目錄
一、避障概念：
二、避障常用哪些傳感器
2.1 超音波
2.2 紅外
2.3 雷射
2.4 視覺
三、避障常用算法原理
3.1 Bug算法
3.2 勢場法（PFM）
3.3 向量場直方圖（VFH）
3.4 模糊邏輯控制
3.5 人工神經網絡避障控制法
3.6 栅格法避障控制法
四、傳感器失效
五、算法設計
六、多機協同的避障政策有哪些？
七、避障有無标準的測試标準和名額？
八、參考
一、避障概念：
- 避障是指移動機器人在行走過程中，通過傳感器感覺到在其規劃路線上存在靜态或動态障礙物時，按照 一定的算法實時更新路徑，繞過障礙物，最後達到目标點。
- 實作避障與導航的必要條件是環境感覺，在未知或者是部分未知的環境下避障需要通過傳感器擷取周圍環境資訊，包括障礙物的尺寸、形狀和位置等資訊，是以傳感器技術在移動機器人避障中起着十分重要的作用。
- 機器人避障需使用的傳感器有雷射雷達、深度相機、超音波傳感器、實體碰撞、跌落檢測等。
- 目前市面上常見的機器人避障基本都采用到雷射雷達，但如果僅使用雷射雷達作為唯一的一種避障傳感器，是無法在一些複雜場所勝任避障工作的，必須要為機器人配備其它的傳感器作為補充，比如：超音波傳感器，它的成本非常低，實施簡單，可識别透明物體，缺點是檢測距離近，三維輪廓識别精度不好，是以對桌腿等複雜輪廓的物體識别不好，但是它可以識别玻璃、鏡面等物體。
二、避障常用哪些傳感器
- 不管是要進行導航規劃還是避障，感覺周邊環境資訊是第一步。就避障來說，移動機器人需要通過傳感器 實時擷取自身周圍障礙物資訊，包括尺寸、形狀和位置等資訊。避障使用的傳感器多種多樣，各有不同的原理和特點，目前常見的主要有視覺傳感器、雷射傳感器、紅外傳感器、超音波傳感器等。下面我簡單介紹一下這幾種傳感器的基本工作原理。
2.1 超音波
- 超音波其實就是聲波的一種，因為頻率高于20kHz，是以人耳聽不見，并且指向性更強。
- 超音波測距的原理比紅外線更加簡單，因為聲波遇到障礙物會反射，而聲波的速度已知，是以隻需要知道發射到接收的時間差，就能輕松計算出測量距離，再結合發射器和接收器的距離，就能算出障礙物的實際距離，如下圖所示。
- 超音波傳感器的基本原理是測量超音波的飛行時間，通過 測量距離，其中d是距離，v是聲速，t是 飛行時間。由于超音波在空氣中的速度與溫濕度有關，在比較精确的測量中，需把溫濕度的變化和其它因素考慮進去。
機器人避障相關知識一、避障概念： 二、避障常用哪些傳感器三、避障常用算法原理六、多機協同的避障政策有哪些？七、避障有無标準的測試标準和名額？八、參考
- 上面這個圖就是超音波傳感器信号的一個示意。通過壓電或靜電變送器産生一個頻率在幾十kHz的超音波脈沖組成波包，系統檢測高于某門檻值的反向聲波，檢測到後使用測量到的飛行時間計算距離。超音波傳感器一般作用距離較短，普通的有效探測距離都在幾米，但是會有一個幾十毫米左右的最小探測盲區。由于超聲傳感器的成本低、實作方法簡單、技術成熟，是移動機器人中常用的傳感器。超音波傳感器也有一些缺點，首先看下面這個圖。
- 因為聲音是錐形傳播的，是以我們實際測到的距離并不是 一個點，而是某個錐形角度範圍内最近物體的距離。另外，超音波的測量周期較長，比如3米左右的物體，聲波傳輸這麼遠的距離需要約20ms的時間。再者，不同材料對聲波的反射或者吸引是不相同的，還有多個超聲傳感器之間有可能會互相幹擾，這都是實際應用的過程中需要考慮的。
