安森美图像传感器在机器人领域的应用

目前，市面上的机器人主要分为两类：固定式机器人与移动式机器人。固定式机器人固定于某个位置。而移动式机器人，包括自主移动机器人(AMR) 和自动引导车辆 (AGV)，能够在不同位置间移动。机器人行业正呈现出诸多渐趋普及的发展态势。其中，最为人熟知的是自动送货机器人、酒店服务机器人和餐厅服务员机器人。一旦消费级机器人的价格降低，家用机器人的应用场景将得到进一步拓展，诸如家庭服务机器人和个人助理等。在机器人进入家庭并与人类互动之(zhī)前(qián)，机(jī)器(qì)人(rén)制(zhì)造(zào)商(shāng)必(bì)须(xū)构(gòu)建(jiàn)妥(tuǒ)善(shàn)的(de)系(xì)统(tǒng)，确(què)保(bǎo)机(jī)器(qì)人(rén)能(néng)够(gòu)精(jīng)准(zhǔn)、高(gāo)效(xiào)且(qiě)安(ān)全的(de)运(yùn)行(xíng)。

这(zhè)份(fèn)白(bái)皮书将探讨视觉系统对于机器人，尤其是自主移动机器人的重要意义。本文为第一篇，将介绍机器人分类与行业趋势、AMR 技术概述等。

了解机器人与自动化

过去十年间，自动化技术与机器人技术在全球范围内推动了众多行业的变革。这些创新成果显著提升了许多传统流程的安全性与效率。

移动(dòng)机(jī)器人（AMR 和 AGV）

移动机器人可在不同地点间移动来执行任务。AMR 能自主地四处移动，适用于动态环境。凭借这些特性，AMR 构成了自动自主移动体系的基础架构，其他所有应用均基于 AMR 架构进行开发。

以下是 AMR 在安防、医疗及酒店等领域的一些应用示例：

工厂或仓库中的 AMR + 机械臂或叉车机器人

大学校园或城市中的送货机器人

餐厅里的服务员机器人

停车场和建筑内的安防机器人

医疗机构中的机器人

农用协作机器人 (COBOT)

AGV 则需要外部导引，更适合固定环境。AGV 的应用场景包括制造车间、库存管理和装配线作业等。

固定式机器人

固定式机器人虽不具备移动能力，但仍需图像传(chuán)感(gǎn)器(qì)以(yǐ)及(jí) iTOF（间(jiān)接(jiē)飞(fēi)行(xíng)时(shí)间(jiān)）技(jì)术(shù)来(lái)进(jìn)行(xíng)深(shēn)度(dù)检(jiǎn)测(cè)，尤(yóu)其(qí)是(shì)在(zài)执(zhí)行(xíng)物(wù)体(tǐ)抓(zhuā)取(qǔ)任(rèn)务(wu)时(shí)。

机(jī)器(qì)人(rén)行(xíng)业(yè)的(de)增(zēng)长(zhǎng)驱(qū)动(dòng)因(yīn)素(sù)

机(jī)器(qì)人(rén)在(zài)各(gè)行(xíng)业(yè)得(de)以(yǐ)广(guǎng)泛(fàn)应(yīng)用(yòng)，主要(yào)源(yuán)于(yú)以(yǐ)下(xià)三(sān)个(gè)关键因(yīn)素(sù)：

生(shēng)产(chǎn)力(lì)：机(jī)器(qì)人(rén)能(néng)够(gòu)长(zhǎng)时(shí)间(jiān)不(bù)间(jiān)断(duàn)地(de)执(zhí)行(xíng)重(zhòng)复(fù)性(xìng)任(rèn)务，且不会感到疲劳。

效率：AGV 和 AMR 能够以极小的延迟执行任务，这使得工作人员能够专注于高附加值的任务。

安全性：通过承担危险任务，机器人提高了工作场所和生产车间的安全性。

受这些因素的推动，机器人市场持续增长。预计 2024 至 2030 年，AMR 复合年增长率 (CAGR) 约为 16%，增幅明显。部分研究机构的预测甚至高达 20%。鉴于 AI 技术的迅猛发展，这样的增长预期具备现实基础。

