用于自主移动机器人定位和导航的传感器

传感器的类型

避开传感器辨别出外部世界;这些包括相机，激光和激光雷达，雷达，声纳，红外，触摸传感器，如胡须或碰撞传感器，GPS和接近传感器。

本体感觉传感器处理机器人本身，如加速度计、陀螺仪、磁强计和指南针、车轮编码器和温度传感器。

还有许多其他类别的传感器可以归入，如主动或被动传感器。需要注意的是，有时外感觉和本体感觉的界限是重叠的。

通过使用语音助理接口在与机器人互动方面，麦克风等声音传感器也变得越来越流行。

同样，由于机器人通常必须连接到因特网，与Wi-Fi和LTE的通信是至关重要的。虽然不是严格的传感器和执行器，但它们允许机器人与外部世界进行互动。

市场动力

当机器人的传感器市场预计会稳步增长这份报告。

另一份报告着眼于工业环境下的机器人视觉传感器市场，并预测这个市场将非常大。

用于移动的传感器

地面移动机器人和无人机中使用的典型传感器包括：

惯性测量单元（IMU）通常组合多个加速度计和陀螺仪。它们还包括磁力计和气压计。通过IMU在三维空间中获取机器人的瞬时姿态(位置和姿态)、速度(线性、角)、加速度(线性、角)等参数。MEMS传感器技术的进步使imu受益匪浅。imu受到漂移、偏差和其他错误的影响。

全球定位系统(GPS)提供纬度、经度和高度信息。多年来，GPS精度有了显著提高，RTK等高精度模式也存在。不允许使用GPS的区域，如室内区域、隧道等，以及缓慢的更新速度仍然是GPS的最大限制。但它们是户外移动机器人的重要传感器，可以提供准确的周期参考。

取决于它们是室内或室外机器人以及机器人移动的速度、激光传感器价格，性能，鲁棒性，范围和重量可以显着变化。大多数都是基于飞行时间原则。执行信号处理以输出具有范围和角度增量的输出点。2D和3D激光都很有用。激光传感器发送大量关于范围数据的每个单独激光点的数据。为了充分利用激光，需要大量计算力。Lidars在映射方面也很受欢迎。

编码器计算机器人车轮的精确转动次数，从而估计机器人走了多远。里程表法或航迹推算法这两个术语是用轮位编码器来计算距离的。它们受到长期漂移的影响，因此需要与其他传感器结合使用。

视觉传感器，比如2D和3D相机，以及深度相机，在amr中扮演着非常关键的角色。基于传感器数据的计算机视觉和深度学习可以帮助目标检测和躲避、障碍物识别和障碍物跟踪。视觉里程测量和视觉slam(同时定位和测绘)越来越适用于在室内和室外环境中操作的自主机器人，这些环境的照明条件是合理的，可以保持。3D摄像机，深度和立体视觉摄像机提供姿态，即位置和方向，一个对象在3D空间。在工业环境中，成熟的机器视觉技术与姿态相结合，可以帮助解决从抓握到摆放到视觉伺服等一系列问题。热敏和红外摄像机用于在光线困难的条件下工作，如黑暗或雾。

如果有对象在超声波传感器脉冲，部分或所有脉冲将被反射回发射器作为回波，并且可以通过接收器检测。通过测量传输脉冲和接收的回声之间的时间差，可以确定对象的范围。声纳受到多径反射的影响。

脉冲和毫米波雷达远距离检测目标，并提供速度、角度和方位参数，通常测量到目标的质心。它们可以在任何天气条件下工作，而其他大多数传感器在复杂环境下(如雨、雾和光线变化)会失效。但与激光雷达或激光相比，它们的分辨率有限。

稳健而准确的定位方案结合了从imu接收到的数据、车轮编码器、GPS、激光、雷达、超声波和视觉软件算法来实现SLAM技术。根据导航和目标回避的应用和规范，融合可以局限于少数传感器或所有传感器。

传感器的选择和放置

使用这么多传感器，它是一种复杂的练习，可以选择合适的练习。决定选择的因素是应用类型，导航和本地化特征的规范，AMR将运行的环境，可用的计算电源运行传感器算法，选择软件算法，例如传感器融合，功耗和成本。总的来说，在所有选择参数上平衡时都有一个权衡。

动态范围、精度、分辨率、线性度、视野等诸多参数决定着传感器的质量。用于国防应用的传感器非常昂贵，可以满足高级规格。但在大多数非防御应用中，传感器的规格、错误和偏差都不是最优的，运行该软件的算法的选择是一个关键的决策点。

在机器人内部放置传感器也需要非常仔细的设计。imu中的传感器对外力极其敏感，比如振动、杂散磁场、照明条件等等。精确的静态平移和旋转偏移量需要使用物理方法和校准技术来计算。有些传感器需要天线，同样，选择正确的天线及其位置是至关重要的。

传感器集成时要考虑的参数

传感器校准;时间同步，特别是传感器融合;传感器数据到达不同传感器的不同速率和频率;测量值和偏差中的各种误差，这是内在和外部环境驱动;影响传感器测量的环境条件仍然存在传感器集成中的关键挑战。这些领域的大部分研发发生了。

目前市场上有各种传感器，具有广泛的性能参数。选择合适的传感器是一个复杂的技术和产品管理任务。它是传感器规范的平衡，应用要求，成本，功率，表单因子，环境条件，软件算法复杂，市场时间，长寿等。

通过传感器融合算法，不同的传感器可以很好地互补，以实现较难的目标。传感器和传感器软件算法在很大程度上是AMR行业成功的关键。

传感器制造商也在努力提高传感器的性能、精度和范围。有些甚至在设备内部进行传感器融合。这有助于精确的时间同步。当为特定的AMR应用选择传感器时，团队需要持续关注传感器领域发生的各种发展。

所有IOT议程网络贡献者负责其帖子的内容和准确性。意见是作者，不一定能够传达物联盟议程的思想。