- 超音波測距相比紅外測距，價格更加便宜，相應的感應速度和精度也遜色一些。同樣，由于需要主動發射聲波，是以對于太遠的障礙物，精度也會随着聲波的衰減而降低，此外，對于海綿等吸收聲波的物體或者在大風幹擾的情況下，超音波将無法工作。
2.2 紅外
- 紅外線的應用我們并不陌生：從電視、空調的遙控器，到酒店的自動門，都是利用的紅外線的感應原理。而具體到無人機避障上的應用，紅外線避障的常見實作方式就是“三角測量原理”。
- 紅外感應器包含紅外發射器與CCD檢測器，紅外線發射器會發射紅外線，紅外線在物體上會發生反射，反射的光線被CCD檢測器接收之後，由于物體的距離D不同，反射角度也會不同，不同的反射角度會産生不同的偏移值L，知道了這些資料再經過計算，就能得出物體的距離了，如下圖所示。
- 一般的紅外測距都是采用三角測距的原理。紅外發射器按照一定角度發射紅外光束，遇到物體之後，光會反向回來，檢測到反射光之後，通過結構上的幾何三角關系，就可以計算出物體距離D。
- 當D的距離足夠近的時候，上圖中L值會相當大，如果超過CCD的探測範圍，這時，雖然物體很近，但是傳感器反而看不到了。當物體距離D很大時，L值就會很小，測量?精度會變差。是以，常見的紅外傳感器 測量距離都比較近，小于超音波，同時遠距離測量也有最小距離的限制。另外，對于透明的或者近似黑體的物體，紅外傳感器是無法檢測距離的。但相對于超聲來說，紅外傳感器具有更高的帶寬。
2.3 雷射
- 雷射避障與紅外線類似，也是發射雷射然後接收。不過雷射傳感器的測量方式很多樣，有類似紅外的三角測量，也有類似于超音波的時間差+速度。但無論是哪種方式，雷射避障的精度、回報速度、抗幹擾能力和有效範圍都要明顯優于紅外和超音波。
- 常見的雷射雷達是基于飛行時間的（ToF，time of flight），通過測量雷射的飛行時間來進行測距： ，類似于前面提到的超聲測距公式，其中d是距離，c是光速，t是從發射到接收的時間間隔。雷射雷達包括發射器和接收器 ，發射器用雷射照射目标，接收器接收反向回的光波。機械式的雷射雷達包括一個帶有鏡子的機械機構，鏡子的旋轉使得光束可以覆寫 一個平面，這樣我們就可以測量到一個平面上的距離資訊。
機器人避障相關知識一、避障概念： 二、避障常用哪些傳感器三、避障常用算法原理六、多機協同的避障政策有哪些？七、避障有無标準的測試标準和名額？八、參考 - 對飛行時間的測量也有不同的方法，比如使用脈沖雷射，然後類似前面講的超聲方案，直接測量占用的時間，但因為光速遠高于聲速，需要非常高精度的時間測量元件，是以非常昂貴；另一種發射調頻後的連續雷射波，通過測量接收到的反射波之間的差頻來測量時間。
圖一
圖二
- 比較簡單的方案是測量反射光的相移，傳感器以已知的頻率發射一定幅度的調制光，并測量發射和反向信号之間的相移，如上圖一。
- 調制信号的波長為lamda=c/f，其中c是光速，f是調制頻率，測量到發射和反射光束之間的相移差theta之後，距離可由lamda*theta/4pi計算得到，如上圖二。
