一、避障基础概念
什么是机器人避障？
说白了，机器人避障就是让机器人在移动过程中，自己判断前方有没有障碍物，然后绕开它。
听起来很简单对吧？但我刚入行那会儿，还真吃过亏。有一次我做的轮式机器人，明明传感器都装好了，结果它直直地撞上了墙——后来才发现，是超声波传感器的安装角度偏了2度。嗯，细节决定成败。
避障的核心逻辑其实就三步：
- 感知——机器人得知道前面有什么
- 决策——判断该左转、右转还是停下来
- 执行——控制电机或舵机做出动作
你想想看，这跟人走路是一个道理。你看到前面有坑，大脑判断要绕开，腿就动了。机器人也一样，只不过它的「眼睛」是传感器，「大脑」是算法，「腿」是电机。
避障系统的组成
一个完整的避障系统，我习惯把它拆成四个模块：
| 模块 | 作用 | 常见实现 |
|---|---|---|
| 传感器模块 | 采集环境信息 | 超声波、激光雷达、红外、视觉 |
| 数据处理模块 | 过滤噪声、提取障碍物信息 | 卡尔曼滤波、点云处理 |
| 决策规划模块 | 决定避障策略 | VFH、DWA、A*算法 |
| 执行控制模块 | 驱动电机转向/停止 | PID控制器、PWM信号 |
这里我想强调一点：很多人只关注传感器选型，却忽略了数据处理。我在项目中遇到过，明明激光雷达数据很准，但因为没有做滤波，机器人被一个飘过的塑料袋吓得原地转圈。你说冤不冤？
常见传感器简介
超声波传感器
原理很简单：发射一束超声波，等它碰到障碍物弹回来，根据时间差算距离。
优点：便宜、功耗低、不受光线影响。
缺点：精度一般，有盲区，容易受温度影响。
激光雷达（LiDAR）
这个大家应该不陌生。它用激光束扫描周围环境，生成点云数据。
优点：精度高、测距远、角度分辨率好。
缺点：贵、怕灰尘、机械式雷达有寿命问题。
我个人习惯在室外机器人上用激光雷达做主传感器。记得有一次做园区物流车，用的16线激光雷达，效果确实好，但价格也让人肉疼。嗯，预算有限的话，单线雷达也能凑合用。
红外传感器
红外避障传感器发射红外光，根据反射强度判断是否有障碍物。
优点：响应快、体积小、成本极低。
缺点：测距不准、受环境光影响大、只能做有无判断。
视觉传感器（摄像头）
用摄像头采集图像，通过算法识别障碍物。这两年深度学习火了之后，视觉避障越来越流行。
优点：信息丰富、可以识别物体类型、成本相对低。
缺点：计算量大、依赖光照、实时性难保证。
说实话，视觉避障我做得不多，但有一次帮朋友调一个视觉导航的机器人，发现它把地上的影子当成了障碍物——这就是典型的算法没调好。所以视觉方案虽然酷，但坑也不少。
四种传感器对比
| 传感器 | 测距精度 | 成本 | 适用场景 | 我的推荐指数 |
|---|---|---|---|---|
| 超声波 | ±2cm | 低 | 室内、近距离 | ⭐⭐⭐ |
| 激光雷达 | ±1cm | 高 | 室内外、中远距离 | ⭐⭐⭐⭐⭐ |
| 红外 | ±5cm | 极低 | 室内、有无检测 | ⭐⭐ |
| 视觉 | 取决于算法 | 中 | 室内、需要识别物体 | ⭐⭐⭐⭐ |
避障系统的核心逻辑图
下面这张图是我自己画的，帮你理清避障系统的整体流程：
这张图你看懂了吗？数据从传感器进来，经过处理、决策，最后控制电机执行。虚线是反馈回路——机器人执行完动作后，传感器会重新检测环境，形成一个闭环。
核心要点：避障不是一次性的动作，而是一个持续循环的过程。机器人每时每刻都在「感知-决策-执行」这个圈里转。调参的时候，你调整的其实就是这个循环里各个环节的参数。
避坑指南
我曾经踩过的坑：
- 超声波传感器安装角度不对，导致探测盲区过大——后来我养成了「安装后先做标定」的习惯
- 激光雷达在强光下数据漂移——解决方案是加遮光罩或者调整发射功率
- 红外传感器被黑色物体「吃掉」信号——黑色吸光，红外反射弱，机器人会以为前面没东西
好了，这一章的内容就到这里。避障基础概念是后面所有调参工作的地基，地基打不牢，后面全是白费功夫。
我的建议：如果你刚开始接触机器人避障，先别急着调参数。花点时间搞清楚你的传感器特性——它有什么优点、什么缺点、在什么场景下会失效。这一步做好了，后面调参能省一半时间。
可可精品资料库