光纤传感器介紹


光纤传感器是一种放大器分离型的光电传感器，光纤传感器中也有对射型、回归反射型和扩散反射型。光纤传感器能够检测一些由于空间太小一般传感器无法安装的场合，或特殊环境下。

光纤传感器因为光纤的优点以及它的数字化显示、管理，是目前光电传感器发展的主流。









高温检测









光纤工作原理



















光纤传感器的特点


1. 检测距离长

2. 对检测物体的限制少：以检测物体引起的遮光和反射为检测原理，所以不象接近传感器等将检测物体限定在具有導磁性，它可对玻璃·塑料、木材、液体等几乎所有物体进行检测。

3. 响应时间短：光本身为高速，并且传感器的电路都由电子零件构成，所以不包含机械性工作时间，响应时间非常短。

4. 分辨率高：能通过先进技术使投光光束集中为小光点，或通过构成特殊的受光光学系统，来实现高分辨率。也可进行微小物体的检测和高精度的位置检测。

5. 便于调整：在投射可视光的类型中，投光光束是眼睛可见的，便于对检测物体的位置进行调整。

6. 可实现颜色判别：通过检测物体形成的光的反射率和吸收率根据被投光的光线波长和检测物体的颜色组合而有所差异。利用这种性质，可对检测物体的颜色进行检测。




光纤传感器术语


检测距离

对射型：投光器与受光器直接的距离；

回归反射型：投受光器到反射板的距离；

扩散反射型/限定反射性/距离设定型：投受光器与检测物体直接的距离；









应差距离

动作距离与复位距离的差；（主要指扩散反射型）









响应时间

从输入光的断续开始到控制输出的动作或复位为止的时间









遮光动作与入光动作


遮光是遮断或者减少进入受光器的光束时使用输出型；入光则是增加进入受光器的光束时使用输出型。









自我诊断功能

判断光量的稳定度。一般光电传感器都带有绿色稳定指示灯，绿色和橙色灯同时亮表示稳定检测。自我诊断输出：不稳定时输出。









外部输入诊断


通过将对射型投光器的导线「粉」― 「蓝」间短路，可在任意时间使投光停止。

投光器和受光器间没有检测物体时（工作前），对投光器进行ON/OFF设置，如果受光器侧的输出没有变化，说明传感器发生异常。









标准检测物体

对射型和回归反射型是根据光学结构的对角线长度将直径较大的不透明体的尺寸作为标准物体。一般的对射型是以投、受光器的对角线长度作为标准检测物体的长度。回归反射型则是以反射板的对角线长度作为标准检测物体的直径。扩散反射型是根据投光束的直径将大张的白纸作为标准检测物体。









光纤传感器应用

使用光电传感器计算速冻饺子的个数









更多内容请关注：www.imefuture.com 








 来源：工业机器人培训、 过去与未来 侵删 查看全部

1.布料张立测量及控制原理




 
 
2.直滑式电位器控制气缸活塞行程




 
 
3.压阻式传感器测量也为的工作原理






4.MQN型气敏电阻结构及测量电路






5.气泡式水平仪的工作原理






6.扩散硅式压力传感器






7.应变加速度感应器






8.称重式料位器






9.电子皮带秤重示意图






10.电子吊秤






11.荷重传感器用于测量汽车衡的原理






12.荷重传感器的应用






13.TiO2氧浓度传感器结构及测量电路




 

14.电位式传感器




 
 
15.陶瓷湿度传感器






16.多孔型氧化铝湿敏电容原理






17.基本变间隙型电容传感器和差动变间隙型电容传感器的工作原理






18.变面积型电容传感器工作原理






19.利用接近开关进行物体检测的原理






20.光柱显示编码式液位计原理




 
 
21.电容式压力传感器




 
 
22.差压式液位计a




 
 
23.差压式液位计b




 
 
24.差压式液位计c




 
 
25.电容液位计原理图




 
 
26.电容测厚仪




 
 
27.电容加速度传感器




 
 
28.电容式量油表原理




 
 
29.频率差法测量流量的原理




 
 
30.空气传导型超声波发生、接受器的结构






 
 