- 雷射雷達的測量距離可以達到幾十米甚至上百米，角度分辨率高，通常可以達到零點幾度，測距的精度也高。但測量距離的置信度會反比于接收信号幅度的平方，是以，黑體或者遠距離的物體距離測量不會像光亮的、近距離的物體那麼好的估計。并且，對于透明材料，比如玻璃，雷射雷達就無能為力了。還有，由于結構的複雜、器件成本高，雷射雷達的成本也很高。
- 一些低端的雷射雷達會采用三角測距的方案進行測距。但這時它們的量程會受到限制，一般幾米以内，并且精度相對低一些，但用于室内低速環境的SLAM或者在室外環境隻用于避障的話，效果還是不錯的。
2.4 視覺
- 常用的計算機視覺方案也有很多種， 比如雙目視覺，基于TOF的深度相機，基于結構光的深度相機等。深度相機可以同時獲得RGB圖和深度圖，不管是基于TOF還是結構光，在室外強光環境下效果都并不太理想，因為它們都是需要主動發光的。像基于結構光的深度相機，發射出的光會生成相對随機但又固定的斑點圖樣，這些光斑打在物體上後，因為與攝像頭距離不同，被攝像頭捕捉到的位置也不相同，之後先計算拍到的圖的斑點與标定的标準圖案在不同位置的偏移，利用攝像頭位置、傳感器大小等參數就可以計算出物體與攝像頭的距離。而我們目前的E巡機器人主要是工作在室外環境，主動光源會受到太陽光等條件的很大影響，是以雙目視覺這種被動視覺方案更适合，是以我們采用的視覺方案是基于雙目視覺的。
- 雙目視覺的測距本質上也是三角測距法，由于兩個攝像頭的位置不同，就像我們人的兩隻眼睛一樣，看到的物體不一樣。兩個攝像頭看到的同一個點P，在成像的時候會有不同的像素位置，此時通過三角測距就可以測出這個點的距離。與結構光方法不同的是，結構光計算的點是主動發出的、已知确定的，而雙目算法計算的點一般是利用算法抓取到的圖像特征，如SIFT或SURF特征等，這樣通過特征計算出來的是稀疏圖。
- 要做良好的避障，稀疏圖還是不太夠的，我們需要獲得的是稠密的點雲圖，整個場景的深度資訊。稠密比對的算法大緻可以分為兩類，局部算法和全局算法。局部算法使用像素局部的資訊來計算其深度，而全局算法采用圖像中的所有資訊進行計算。一般來說，局部算法的速度更快，但全局算法的精度更高。
- 這兩類各有很多種不同方式的具體算法實作。能過它們的輸出我們可以估算出整個場景中的深度資訊，這個深度資訊可以幫助我們尋找地圖場景中的可行走區域以及障礙物。整個的輸出類似于雷射雷達輸出的3D點雲圖，但是相比來講得到資訊會更豐富，視覺同雷射相比優點是價格低很多，缺點也比較明顯，測量精度要差 一些，對計算能力的要求也高很多。當然，這個精度差是相對的，在實用的過程中是完全足夠的，并且我們目前的算法在我們的平台NVIDIA TK1和TX1上是可以做到實時運作。
KITTI采集的圖
實際輸出的深度圖，不同的顔色代表不同的距離
- 在實際應用的過程中，我們從攝像頭讀取到的是連續的視訊幀流，我們還可以通過這些幀來估計場景中 目标物體的運動，給它們建立運動模型，估計和預測它們的運動方向、運動速度，這對我們實際行走、避障規劃是很有用的。
- 以上幾種是最常見的幾種傳感器 ，各有其優點和缺點，在真正實際應用的過程中，一般是綜合配置使用多種不同的傳感器 ，以最大化保證在各種不同的應用和環境條件下，機器人都能正确感覺到障礙物資訊。我們公司的E巡機器人的避障方案就是以雙目視覺為主，再輔助以多種其他傳感器，保證機器人周邊360度空間立體範圍内的障礙物都能被有效偵測到，保證機器人行走的安全性。
三、避障常用算法原理
