激光雷达作为自动驾驶和机器人等领域中的重要传感器，一直扮演着“眼睛”的角色，360°扫描周围环境，构建厘米级别高精度地图，为后续避障导航做辅助。
但如果仅使用激光雷达作为唯一的避障传感器，则难以对玻璃、镜子等投射或者反射光信号的物体进行检测，此外单线束的激光雷达也难以检测出不同高度的障碍物信息。所以，多传感器融合是大势所趋。
几种常见的传感器
目前较为常见的组合是采用激光雷达、深度相机外加超声波等传感器的方式来进行融合避障导航：
传感器 |
安装位置 |
目的
扫描二维码关注公众号，回复：
2156513 查看本文章
|
激光雷达 |
机器人前方 |
导航定位和避障的主要传感器 |
深度相机 |
机器人前上方 |
不同高度上的障碍物检测 |
超声波传感器 |
四周 |
检测玻璃等光学传感器无法检测的物品 |
物理碰撞 |
四周 |
机器人发生实际碰撞的检测 |
跌落检测 |
底部或前方 |
当机器人将遇到跌落风险时给出报警 |
但，是不是机器人产品上安装的传感器越多，就越能有效检测障碍物并规避呢？
理论上，机器人上安装的传感器种类和数量越多，导航定位系统就越能有效的检测出环境中的风险和障碍物。但实际情况中，额外的传感器并非多多益善。除了成本因素外，不合理的传感器组合将可能导致相互干扰的发生。此外，每种传感器的误差和噪音模型存在区别。比如超声波传感器的测距精度和检出障碍物的方位精度远低于激光雷达。
如何在不同传感器之间进行融合，提取出更加符合现实情况的检测数据，采用何种传感器用于自主定位导航是一直是业内讨论的重点。一般来说，传感器的选择受制于如下因素：
与使用环境的适用性
每种传感器均有其特定工作指标，如激光雷达而言，最大测量半径是衡量其性能的关键指标之一。如果将一个探测半径最大是10米的激光雷达应用在工作于非常空旷的厂房的机器人中或许就是不合适的。同样，如果机器人要求在黑暗环境中工作，配备了只能接受可见光的视觉成像传感器也是不合适的。
产品形态
机器人产品本身的造型、运动特性也会制约传感器选择。比如一些仿人的教育机器人，本身形态就比较小巧可爱，如果将一个体积占比较大的雷达放置其中，显然影响整体美观。
成本
当选用的传感器可以很好的满足上述指标后，成本就是决定其是否能最终选用的衡量因素。实际上这也是目前制约导航定位技术普及的核心因素。历史上，由于激光雷达传统上高昂的成本，导致无法最终在实际产品中使用。因此，近些年低成本激光雷达产品的研发成为了行业内的一大趋势。另一方面，仅依靠视觉传感器的导航方案也是目前学术界的一大研究热点，其背后能有效的降低传感器成本也是推动因素之一。
所以，在正确融合传感器数据之后，将会更好的解决定位导航带来的技术难题，不过，还有更多的问题需要不断的解决。而在目前的条件下，如何合理利用现有技术，扬长避短，在产品落地和技术不完备中找到平衡点，是目前自主定位导航产业界共同面临的考验。