31.超声波应用的两种类型




 
 
32.超声波探头的结构




 
 
33.超声波流量计的原理




 
 
34.超声波测厚的原理




 
 
35.超声波测量密度的原理




 
 
36.超声波测量液位的原理






37.超声波防盗报警器




 
 
38.纵波探伤




 
 
39.横波探伤




 
 
40.表面波探伤





  查看全部

 
 
来源：网络 查看全部

避障是指移动机器人在行走过程中，通过传感器感知到在其规划路线上存在静态或动态障碍物时，按照 一定的算法实时更新路径，绕过障碍物，最后达到目标点。

避障是指移动机器人在行走过程中，通过传感器感知到在其规划路线上存在静态或动态障碍物时，按照 一定的算法实时更新路径，绕过障碍物，最后达到目标点。

避障常用哪些传感器

不管是要进行导航规划还是避障，感知周边环境信息是第一步。就避障来说，移动机器人需要通过传感器 实时获取自身周围障碍物信息，包括尺寸、形状和位置等信息。避障使用的传感器多种多样，各有不同的原理和特点，目前常见的主要有视觉传感器、激光传感器、红外传感器、超声波传感器等。下面我简单介绍一下这几种传感器的基本工作原理。

- 超声波传感器

超声波传感器的基本原理是测量超声波的飞行时间，通过d=vt/2测量距离，其中d是距离，v是声速，t是 飞行时间。由于超声波在空气中的速度与温湿度有关，在比较精确的测量中，需把温湿度的变化和其它因素考虑进去。






上面这个图就是超声波传感器信号的一个示意。通过压电或静电变送器产生一个频率在几十kHz的超声波脉冲组成波包，系统检测高于某阈值的反向声波，检测到后使用测量到的飞行时间计算距离。超声波传感器一般作用距离较短，普通的有效探测距离都在几米，但是会有一个几十毫米左右的最小探测盲区。由于超声传感器的成本低、实现方法简单、技术成熟，是移动机器人中常用的传感器。超声波传感器也有一些缺点，首先看下面这个图。







因为声音是锥形传播的，所以我们实际测到的距离并不是 一个点，而是某个锥形角度范围内最近物体的距离。

另外，超声波的测量周期较长，比如3米左右的物体，声波传输这么远的距离需要约20ms的时间。再者，不同材料对声波的反射或者吸引是不相同的，还有多个超声传感器之间有可能会互相干扰，这都是实际应用的过程中需要考虑的。

红外传感器

一般的红外测距都是采用三角测距的原理。红外发射器按照一定角度发射红外光束，遇到物体之后，光会反向回来，检测到反射光之后，通过结构上的几何三角关系，就可以计算出物体距离D。






当D的距离足够近的时候，上图中L值会相当大，如果超过CCD的探测范围，这时，虽然物体很近，但是传感器反而看不到了。当物体距离D很大时，L值就会很小，测量量精度会变差。因此，常见的红外传感器 测量距离都比较近，小于超声波，同时远距离测量也有最小距离的限制。另外，对于透明的或者近似黑体的物体，红外传感器是无法检测距离的。但相对于超声来说，红外传感器具有更高的带宽。

激光雷达

常见的激光雷达是基于飞行时间的（ToF，time of flight），通过测量激光的飞行时间来进行测距d=ct/2，类似于前面提到的超声测距公式，其中d是距离，c是光速，t是从发射到接收的时间间隔。激光雷达包括发射器和接收器 ，发射器用激光照射目标，接收器接收反向回的光波。机械式的激光雷达包括一个带有镜子的机械机构，镜子的旋转使得光束可以覆盖 一个平面，这样我们就可以测量到一个平面上的距离信息。

对飞行时间的测量也有不同的方法，比如使用脉冲激光，然后类似前面讲的超声方案，直接测量占用的时间，但因为光速远高于声速，需要非常高精度的时间测量元件，所以非常昂贵；另一种发射调频后的连续激光波，通过测量接收到的反射波之间的差频来测量时间。






