一、避障场景概述

1.1 什么是避障？

避障，说白了就是让机器人「看见障碍、绕开它」。

我经常跟团队里的新人说：避障不是让机器人停下来，而是让它在不停的前提下安全通过。你想想看，一个扫地机器人如果只会撞墙才转向，那它跟玩具车有什么区别？

从技术角度讲，避障包含三个核心环节：

• 感知——获取环境信息，知道「前面有东西」
• 决策——判断「往左躲还是往右躲」
• 控制——执行「打方向盘、减速、通过」

这三个环节缺一不可。我在项目里见过不少团队，传感器选得挺好，算法也写得漂亮，结果机器人还是撞墙——为什么？因为感知到决策之间的延迟没处理好。嗯，这里要注意，避障不是单点问题，是系统问题。

1.2 避障在机器人中的重要性

我可以很直接地告诉你：没有避障能力的机器人，就是个「盲人」。不管它导航多精准、路径规划多漂亮，只要遇到动态障碍物，一切归零。

我记得有一次做仓储机器人项目，客户说「我们的通道很宽，不需要避障」。结果呢？叉车临时停靠、工人推着货架经过、纸箱掉在地上……机器人直接卡死。后来我们加装了超声波和激光雷达，问题才解决。

避障的重要性体现在三个层面：

说白了，避障是机器人的「保底能力」。导航可以迷路，但避障不能失效。

1.3 常见避障传感器介绍

做避障这么多年，我用过的传感器不下十种。但真正在工业级项目里站稳脚跟的，其实就三类。我一个个说。

激光雷达（LiDAR）

这是目前最主流的避障传感器。我个人习惯把它叫做「机器人的眼睛」。

• 工作原理：发射激光束，测量反射时间，计算距离
• 优点：精度高（毫米级）、视野广（270°~360°）、不受光照影响
• 缺点：怕灰尘、怕雨雾、价格偏高

我在项目中遇到过最典型的问题：室内用得好好的，搬到室外阳光直射下，激光雷达直接「瞎了」。后来才知道，强红外光会干扰接收器。嗯，选型时一定要注意环境光条件。

超声波传感器

超声波这东西，又爱又恨。爱它便宜、不怕透明物体；恨它精度差、有串扰。

• 工作原理：发射超声波脉冲，接收回波，计算距离
• 优点：成本低（几十块钱）、对透明物体有效、防水防尘
• 缺点：精度低（厘米级）、有盲区、多传感器同时工作时会串扰

你想想看，为什么扫地机器人还在用超声波？因为激光雷达对黑色地毯、玻璃茶几效果很差，而超声波刚好能补上这个短板。我建议在避障系统中，超声波作为「辅助传感器」使用，别指望它做主传感器。

深度相机

深度相机是近几年的新宠。它能提供「三维信息」，而不仅仅是距离。

• 工作原理：双目视觉或结构光，计算每个像素的深度值
• 优点：信息丰富（RGB+D）、能识别物体类别、适合动态障碍物检测
• 缺点：计算量大、受光照影响大、有效距离短（一般5米以内）

我记得有个项目要做「人跟随机器人」，激光雷达只能知道「有人」，但不知道「是谁」。换成深度相机+人体检测算法后，机器人就能准确跟踪指定的人。这就是深度相机的优势——它不只是测距，它「理解」场景。

1.4 三种传感器的对比与选型建议

很多新手会问：「到底选哪种传感器最好？」我的回答是：没有最好的传感器，只有最合适的组合。

我个人习惯的选型策略是这样的：

• 室内移动机器人：激光雷达为主 + 超声波补盲区
• 室外无人车：多线激光雷达为主 + 深度相机做视觉辅助
• 低成本方案：深度相机为主 + 超声波做近场保护

为什么会这样搭配？因为单一传感器总有短板。激光雷达怕玻璃，超声波精度不够，深度相机怕强光。只有融合使用，才能做到「全天候、全场景」的避障能力。

1.5 本章知识体系总览

下面这张图是我自己画的，把本章的核心逻辑串起来了。你可以把它当作避障入门的地图。

这张图把本章的核心逻辑串起来了。从「避障是什么」出发，拆解成感知-决策-控制三个环节，然后聚焦到感知层的三种主流传感器。最后落到一个结论：多传感器融合才是王道。

好了，这一章就到这里。避障的概念、重要性、传感器选型，我都用自己的经验给你捋了一遍。下一章我们会深入激光雷达的参数整定，到时候手把手教你调参数。