- 在講避障算法之前，我們假定機器人已經有了一個導航規劃算法對自己的運動進行規劃，并按照規劃的路徑行走。避障算法的任務就是在機器人執行正常行走任務的時候，由于傳感器的輸入感覺到了障礙物的存在，實時地更新目标軌迹，繞過障礙物。
3.1 Bug算法
- Bug算法應該是最簡單的一種避障算法了，它的基本思想是在發現障礙後，圍着檢測到的障礙物輪廓行走，進而繞開它。Bug算法目前有很多變種， 比如Bug1算法，機器人首先完全地圍繞物體，然後從距目标最短距離的點離開。Bug1算法的效率很低，但可以保證機器人達到目标。
Bug1算法示例
- 改進後的Bug2算法中，機器人開始時會跟蹤物體的輪廓，但不會完全圍繞物體一圈，當機器人可以直接移動至目标時，就可以直接從障礙分離，這樣可以達到比較短的機器人行走總路徑。
Bug2算法示例
- 除此之外，Bug算法還有很多其他的變種， 比如正切Bug算法等等。在許多簡單的場景中，Bug算法是實作起來比較容易和友善的，但是它們并沒有考慮到機器人的動力學等限制，是以在更複雜的實際環境中就不是那麼可靠好用了。
3.2 勢場法（PFM）
- 人工勢場避障控制法，是一種比較簡單又新穎的做法，是另一種仿生學，仿照實體學中電勢和電場力的概念，建立機器人工作空間中的虛拟勢場，按照虛拟勢場力方向，實作局部路徑規劃。通過構造目标位姿引力場和障礙物周圍斥力場共同作用的人工勢場，來搜尋勢函數的下降方向，然後尋找無碰撞路徑。聽起來很玄乎，但是早已經有應用産品了，Khatib曾應用于移動機器人的導航上。但是并沒有得到大規模應用。因為即使對于簡單環境很有效，但是都是在靜态的研究中得出的，而沒有考慮障礙物的速度和加速度的影響，是以在動态避障控制中，人工勢場法避障控制不是很理想。因為在複雜的多障礙環境中，不合理的勢場數學方程容易産生局部極值點，導緻機器人未到達目标就停止運動，或者産生振蕩、擺動等現象。另外，傳統的人工勢場法着眼于得到一條能夠避障的可行路徑，還沒有研究出什麼最優路徑。
- 實際上，勢場法不僅僅可以用來避障，還可以用來進行路徑的規劃。勢場法把機器人處理在勢場下的 一個點，随着勢場而移動，目标表現為低谷值，即對機器人的吸引力，而障礙物扮演的勢場中的一個高峰，即斥力，所有這些力疊加于機器人身上，平滑地引導機器人走向目标，同時避免碰撞已知的障礙物。當機器人移動過程中檢測新的障礙物，則需要更新勢場并重新規劃。
- 上面這個圖是勢場比較典型的示例圖，最上的圖a左上角是出發點，右下角是目标點，中間三個方塊是障礙物。中間的圖b就是等勢位圖，圖中的每條連續的線就代表了一個等勢位的一條線，然後虛線表示的在整個勢場裡面所規劃出來的一條路徑，我們的機器人是沿着勢場所指向的那個方向一直行走，可以看見它會繞過這個比較高的障礙物。最下面的圖，即我們整個目标的吸引力還有我們所有障礙物産生的斥力最終形成的一個勢場效果圖，可以看到機器人從左上角的出發點出發，一路沿着勢場下降的方向達到最終的目标點，而每個障礙物勢場表現出在很高的平台，是以，它規劃出來的路徑是不會從這個障礙物上面走的。
- 一種擴充的方法在基本的勢場上附加了?另外兩個勢場：轉運勢場和任務勢場。它們額外考慮了由于機器人本身運動方向、運動速度等狀态和障礙物之間的互相影響。
