现场调试中，以下误区反复出现，需要特别警惕：

• 误区一：追求“高精度”而忽略“低延迟”。某些深度学习模型在GPU上推理需要80ms，加上图像传输和PLC通信，总延迟可能超过200ms。对于以1.5m/s速度移动的机器人，200ms意味着0.3m的额外制动距离，这可能是致命的。
• 误区二：将检测区域与安全区域混为一谈。检测区域应大于安全区域。例如，安全限速区域为1.5m，则检测区域应至少覆盖3m，以便提前预判人的运动趋势。
• 误区三：忽视传感器的安装刚性。摄像头或激光雷达支架的微小振动（振幅>1mm）会导致空间标定失效，使融合数据错位。必须使用刚性支架并定期重新标定。
• 误区四：认为“有人检测”就等于“安全”。人形检测只是感知层，还需要结合机器人的实时速度、载荷、运动方向进行综合风险评估。例如，机器人满载高速运动时，即使人距离2m，也可能需要急停；而空载低速时，1m距离可能仍然安全。

总结：人形检测技术是协作机器人安全体系中的感知基石。2D摄像头提供语义理解，激光雷达提供精确测距，深度相机提供三维结构信息。工程落地的核心不在于选择“最贵”的传感器，而在于通过合理的融合策略、严谨的标定流程和分层安全架构，将物理世界的风险转化为可量化、可控制的安全距离与速度参数。下一阶段，我们将在此基础上探讨如何利用这些检测数据构建限速区域模型。