1. 课程导入与SICK感知体系概览

移动机器人要在真实场景中稳定运行，必须同时回答两个问题：“我在哪里”与“周围是否安全”。前者属于定位问题，后者属于安全感知问题。在传统方案中，这两类功能往往由不同传感器、不同控制器分别承担，导致数据割裂、时序不一致、故障难以协同处理。本课程围绕 SICK 在移动机器人领域的定位与安全协同感知体系展开，目标不是孤立地讲解某一款传感器，而是建立一条从“环境感知—定位估计—安全判断—协同输出”的完整工程认知链。

先明确本课程的整体目标。学完本课程后，读者应能够：理解移动机器人定位与安全感知的基本原理与关键参数；识别 SICK 产品线中激光雷达、安全激光扫描仪、编码器、视觉传感器等设备在系统中的角色分工；掌握定位数据与安全信号如何在同一控制架构下协同工作；能够根据典型工况选择合理的传感器组合与配置思路；并具备对定位漂移、安全区域误触发、通信时序异常等常见问题的初步排查能力。

SICK产品线在移动机器人中的角色

SICK 在移动机器人感知体系中并非只提供单一传感器，而是覆盖了从环境建模、定位、避障到安全防护的多层次产品。理解这些产品的角色，是后续协同设计的基础。

• 激光雷达（如 LMS 系列、TiM 系列）：负责二维环境轮廓扫描，输出距离与角度数据，用于建图、定位和障碍物检测。TiM 系列常用于低成本导航与区域监控，LMS 系列则更适合高精度轮廓测量。
• 安全激光扫描仪（如 microScan3、nanoScan3）：在激光扫描基础上增加安全认证，能够输出安全区域占用信号，直接参与急停、减速或限速逻辑。其核心价值在于“安全等级”而非单纯测量精度。
• 编码器与安全编码器：提供轮速、转向角等运动学信息，用于航位推算和速度校验。安全编码器还可用于安全速度监控。
• 视觉传感器（如 Visionary-T、Inspector 系列）：提供三维深度或二维图像信息，用于立体避障、托盘识别、料架定位等场景。
• 安全控制器与网关：如 Flexi Soft 安全控制器，负责汇聚安全信号、执行安全逻辑，并通过现场总线或安全总线与机器人主控通信。

这些设备在系统中不是简单叠加，而是按照“安全层”与“导航层”两条主线协同。安全层强调确定性、认证等级和故障导向安全；导航层强调精度、更新率和环境适应性。协同感知的关键，就是让两条主线在数据融合与逻辑判断上保持一致。

定位与安全协同的基本问题

在实际工程中，定位与安全协同面临几个典型问题。第一，坐标系不一致：激光雷达安装位置与机器人本体坐标系存在平移和旋转，若外参标定不准，安全区域会整体偏移。第二，时序不同步：安全扫描仪周期可能为 30 ms，而定位模块更新率为 50 Hz，若时间戳未对齐，动态障碍物判断会出现滞后。第三，安全区域与定位结果耦合：当机器人定位跳变时，安全区域若跟随定位结果移动，可能误触发或漏触发。第四，故障传播：单一传感器失效时，系统是否降级运行、是否触发安全停车，需要明确的逻辑设计。

为了更直观地理解 SICK 感知体系在移动机器人中的层次关系，下面用一张结构关系图展示从环境到执行的安全与导航双通道协同架构。

图中展示了从环境层到执行层的四层结构。感知层中，激光雷达与视觉传感器主要服务导航定位，安全激光扫描仪与安全编码器主要服务安全逻辑，编码器同时为两者提供运动学基础。处理与协同层是课程的重点：导航定位模块输出位姿估计，安全逻辑模块输出安全区域占用与速度限制，数据融合与仲裁模块负责时间戳对齐和置信度评估，最终将统一结果下发到执行层。

整体学习路径

本课程共 30 章，按照“基础认知—定位技术—安全技术—协同设计—工程实践”的主线推进。前几章建立 SICK 产品线与感知体系的全景认知；随后深入激光雷达建图、扫描匹配、航位推算融合等定位方法；再进入安全激光扫描仪的区域配置、安全编码器速度监控、安全控制器逻辑设计；之后重点讨论定位与安全的数据融合、时序同步、故障降级策略；最后通过典型工况案例完成从选型、配置到验证的完整闭环。

学习过程中建议始终带着三个问题：当前传感器提供的是什么物理量？这个物理量在哪个坐标系下表达？它的更新周期和置信度如何影响下游判断？把这三个问题贯穿到每一章，就能把分散的知识点串成可落地的工程能力。