- 轉動勢場"：考慮了障礙與機器人的相對方位，當機器人朝着障礙物行走時，增加斥力， 而當平行于物體行走時，因為很明顯并不會撞到障礙物，則減小斥力。任務勢場：則排除了那些根據目前機器人速度不會對近期勢能造成影響的障礙，是以允許規劃出 一條更為平滑的軌迹。
- 另外還有諧波勢場法等其他改進方法。勢場法在理論上有諸多局限性， 比如局部最小點問題，或者震蕩性的問題，但實際應用過程中效果還是不錯的，實作起來也比較容易。
3.3 向量場直方圖（VFH）
- 它執行過程中針對移動機器人目前周邊環境建立了一個基于極坐标表示的局部地圖，這個局部使用栅格圖的表示方法，會被最近的一些傳感器資料所更新。VFH算法産生的極坐标直方圖如圖所示：
- 圖中x軸是以機器人為中心感覺到的障礙物的角度，y軸表示在該方向存在障礙物的機率大小p。實際應用的過程中會根據這個直方圖首先辨識出允許機器人通過的足夠大的所有空隙，然後對所有這些空隙計算其代價函數，最終選擇具有最低代價函數的通路通過。
- 代價函數受三個因素影響： 目标方向、機器人目前方向、之前選擇的方向，最終生成的代價是這三個因素的權重值，通過調節不同的權重可以調整機器人的選擇偏好。VFH算法也有其他的擴充和改進，比如在VFH+算法中，就考慮了機器人運動學的限制。由于實際底層運動結構的不同，機器的實際運動能力是受限的，比如汽車結構，就不能随心所欲地原地轉向等。VFH+算法會考慮障礙物對機器人實際運動能力下軌迹的阻擋效應，屏蔽掉那些雖然沒有被障礙物占據但由于其阻擋實際無法達到的運動軌迹。我們的E巡機器人采用的是兩輪差動驅動的運動形式，運動非常靈活，實際應用較少受到這些因素的影響。
具體可以看 一下這個圖示：
- 類似這樣傳統的避障方法還有很多，除此之外，還有許多其他的智能避障技術，比如神經網絡、模糊邏輯等。
- 神經網絡方法對機器人從初始位置到目标位置的整個行走路徑進行訓練模組化，應用的時候，神經網絡的輸 入為之前機器人的位姿和速度以及傳感器的輸 入，輸出期望的下一目标或運動方向。
- 模糊邏輯方法核心是模糊控制器，需要将專家的知識或操作人員的經驗寫成多條模糊邏輯語句，以此控制機器人的避障過程。 比如這樣的模糊邏輯：第一條，若右前方較遠處檢測到障礙物，則稍向左轉；第 二條，若右前方較近處檢測到障礙物，則減速并向左轉更多角度；等等。
- 避障過程中存在哪些問題？
3.4 模糊邏輯控制
- 不必建立可分析的環境模型，目前模糊邏輯方法在解決機器人避開障礙物問題上己經有了大量的研究工作。另一個獨特優點也讓用專家知識調整規則成為可能，因為規則庫的每條規則具有明确的實體意義。在模糊邏輯控制避障法中，模糊控制規則是模糊控制的核心。目前研究工作的新趨勢之一是它的漸增本質，特别是在模糊控制規則的自動生成方面，即連同自動模糊資料擷取，給予算法線上模糊規則學習能力，資料擷取和規則生成均自動執行。
3.5 人工神經網絡避障控制法
- 人工神經網絡是由許多單元（又稱神經元），按照一定的拓撲結構互相連接配接而成的一種具有并行計算能力的網絡系統，它具有較強的非線性拟合能力和多輸入多輸出同時處理的能力。用在機器人上，就是通過模拟人腦神經網絡處理資訊的方式，從另一個研究角度來擷取具有人腦那樣的資訊處理能力。對于智能機器人來說，采用人工神經網絡進行資訊融合有一個最大優勢，即可大規模地并行處理和分布式資訊存儲，具有良好的自适應、自組織性，以及很強的學習功能、聯想功能和容錯功能，接近人腦的資訊處理模式。
