AGV移动机器⼈智能的⼀个重要标志就是自主导航，而实现机器⼈自主导航有个基本要求——避障。下面让我们来了解⼀下移动机器⼈的避障，避障是指移动机器⼈根据采集的障碍物的状态信息，在行走过程中通过传感器感知到妨碍其通行的静态和动态物体时，按照⼀定的方法进⾏有效地避障，最后到达目标点。

实现避障与导航的必要条件是环境感知，在未知或者是部分未知的环境下避障需要通过传感器获取周围环境信息，包括障碍物的尺⼨、形状和位置等信息，因此传感器技术在移动机器⼈避障中起着⼗分重要的作用。避障使用的传感器主要有超声传感器、视觉传感器、红外传感器、激光传感器等。

移动机器⼈避障常用的传感器

1、激光传感器

激光测距传感器利用激光来测量到被测物体的距离或者被测物体的位移等参数。⽐较常用的测距方法是由脉冲激光器发出持续时间极短的脉冲激光，经过待测距离后射到被测目标，回波返回，由光电探测器接收。根据主波信号和回波信号之间的间隔，即激光脉冲从激光器到被测目标之间的往返时间，就可以算出待测目标的距离。由于光速很快，使得在测⼩距离时光束往返时间极短，因此这种⽅法不适合测量精度要求很高的（亚毫米级别）距离，⼀般若要求精度⾮常高，常用三角法、相位法等方法测量。

2、视觉传感器

视觉传感器的优点是探测范围广、获取信息丰富，实际应用中常使用多个视觉传感器或者与其它传感器配合使用，通过⼀定的算法可以得到物体的形状、距离、速度等诸多信息。或是利用⼀个摄像机的序列图像来计算目标的距离和速度，还可采用SSD算法，根据⼀个镜头的运动图像来计算机器⼈与目标的相对位移。

但在图像处理中，边缘锐化、特征提取等图像处理⽅法计算量大，实时性差，对处理机要求高。且视觉测距法检测不能检测到玻璃等透明障碍物的存在，另外受视场光线强弱、烟雾的影响很大。

3、红外传感器

大多数红外传感器测距都是基于三角测量原理。红外发射器按照一定的角度发射红外光束，当遇到物体以后，光束会反射回来，如图所⽰。反射回来的红外光线被CCD检测器检测到以后，会获得⼀个偏移值L，利用三角关系，在知道了发射角度α，偏移距L，中⼼矩X，以及滤镜的焦距f以后，传感器到物体的距离D就可以通过⼏何关系计算出来了。

红外传感器的优点是不受可见光影响，白天黑夜均可测量，角度灵敏度高、结构简单、价格较便宜，可以快速感知物体的存在，但测量时受环境影响很大，物体的颜色、方向、周围的光线都能导致测量误差，测量不够精确。

4、超声波传感器

超生波传感器检测距离原理是测出发出超声波至再检测到发出的超声波的时间差，同时根据声速计算出物体的距离。由于超声波在空⽓中的速度与温湿度有关，在⽐较精确的测量中，需把温湿度的变化和其它因素考虑进去。超声波传感器⼀般作用距离较短，普通的有效探测距离都在5-10m之间，但是会有⼀个最⼩探测盲区，⼀般在几⼗毫米。由于超声传感器的成本低，实现方法简单，技术成熟，是移动机器⼈中常用的传感器。

机器⼈避障技术的分类

目前移动机器⼈的避障根据环境信息的掌握程度可以分为障碍物信息已知、障碍物信息部分未知或完全未知两种。传统的导航避障方法如可视图法、栅格法、自由空间法等算法对障碍物信息已知时的避障问题处理尚可，但当障碍信息未知或者障碍是可移动的时候，传统的导航方法⼀般不能很好的解决避障问题或者根本不能避障。⽽实际生活中，绝大多数的情况下，机器⼈所处的环境都是动态的、可变的、未知的，为了解决上述问题，⼈们引⼊了计算机和人工智能等领域的⼀些算法。

同时得益于处理器计算能力的提高及传感器技术的发展，在移动机器⼈的平台上进⾏⼀些复杂算法的运算也变得轻松，由此产生了⼀系列智能避障⽅法，⽐较热门的有：遗传算法、神经网络算法、模糊算法等。

随着计算机技术、传感器技术、⼈⼯智能的发展，移动机器的避障及自主导航技术已经取得了丰硕的研究成果，应用领域也在不断地扩大，应用复杂程度也越来越高。移动机器⼈的自主寻路要求已经从之前简单的功能实现提升到可靠性、通用性、高效率上来，因此对其相关技术提出了更高的要求。

至今没有任何⼀种方法能够在任意环境使机器⼈进⾏有效地避障，如何克服相关算法的局限性是今后⼯作的研究方向之⼀。可以看出不管是传统算法还是新兴的智能算法都有其适用与不适用的环境，通过传统算法与智能算法及智能算法之间的相互融合，克服单个算法的缺陷，增强整体的适用性，现在已经有很多这方面的研究，以后仍将是研究热点之⼀。