点激光测距的技术原理

[导读]‌几年前的我们或许难以想象，如今激光测距技术已如此深入我们的生活，甚至成为扫地机器人不可或缺的一部分。

‌几年前的我们或许难以想象，如今激光测距技术已如此深入我们的生活，甚至成为扫地机器人不可或缺的一部分。为了给扫地机器人提供前方障碍物的检测，如狗屎等，激光测距行业倾注了数年的心血，将多项尖端技术集结于一身。尽管扫地机器人已采用这些技术有一段时间，但网络上关于其技术的讲解却往往存在误导。这些误解可能源于对技术的陌生，也可能源于对扫地机器人的不了解，甚至两者兼而有之。在这些错误观点流传甚广的情况下，我们有必要进行澄清。因此，本文与其说是科普文章，更像是一篇辟谣文章，旨在纠正那些广为流传的错误观点。

一、点激光

效果：点激光能够测量出一定范围内某一点距离激光发射点的精确距离。通过配备旋转装置，它可以实现四周360°的距离信息采集。

优势：点激光的结构设计相对简单，同时具备较远的检测距离。

缺点：它每次仅能获取一个点的距离信息，即便通过快速连续检测和旋转装置的配合，也只能获取某一高度上四周的障碍物距离。

技术原理：

在扫地机器人上，点激光主要用于大范围地图的扫描。其技术原理主要有两种。

1、三角测距法

三角测距法是点激光中最为常见的技术原理。它通过设定激光发射与接收器之间的固定夹角，利用反射点在接收器上的位置变化来计算距离。这一原理在扫地机器人中得到了广泛应用，用于大范围地图的扫描。

为了更直观地解释三角测距法，我们常常使用示意图。但请注意，实际情况中，光线在到达接收器前会经过镜片的折射。为了帮助理解，我们可以想象一根长竹竿直立在眼前，从脚前一直延伸到远方。当我们为这根竹竿拍照时，会发现离我们越远的竹竿节点，在照片上越靠近顶部。这与三角测距法的原理是相似的，即通过光线在接收器上的位置变化来计算距离。

那么，现在想象一下，如果这根竹子保持不动，但变为了透明状态，只给出两个竹子上的结点位置，你能否判断出哪个节点更靠近你，哪个则较远呢?这其实与单点激光三角测距的原理相似。简单来说，传感器会对一段激光进行“拍照”，但激光本身是不可见的。当这段激光遇到障碍物时，我们会看到一个小红点，而这个小红点的位置将决定障碍物的距离。由于激光的位置和发射角度都是预先设定的，因此可以通过算法轻松计算出距离。

ToF测距法相对简单。它通过检测激光从发射到返回的时间差，再结合光速，即可计算出距离。不过，在计算时需注意，由于激光是来回飞行，所以实际距离是激光飞行路程的两倍。因此，在计算时，需要将时间差除以2，再乘以光速，从而得到准确的距离。

实际上，由于光速极快，直接检测光速可能不太现实。因此，ToF测距法通常采用发射经过调制的光线，例如连续波调制。通过检测接收到的光线相移，可以推算出激光的飞行时间，进而得出距离。

点激光在扫地机器人领域主要发挥建图作用，通常安装在扫地机器人的顶部装置上。

通过点激光技术，扫地机器人能够迅速捕捉其周围的环境信息，仅需短暂的一两秒，即可精准地扫描到机器人四周几米内的地形。然而，这项技术也存在明显的不足。首先，它仅能检测到与激光同一平面高度的障碍物，若障碍物低于此高度，则无法扫描到。其次，其精度虽有一定范围，但误差仍控制在几厘米左右(且近距离内可能无法检测)，因此，虽然它可以用于构建整体地图，但在躲避障碍方面则显得力不从心。

以下是在红外相机视角下拍摄的扫地机器人LDS激光的画面。红框内所示即为机器人发射的激光，清晰可见激光打在墙上形成的红点。通过这一画面，我们可以直观地看到单点激光的检测范围局限在单一平面内，无法检测到高于或低于此平面的障碍物。

机器人测距‌是指机器人通过内置的传感器或设备来测量其与周围环境物体的距离，以便进行导航、避障和路径规划等任务。常见的机器人测距方法包括超声波测距、红外测距、激光雷达(LiDAR)测距、毫米波雷达测距和视觉测距(如立体视觉和深度摄像头)。

不同测距方法的原理和优缺点

‌超声波测距‌：通过发送超声波信号并测量其反射回来的时间差来计算距离。优点是成本低、功耗小，适合近距离测距;缺点是受环境因素影响大，精度不高，且不适合复杂场景‌1。

‌红外测距‌：通过发射红外光并测量反射光的时间或强度来计算距离。优点是成本低、反应速度快;缺点是受环境光照影响大，对透明或黑色物体识别困难，精度较低‌1。

‌激光雷达(LiDAR)测距‌：通过发射激光脉冲并测量反射时间来计算距离，可以实现高精度的三维环境建模。优点是精度高、测量范围远，适合复杂场景;缺点是成本高、对天气条件敏感‌1。

‌毫米波雷达测距‌：通过发射毫米波电磁信号并测量反射信号来计算距离和速度。优点是穿透性好、适用恶劣环境;缺点是分辨率低，对静止小目标探测能力有限‌1。

‌视觉测距‌：包括立体视觉和深度摄像头，通过计算图像的视差来估算距离。优点是信息量大、适合复杂场景的三维建模;缺点是对计算资源需求高，受光照条件影响大‌1。

应用场景和具体应用实例

‌超声波测距‌常用于扫地机器人和自动导引车(AGV)，用于近距离避障和导航‌1。

‌红外测距‌多用于安全监控和近距离检测设备‌1。

‌激光雷达(LiDAR)‌广泛应用于无人驾驶汽车、无人机和自动化仓库，用于高精度环境建模和导航‌1。