3.6 栅格法避障控制法
- 屬于用啟發式算法在單元中搜尋安全路徑。賦予每個栅格一個通行因子後，路徑規劃問題就變成在栅格網上尋求兩個栅格節點間的最優路徑問題。搜尋過程多采用四叉樹或八叉樹表示工作空間。栅格法以基本元素為最小栅格粒度，将地圖進行栅格劃分，比如基本元素位于自由區取值為0，處在障礙物區或包含障礙物區為1，直到每個區域中所包含的基本單元全為0或全為1，這樣在計算機中就較容易建立一幅可用于路徑規劃的地圖。栅格粒度越小，障礙物的表示會越精确，也就更好避障。但往往會占用大量的儲存空間，而且算法也将按指數增加。
四、傳感器失效
- 紅外和超音波技術，因為都需要主動發射光線、聲波，是以對于反射的物體有要求，比如：紅外線會被黑色物體吸收，會穿透透明物體，還會被其他紅外線幹擾；而超音波會被海綿等物體吸收，也容易被槳葉氣流幹擾。而且，主動式測距還會産生兩台機器互相幹擾的問題。相比之下，雖然雙目視覺也對光線有要求，但是對于反射物的要求要低很多，兩台機器同時使用也不會互相幹擾，普适性更強。最重要的是，常見的紅外和超音波目前都是單點測距，隻能獲得特定方向上的距離資料，而雙目視覺可以在小體積、低功耗的前提下，獲得眼前場景的比較高分辨率的深度圖，這就讓避障功能有了更多的發展空間，比如避障之後的智能飛行、路徑規劃等。雷射技術雖然也能實作類似雙目視覺的功能，但是受限于技術發展，目前的雷射元件普遍價格貴、體積大、功耗高，應用在消費級無人機上既不經濟也不實用。
- 從原理上來講，沒有哪個傳感器是完美的，比方說機器人面前是一塊完全透明的玻璃，那麼采用紅外、雷射雷達或視覺的方案，就可能因為這個光線直接穿過玻璃導緻檢測失敗，這時候就需要超音波這樣的傳感器來進行障礙物的偵測。是以我們在真正應用的過程中，肯定都需要采取多種傳感器的結合，對不同傳感器采集到的資料進行一個交叉驗證，以及資訊的融合，保證機器人能夠穩定可靠的工作。
- 除此之外也有其他模式可能導緻傳感器失效，比如超音波測距，一般需要超聲陣列，而陣列之間的傳感器如果同時工作的話，會容易互相産生幹擾，傳感器A發射的光波反射回來被傳感器B接收，導緻測量結果出現錯誤，但是如果按照順序一個個工作，由于超音波傳感器采樣的周期相對比較長，會減慢整個采集的速度，對實時避障造成影響，這就要求從硬體的結構到算法都必須設計好，盡可能提高采樣速度，減少傳感器之間的串擾。
- 還有比如說，機器人如果需要運動的話，一般都需要電機和驅動器，它們在工作過程中都會産生電容相容性的問題，有可能會導緻傳感器采集出現錯誤，尤其是模拟的傳感器，是以在實作過程中要把電機驅動器等裝置、傳感器的采集部分，以及電源通信部分保持隔離，保證整個系統是能夠正常工作的。
五、算法設計
- 在剛剛提到的幾個算法，很多在設計的時候都并沒有完善考慮到整個移動機器人本身運動學模型和動力學模型，這樣的算法規劃出來的軌迹有可能在運動學上是實作不了的，有可能在運動學上可以實作，但是控制起來非常困難，比如剛剛提到的如果一台機器人的底盤是汽車的結構，就不能随心所欲地原地轉向，或者哪怕這個機器人是可以原地轉向，但是如果一下子做一個很大的機動的話，我們的整個電機是執行不出來的。是以在設計的時候，就要優化好機器人本身的結構和控制，設計避障方案的時候，也要考慮到可行性的問題。
