机器人的避障系统，该怎么选？
前面讲了机器人的视觉系统，讲了各类摄像头的选择。今天我们接着往下讲：机器人的避障系统有哪些？究竟该怎么选？
机器人避障系统，包括方案选型和关键器件选型。
核心选型原则，是看这几个维度：场景（移动速度、障碍物类型、是否要区分物体/人）、预算、算力、体积、功耗、环境（强光/黑夜/灰尘）。
先记住一个大前提：避障不是单一传感器，一般是多传感器融合——单传感器都有短板。
一、市场上主流的 4 套避障方案
方案 1：超声波（低成本入门）
- • ✅ 优点：便宜、不受光照影响、透明物体（玻璃）能检测
- • ❌ 缺点：精度差、采样慢、远距离误差大；细物体（电线）识别差；多探头互相干扰
- • 适用：低速扫地机器人、室内低速底盘，不适合运动拍照机器人的高速移动
- • 关键器件：HC-SR04、US-015；收发一体超声波探头
方案 2：红外 TOF（单点 / 面阵 ToF）
- • ✅ 优点：体积小、响应快、可做面阵输出深度图；室内效果好
- • ❌ 缺点：强光太阳光下严重失效；黑色吸光物体测距不准；远距离衰减快
- • 关键器件：单点 TOF（VL53L0X、VL53L1X）；面阵 ToF（思特威、艾迈斯、奥比中光、舜宇面阵 TOF 模组）
方案 3：2D 激光雷达（LiDAR，最常用室内方案）
- • ✅ 优点：测距远、精度高，能识别轮廓，不受光照影响；可同时建图 + 避障
- • ❌ 缺点：无法识别高度（悬空障碍物、地面台阶识别弱）；透明玻璃容易穿透漏检；成本高于 TOF
- • 关键器件：低成本（思岚 RPLIDAR、乐动）；中高端（禾赛、速腾、北阳）
方案 4：视觉避障（单目 / 双目 / 结构光）
分为双目立体视觉、单目 AI 深度估计。
- • ✅ 优点：可以同时做拍照 + 避障，一套摄像头兼顾产品主功能（拍照）+ 避障，节省硬件；能识别物体类别（区分人、箱子、墙体）
- • ❌ 缺点：暗光、强光、透明玻璃、低纹理白墙容易失效；需要主控算力跑深度算法
- • 适用：运动拍照机器人首选，一机两用，兼顾视觉拍摄 + 环境感知
- • 关键器件：双目摄像头模组（IMX 系列 sensor）；主控（安霸/瑞芯微/高通，需要 CV 算力跑深度、CVflow）
补充：3D 固态激光雷达（非旋转）
- • 优点：体积小、无机械旋转部件，可靠性高；输出 3D 点云，能识别悬空障碍物
- • 适合：高端户外机器人；BOM 成本压力大时慎用
二、选型决策逻辑
先定义产品指标
- • 最大移动速度：高速（>1m/s）优先激光雷达/双目视觉；低速可以 TOF + 超声
- • 工作环境：室内？户外阳光下？户外慎用红外 TOF
- • 需要识别什么障碍物：台阶、悬空线缆、玻璃、细小物体？
- • 算力预算：主控有没有 NPU/CV 算力？算力弱不要上双目 AI 视觉
推荐组合方案（分档位）
| | |
|---|
| | |
| | 主相机拍照 + 视觉深度避障；TOF 近距离补盲，弥补视觉近距离、暗光短板 |
| | |
三、关键器件选型 Checklist（硬件评审重点）
1）传感器本身
- • FOV 视场角：是否覆盖机器人前方盲区，是否需要多颗传感器拼接
- • 环境适应性：工作温度、抗阳光干扰等级；是否支持玻璃检测
- • 帧率：避障需要高帧率，低速 ≥10fps，高速 ≥20fps
- • 功耗、尺寸、接口（MIPI / I2C / SPI / 以太网）
2）主控芯片（决定能不能跑融合算法）
- • 视觉方案：必须带 CV/NPU 算力（安霸 CV 系列、RK、高通），看 TOPS/CVflow 能力
- • 激光雷达：普通 MCU 也可以，但多传感器融合建议上应用处理器
3）算法层面（非常容易踩坑）
- • 单传感器避障容易误判：视觉白墙失效、激光雷达看不到玻璃、TOF 阳光下失效
- • 多传感器融合：卡尔曼滤波 / 简单阈值融合，看 ODM 算法能力
四、常见踩坑点
- 只选单目摄像头做避障：无真实深度，纯 AI 估算，可靠性差，不适合高速移动
- 户外场景用红外 TOF
- 忽略盲区
- 算力低估：双目深度 + 目标检测，对芯片 CV 算力要求很高，选型芯片时同步评估
五、快速选型一句话总结
优先采用【双目视觉（复用拍照摄像头）+ 近距离单点 TOF 补盲】方案；如果是高速、大量玻璃环境，增加小型 2D 激光雷达做主避障。
最后说一句：你可以很快地选一个方案做出 DEMO，实现机器人要的功能。但从 DEMO 到量产，还有很大一段距离——降低成本、降低功耗、减少体积、减少重量、提升性能……每一步都要做。
从 DEMO 到量产，又该如何实现？我后续会持续给大家更新。