图一








图二

比较简单的方案是测量反射光的相移，传感器以已知的频率发射一定幅度的调制光，并测量发射和反向信号之间的相移，如上图一。调制信号的波长为lamda=c/f，其中c是光速，f是调制频率，测量到发射和反射光束之间的相移差theta之后，距离可由lamda * theta/4pi计算得到，如上图二。

激光雷达的测量距离可以达到几十米甚至上百米，角度分辨率高，通常可以达到零点几度，测距的精度也高。但测量距离的置信度会反比于接收信号幅度的平方，因此，黑体或者远距离的物体距离测量不会像光亮的、近距离的物体那么好的估计。并且，对于透明材料，比如玻璃，激光雷达就无能为力了。还有，由于结构的复杂、器件成本高，激光雷达的成本也很高。

一些低端的激光雷达会采用三角测距的方案进行测距。但这时它们的量程会受到限制，一般几米以内，并且精度相对低一些，但用于室内低速环境的SLAM或者在室外环境只用于避障的话，效果还是不错的。

视觉传感器

常用的计算机视觉方案也有很多种， 比如双目视觉，基于TOF的深度相机，基于结构光的深度相机等。深度相机可以同时获得RGB图和深度图，不管是基于TOF还是结构光，在室外强光环境下效果都并不太理想，因为它们都是需要主动发光的。像基于结构光的深度相机，发射出的光会生成相对随机但又固定的斑点图样，这些光斑打在物体上后，因为与摄像头距离不同，被摄像头捕捉到的位置也不相同，之后先计算拍到的图的斑点与标定的标准图案在不同位置的偏移，利用摄像头位置、传感器大小等参数就可以计算出物体与摄像头的距离。而我们目前的E巡机器人主要是工作在室外环境，主动光源会受到太阳光等条件的很大影响，所以双目视觉这种被动视觉方案更适合，因此我们采用的视觉方案是基于双目视觉的。

[20161123 03 robot06]





双目视觉的测距本质上也是三角测距法，由于两个摄像头的位置不同，就像我们人的两只眼睛一样，看到的物体不一样。两个摄像头看到的同一个点P，在成像的时候会有不同的像素位置，此时通过三角测距就可以测出这个点的距离。与结构光方法不同的是，结构光计算的点是主动发出的、已知确定的，而双目算法计算的点一般是利用算法抓取到的图像特征，如SIFT或SURF特征等，这样通过特征计算出来的是稀疏图。

要做良好的避障，稀疏图还是不太够的，我们需要获得的是稠密的点云图，整个场景的深度信息。稠密匹配的算法大致可以分为两类，局部算法和全局算法。局部算法使用像素局部的信息来计算其深度，而全局算法采用图像中的所有信息进行计算。一般来说，局部算法的速度更快，但全局算法的精度更高。

这两类各有很多种不同方式的具体算法实现。能过它们的输出我们可以估算出整个场景中的深度信息，这个深度信息可以帮助我们寻找地图场景中的可行走区域以及障碍物。整个的输出类似于激光雷达输出的3D点云图，但是相比来讲得到信息会更丰富，视觉同激光相比优点是价格低很多，缺点也比较明显，测量精度要差 一些，对计算能力的要求也高很多。当然，这个精度差是相对的，在实用的过程中是完全足够的，并且我们目前的算法在我们的平台NVIDIA TK1和TX1上是可以做到实时运行。






KITTI采集的图






实际输出的深度图，不同的颜色代表不同的距离

在实际应用的过程中，我们从摄像头读取到的是连续的视频帧流，我们还可以通过这些帧来估计场景中 目标物体的运动，给它们建立运动模型，估计和预测它们的运动方向、运动速度，这对我们实际行走、避障规划是很有用的。

以上几种是最常见的几种传感器 ，各有其优点和缺点，在真正实际应用的过程中，一般是综合配置使用多种不同的传感器 ，以最大化保证在各种不同的应用和环境条件下，机器人都能正确感知到障碍物信息。我们公司的E巡机器人的避障方案就是以双目视觉为主，再辅助以多种其他传感器，保证机器人周边360度空间立体范围内的障碍物都能被有效侦测到，保证机器人行走的安全性。