- 然後在整個算法的架構設計的時候，我們要考慮到為了避讓或者是避免傷人或者傷了機器人本身，在執行工作的時候，避障是優先級比較高的任務，甚至是最高的任務，并且自身運作的優先級最高，對機器人的控制優先級也要最高，同時這個算法實作起來速度要足夠快，這樣才能滿足我們實時性的要求。
- 總之，在我看來，避障在某種程度上可以看做機器人在自主導航規劃的一種特殊情況，相比整體全局的導航，它對實時性和可靠性的要求更高一些，然後，局部性和動态性是它的一個特點，這是我們在設計整個機器人硬體軟體架構時一定要注意的。
- 讀者提問環節
六、多機協同的避障政策有哪些？
- 多機協同避障政策在整個SLAM方向上都還是一個在鑽研的熱點領域，單純就避障來說，目前的方案是，當有兩個或多個機器人協同工作的時候，每個機器人會在一個局部各自維護一個相對的動态地圖，所有機器人共享一個相對靜态的地圖，而對于單個機器人來說，它們會各自維護一個更加動态的地圖，這樣當兩個機器人接近一個位置時，它們會将它們維護的動态地圖合并起來。
- 這樣子有什麼好處呢，比如視覺隻能看到前方一個方向，這時候跟後面機器人的動态地圖合并之後，就能看到前後整個局部的動态資訊，然後完成避障。
- 多機協同的關鍵在于，兩個局部地圖之間的分享，就是它們分别在整個相對靜态的全局地圖上是有一小塊一個視窗的位置，到這兩個視窗可能融合的話，會把它們融合在一起，同時去指導兩個機器人的避障。在具體實作過程中，也要考慮整個資訊傳輸的問題，如果是自己本身的局部地圖，由于都是本機的運算，速度一般都比較快，如果是兩個機器人協作的話，就要考慮到傳輸的延時，以及帶寬的問題。
七、避障有無标準的測試标準和名額？
- 目前就我所了解業界并沒有什麼統一的測試标準和名額，我們目前測試的時候會考慮這些名額，比如在單個障礙物或是多個障礙物，障礙物是靜态的或動态的情況下避障效果如何，以及實際規劃出的路徑完美度如何，還有這個軌迹是否平滑，符合我們觀感的效果。
- 當然，這個最重要的名額我覺得應該避障是否失敗就是成功率的問題，要保證這個避障不管是碰到靜态的或者是動态的物體，然後那個物體不管是什麼材質，比如說如果是動态的人，我們穿什麼樣的衣服會不會對整個避障功能造成影響，另外就是不同的環境又會有什麼樣的影響，比如光線充足或暗淡。對于避障來說，成功率才是最為關鍵的。
- 上面這個圖就是超音波傳感器信号的一個示意。通過壓電或靜電變送器産生一個頻率在幾十kHz的超音波脈沖組成波包，系統檢測高于某門檻值的反向聲波，檢測到後使用測量到的飛行時間計算距離。超音波傳感器一般作用距離較短，普通的有效探測距離都在幾米，但是會有一個幾十毫米左右的最小探測盲區。由于超聲傳感器的成本低、實作方法簡單、技術成熟，是移動機器人中常用的傳感器。超音波傳感器也有一些缺點，首先看下面這個圖。
- 因為聲音是錐形傳播的，是以我們實際測到的距離并不是 一個點，而是某個錐形角度範圍内最近物體的距離。
- 另外，超音波的測量周期較長，比如3米左右的物體，聲波傳輸這麼遠的距離需要約20ms的時間。再者，不同材料對聲波的反射或者吸引是不相同的，還有多個超聲傳感器之間有可能會互相幹擾，這都是實際應用的過程中需要考慮的。
八、參考
避障常用哪些傳感器?幾種傳感器的基本工作原理
6種讓機器人實作避障的方法