[具身智能-812]:雷达测距、雷达避障、雷达跟随、雷达巡逻的对比
·
雷达测距、雷达避障、雷达跟随、雷达巡逻功能对比
以移动机器人(小车、AGV、AMR)场景,基于激光雷达(2D‑LiDAR)为主体,通俗区分 4 个功能:测距是底层原始能力;避障、跟随、巡逻是上层业务应用,依赖测距输出的数据做算法处理。
核心概念通俗解释
- 雷达测距:最底层基础能力,雷达输出一圈 / 多点距离数据,只回答:某个方向障碍物离我多远,不做任何决策。
- 雷达避障:利用测距结果做安全保护,检测到前方障碍物,执行减速、停止、绕行,目标是不撞东西。
- 雷达跟随:雷达持续跟踪某一个目标(人 / 特定物体),机器人跟随目标运动,目标动就动、目标停就停。
- 雷达巡逻:机器人按照预设路线往复跑,雷达用来做定位、环境校验、途中避障,完成点位巡检。
完整对比表
表格
| 对比维度 | 雷达测距 | 雷达避障 | 雷达跟随 | 雷达巡逻 |
|---|---|---|---|---|
| 功能层级 | 底层感知层(原始传感器输出) | 安全控制层 | 交互业务层 | 任务业务层 |
| 核心目标 | 获取环境中障碍物距离信息 | 防止机器人发生碰撞 | 持续跟随指定移动目标 | 按路线自动往复巡检作业 |
| 输入数据 | 雷达原始点云、距离数值 | 雷达测距点云 | 点云聚类、目标特征提取 | 雷达 SLAM 地图 + 点云 + 预设路径点 |
| 算法逻辑 | 光飞行时间 TOF / 三角测距,输出距离 | 阈值判断;危险区域检测;减速 / 停止 / 绕行逻辑 | 目标聚类、特征匹配、目标滤波、速度跟随控制 | SLAM 建图、定位、路径规划、点位调度、循环任务 |
| 输出结果 | 各个角度距离数组(米) | 输出:减速、停机、绕行指令 | 输出:跟随目标的期望速度 Vx、Vy | 输出:整车运动指令,到达巡检点触发动作 |
| 是否需要地图 | 不需要 | 不需要 | 一般不需要 | 必须依赖 SLAM 地图 |
| 依赖外部条件 | 只需要雷达硬件 | 雷达 + 底盘运动控制 | 雷达 + 底盘;最好目标有明显轮廓 | 雷达 + 底盘 + 导航算法 + 任务调度 |
| 典型故障现象 | 部分角度测距跳变、噪声大 | 障碍物漏检、误触发急停 | 跟错物体、跟丢目标、跟人时震荡 | 定位漂移、巡点跑偏、被障碍物卡住 |
| 典型应用 | 距离检测、环境感知 | AGV 小车、机器人安全防护 | 服务机器人跟随人、AGV 跟随拖车 | 园区巡检机器人、仓库巡逻、安防机器人 |
各功能之间依赖关系
plaintext
雷达测距(基础)
↓
├─→雷达避障(安全防护,几乎所有机器人都要开启)
├─→雷达跟随(在测距之上做目标识别跟踪)
└─→SLAM建图 + 测距 → 雷达巡逻(最高阶任务)
- 测距是一切的源头:没有准确测距,避障、跟随、巡逻全部失效。
- 避障属于全局安全兜底:跟随、巡逻模式运行时,避障功能依然在后台生效,即使跟随人或者自动巡逻,遇到突然冒出来的障碍物依然会停下。
- 巡逻必须地图:巡逻不能只靠单纯测距,机器人需要知道 “我现在在地图哪个位置,下一个巡检点在哪里”。单纯测距做不了巡逻。
- 跟随不需要地图:只需要实时点云聚类,识别目标,不需要预先建图。
工程实践关键点
- 雷达测距:受反光物体、玻璃、强光干扰,会出现测距失效;避障、跟随都会继承这个缺陷。
- 雷达避障:分为近距急停区、远距减速区;要区分静态障碍物和动态目标,避免误触发。
- 雷达跟随痛点:容易把旁边的箱子、其他机器人误识别成跟随目标;目标被遮挡直接跟丢;目标速度突变小车容易震荡。
- 雷达巡逻痛点:环境发生改动(新增货架、堆物),SLAM 定位漂移;巡逻任务需要叠加避障,遇到障碍物要等待 / 绕行,不能硬闯。
选型快速判断
- 只需要知道物体离多远:只用雷达测距
- 机器人跑起来不要撞墙:开启雷达避障
- 机器人跟着人走:使用雷达跟随
- 机器人自己跑点位来回巡检:使用雷达巡逻
DAMO开发者矩阵,由阿里巴巴达摩院和中国互联网协会联合发起,致力于探讨最前沿的技术趋势与应用成果,搭建高质量的交流与分享平台,推动技术创新与产业应用链接,围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐

所有评论(0)