如同人天生就会躲避物体一样，机器人同样需要避障功能，这也是实现自主移动的重要部分。无论是机器人的应用场景是工厂、商场、还是超市，面对人流攒动，布局复杂的环境，想要完成作业，就需要具备可靠稳健的避障技术。
从概念上来说，机器人避障技术是指机器人根据传感器采集的障碍信息，包括尺寸、形状和位置等信息，利用避障算法实时地规划运动路径避开障碍物，从而保证安全运行。
根据传感器不同，目前避障技术可分为多种：
超声波避障：通过传感器发射出超声波并进行反射检测，利用声速计算出障碍物的距离信息， 系统从而实时调整运动路径规避障碍物。超声波工作距离一般小于10米，优点在于技术成熟，硬件成本低。
红外避障：本质上红外避障技术原理也是利用反射原理。根据发射器和接收器得到的偏移值，利用几何关系计算出与障碍物的距离信息。红外传感器抗干扰能力强，但工作距离一般比超声波避障小，缺点是难以检测高反物体，如玻璃、镜子等。
激光雷达避障：激光雷达同样具有发射器和接收器，发射器用激光照射目标，接收器接收反射光波。根据发射和接收的时间差和角度差，计算出距离信息。激光雷达避障工作距离大，延迟低、效果稳定，是目前的主流方案，而缺点和红外避障一样，难以检测高反物体。
视觉避障：这里我们只以应用更加广泛的双目方案为例。双目测距的原理是采用三角测距法，其优点是信息量丰富，可以根据识别到的不同障碍物（如拖鞋、插线板、花瓶等）实现智能化策略避障，缺点是算力要求高、稳定性不足，且易受光线影响。
避障常用算法有哪些？
Bug算法：Bug算法较为简单，其原理是在系统检测到障碍物后，围绕障碍物的轮廓行走，从而绕开它。缺点是做法比较笨，导致效率很低，且Bug算法只能用于二维路径，不适用三维。
势场法：势场法把机器人处理在势场下的一个点，随着势场而移动，目标表现为低谷值，即对机器人的吸引力，而障碍物扮演的势场中的一个高峰，即斥力，所有这些力迭加于机器人身上，平滑地引导机器人走向目标，同时避免碰撞已知的障碍物。当机器人移动过程中检测新的障碍物，则需要更新势场并重新规划。
神经网络算法：通过模仿生物神经网络的结构和功能的数学模型或计算模型，以通过训练神经网络来学习避障策略，实现机器人的避障控制。
向量场直方图：这种算法是一种由人工势场法改进而来的机器人导航算法，通过传感器数据构建一个直方图，这个直方图描述了机器人周围的障碍物的分布。然后，它将直方图转化为一个称为向量场直方图的数据结构。基于这个数据结构，机器人可以确定最佳的、无碰撞的移动方向。
部分内容来自网络
推荐阅读：AI机器人的发展前景和挑战
INDEMIND是一家拥有自研机器人全栈AI技术的机器人AI技术供应商，立足于机器人产业链最上游，为整个机器人行业提供通用的、可靠的、低成本的机器人AI技术。如有：视觉导航、扫地机器人导航、商用机器人底盘和双目视觉等AI技术需要，请拨打010-5289 4598