AMR 技术概述

在机器人行业中，AMR 展现出强劲的增长势头。与仍需一定程度导引的 AGV 相比，AMR 具备近乎完全的自主性，使其成为仓库自动化、三维建图以及自主导航等应用的首选方案。AMR 无需外部导引，因其自主特性，具有动态性并能适应新环境。然而，为实现自主移动，AMR 需要借助同步定位与地图构建 (SLAM) 技术。通过 SLAM 技术，机器人能够构建自身所处环境的地图并确定自身位置。

SLAM 的传感器要求

为实现 SLAM，需要采用三维建图技术，这能帮助机器人规划路径并避开障碍物。三维建图主要有两种方式：立体成像与深度传感器。AMR 对传感器在精确定位和建图方面有一些要求。

在三维建图过程中，通常采用间接飞行时间 (iToF) 传感器或 LiDAR 来进行深度感知，以确保机器人的自主性。该过程使 AMR 能够识别包括人类在内的物体，帮助其检测危险并避障。AMR 会配备专门的装置来集成这些感知设备。

避障的传感器要求

在避障方面，客户所采用的架构会因场景而异，例如远距离场景、高动态范围需求以及避免运动伪影的需求‌等。因此，需要根据具体情况来选择全局快门、卷帘快门、深度传感或它们的组合方案。

读码的传感器需求

在制造工厂和仓库中，对于配备读码器的 AMR 而言，执行读码等任务需要具备全局快门和高速性能。此外，低功耗也是一项重要需求，这能保证 AMR 长时间持续工作。

机器人领域的图像传感器技术

安森美（onsemi）持续为机器人应用尤其是 AMR 应用研发多种类型的图像传感器创新技术‌。在支持深度感知方面，主要有两种途径：‌立体成像‌与 iToF。

卷帘快门与全局快门的比较

快门有两种类型：卷帘快门和全局快门。二者的最大区别在于‌是否会产生运动伪影。运动伪影是由卷帘快门和全局快门在曝光时间上的差异所导致的。

卷帘快门采用逐行曝光的方式，而全局快门则是同时对所有像素进行曝光。因此，卷帘快门会出现运动伪影，而全局快门则不会，这就是为什么全局快门更适用于自主移动的 AMR。

全局快门效率 (GSE) 用于衡量存储单元中单个电荷抵御倾斜入射光干扰的能力‌。倾斜入射光会降低快门效率，从而产生重影‌。如果入射光进入存储单元，较低的 GSE 值会导致图像呈现透明状，就像出现了"鬼影"一样，这是因为存储单元中的电荷受到了直射光的影响而发生了改变。

为解决这一问题，存储隔离至关重要。全局快门在捕捉移动物体时能够有效避免运动伪影，但在减小像素尺寸‌方面存在困难。卷帘快门则能够实现更小的像素尺寸和更高的灵敏度，并且其高动态范围优于全局快门。具体选择哪种快门，需要根据具体的应用场景来决定。

深度感知技术

以下三种技术可用于深度感知方案。

立(lì)体(tǐ)成(chéng)像(xiàng)：立(lì)体(tǐ)成(chéng)像(xiàng)技(jì)术(shù)通(tōng)过(guò)使(shǐ)用(yòng)两(liǎng)个(gè)仿(fǎng)人眼布局的全局快门(mén)传(chuán)感(gǎn)器(qì)来(lái)实(shí)现(xiàn)深(shēn)度(dù)感知。该系统通过从略有不同的视角捕捉图像，分析重叠图像之间的偏移量，从而测算与不同物体之间的距离，进而构建出详细的深度图。‌

iToF：iToF（间接飞行时间）技术利用专门的芯片，通过分析发射激光与物体反射光之间的相位差来测量深度距离。这种相位差使系统能够精准确定场景中各个点的距离‌。而 dToF（直接飞行时间）技术则是测量发射光从发射到物体再返回的时间，其重点在于时间差而非相位差。‌

LiDAR：光探测与测距 (LiDAR) 是一种先进的感知技术，它利用激光来测量距离。通过分析反射的激光脉冲，LiDAR 系统能够生成精确的三维环境地图，其功能类似于 iToF。然而，与使用红外光的 iToF 不同，LiDAR 使用激光脉冲，因此能够实现更精确的成像。尽管 LiDAR 具有更高的精度，但由于其成本较高，目前主要应用于高端产品。‌

未完待续，后续推文将继续介绍安森美图像传感器等。