1. 课程导入
自主移动机器人（AMR）走进仓库、产线和公共空间后，最先被追问的往往不是“它能跑多快”，而是“它会不会撞到人、撞到货、撞到设备”。安全避障与传感器集成，正是决定 AMR 能否从演示样机走向规模化部署的分水岭。本课程围绕“感知—决策—控制—验证”这条主线展开，帮助你建立一套可落地的工程方法：既理解传感器为什么这样选、这样装、这样标定，也能把避障策略写进控制器，并用测试数据证明它真的安全。
核心概念：从“传感器”到“安全功能”
AMR 的安全避障不是单一算法，而是一条信号链。传感器把物理世界转换为电信号或数据帧，经过驱动与时间同步进入计算单元；感知模块完成滤波、标定、坐标变换、地面分割与障碍物检测；决策模块根据障碍物距离、相对速度、机器人运动学约束，输出速度指令或停车指令；控制模块执行指令并反馈实际状态；安全模块则独立监控急停、限速、区域切换等条件。任何一个环节的延迟、误检或漏检，都可能让“避障”变成“撞障”。
因此，本课程会反复强调三个工程概念。第一是覆盖范围：传感器视场角、安装高度、盲区与最小检测距离必须覆盖机器人所有运动方向。第二是响应时间：从障碍物出现到机器人停止的总时间，必须小于安全距离除以最大速度。第三是功能安全：急停、安全限速、安全区域等应由独立于主控的链路保障，不能只依赖上层算法“尽量不撞”。
方法流程：一次避障从触发到恢复
把上面的框架落到一次具体避障事件，可以拆成七步。第一步，传感器采集原始数据，激光雷达输出点云，深度相机输出深度图，防撞条输出开关量。第二步，驱动层完成时间戳对齐与坐标变换，把不同传感器的数据统一到机器人本体坐标系。第三步，感知算法做地面分割、噪声滤除和障碍物聚类，得到障碍物的位置、尺寸与速度估计。第四步，决策模块判断障碍物是否进入减速区、停车区或绕行区，结合全局路径生成局部目标。第五步，控制器输出速度指令，同时安全 PLC 监控急停、限速与区域状态。第六步，执行机构驱动电机与制动器，机器人减速、绕行或停车。第七步，障碍物消失后，系统按恢复策略重新规划路径，并记录事件日志用于复盘。
# 典型避障参数配置片段（示意）
safety:
max_speed: 1.2 m/s
warning_distance: 1.5 m
slow_down_distance: 0.8 m
stop_distance: 0.35 m
emergency_stop_distance: 0.15 m
sensors:
lidar_front:
type: 3d_lidar
fov: 120°
range: 0.1~30 m
depth_camera:
type: rgbd
fov: 86°
range: 0.3~5 m
bumper:
type: safety_edge
response_time: 20 ms
案例与场景：从仓储到产线
在仓储场景中，AMR 常在窄通道与托盘搬运区运行，货架、叉车、行人混行。此时激光雷达负责中远距离建图与定位，深度相机补盲低矮障碍物，防撞条作为最后一道物理保护。在产线场景中，AMR 需要与机械臂、AGV、输送线协同，安全区域会随工位切换，安全 PLC 与区域扫描仪配合实现动态限速。在公共空间如医院、商场，行人行为不可预测，避障策略更强调减速让行、声光提示与远程接管。不同场景对传感器组合、安全距离和响应时间的要求差异很大，这也是本课程后续章节会逐一展开的内容。
| 场景 | 主要风险 | 推荐传感器组合 | 关键指标 |
|---|---|---|---|
| 仓储窄通道 | 货架遮挡、叉车突然出现 | 3D LiDAR + 深度相机 + 防撞条 | 盲区≤0.2 m，停车距离≤0.35 m |
| 产线协同 | 机械臂干涉、区域切换 | 安全激光扫描仪 + 安全 PLC | 响应时间≤100 ms，区域切换可靠 |
| 医院/商场 | 行人突然横穿、儿童低矮 | 深度相机 + 超声波 + 声光警示 | 减速让行，最小安全距离≥0.5 m |
| 室外园区 | 强光、雨雾、地面不平 | 多线 LiDAR + IMU + 毫米波雷达 | 抗干扰，误检率低，定位稳定 |
常见误区与复盘要点
复盘时建议围绕四个问题展开：这次避障是传感器先发现，还是防撞条触发？从发现到停止用了多少毫秒？障碍物是否在预期区域内被识别？如果换成行人突然横穿，系统是否仍能安全停车？把这些问题变成测试用例，才能让 AMR 的安全能力持续可验证、可改进。