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前，机器人制造商必须构建妥善的系统，确保机器人能够精准、高效且安全的运行。
这份白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。
图 1. 各种各样的机器人
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。
移动机器人（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。
图 2. AGV 与 AMR 的区别
固定式机器人
固定式机器人虽不具备移动能力，但仍需图像传感器以及 iTOF（间接飞行时间）技术来进行深度检测，尤其是在执行物体抓取任务时。
机器人在各行业得以广泛应用，主要源于以下三个关键因素：
生产力：机器人能够长时间不间断地执行重复性任务，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。
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。
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。
立体成像：立体成像技术通过使用两个仿人眼布局的全局快门传感器来实现深度感知。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。
文章来源：安森美