避障常用算法原理

在讲避障算法之前，我们假定机器人已经有了一个导航规划算法对自己的运动进行规划，并按照规划的路径行走。避障算法的任务就是在机器人执行正常行走任务的时候，由于传感器的输入感知到了障碍物的存在，实时地更新目标轨迹，绕过障碍物。

Bug算法

Bug算法应该是最简单的一种避障算法了，它的基本思想是在发现障碍后，围着检测到的障碍物轮廓行走，从而绕开它。Bug算法目前有很多变种， 比如Bug1算法，机器人首先完全地围绕物体，然后从距目标最短距离的点离开。Bug1算法的效率很低，但可以保证机器人达到目标。






Bug1算法示例

改进后的Bug2算法中，机器人开始时会跟踪物体的轮廓，但不会完全围绕物体一圈，当机器人可以直接移动至目标时，就可以直接从障碍分离，这样可以达到比较短的机器人行走总路径。






Bug2算法示例

除此之外，Bug算法还有很多其他的变种， 比如正切Bug算法等等。在许多简单的场景中，Bug算法是实现起来比较容易和方便的，但是它们并没有考虑到机器人的动力学等限制，因此在更复杂的实际环境中就不是那么可靠好用了。

势场法（PFM）

实际上，势场法不仅仅可以用来避障，还可以用来进行路径的规划。势场法把机器人处理在势场下的 一个点，随着势场而移动，目标表现为低谷值，即对机器人的吸引力，而障碍物扮演的势场中的一个高峰，即斥力，所有这些力迭加于机器人身上，平滑地引导机器人走向目标，同时避免碰撞已知的障碍物。当机器人移动过程中检测新的障碍物，则需要更新势场并重新规划。






上面这个图是势场比较典型的示例图，最上的图a左上角是出发点，右下角是目标点，中间三个方块是障碍物。中间的图b就是等势位图，图中的每条连续的线就代表了一个等势位的一条线，然后虚线表示的在整个势场里面所规划出来的一条路径，我们的机器人是沿着势场所指向的那个方向一直行走，可以看见它会绕过这个比较高的障碍物。最下面的图，即我们整个目标的吸引力还有我们所有障碍物产生的斥力最终形成的一个势场效果图，可以看到机器人从左上角的出发点出发，一路沿着势场下降的方向达到最终的目标点，而每个障碍物势场表现出在很高的平台，所以，它规划出来的路径是不会从这个障碍物上面走的。

一种扩展的方法在基本的势场上附加了了另外两个势场：转运势场和任务势场。它们额外考虑了由于机器人本身运动方向、运动速度等状态和障碍物之间的相互影响。

转动势场考虑了障碍与机器人的相对方位，当机器人朝着障碍物行走时，增加斥力， 而当平行于物体行走时，因为很明显并不会撞到障碍物，则减小斥力。任务势场则排除了那些根据当前机器人速度不会对近期势能造成影响的障碍，因此允许规划出 一条更为平滑的轨迹。

另外还有谐波势场法等其他改进方法。势场法在理论上有诸多局限性， 比如局部最小点问题，或者震荡性的问题，但实际应用过程中效果还是不错的，实现起来也比较容易。

向量场直方图（VFH）

它执行过程中针对移动机器人当前周边环境创建了一个基于极坐标表示的局部地图，这个局部使用栅格图的表示方法，会被最近的一些传感器数据所更新。VFH算法产生的极坐标直方图如图所示：






图中x轴是以机器人为中心感知到的障碍物的角度，y轴表示在该方向存在障碍物的概率大小p。实际应用的过程中会根据这个直方图首先辨识出允许机器人通过的足够大的所有空隙，然后对所有这些空隙计算其代价函数，最终选择具有最低代价函数的通路通过。

代价函数受三个因素影响： 目标方向、机器人当前方向、之前选择的方向，最终生成的代价是这三个因素的加权值，通过调节不同的权重可以调整机器人的选择偏好。VFH算法也有其他的扩展和改进，比如在VFH+算法中，就考虑了机器人运动学的限制。由于实际底层运动结构的不同，机器的实际运动能力是受限的，比如汽车结构，就不能随心所欲地原地转向等。VFH+算法会考虑障碍物对机器人实际运动能力下轨迹的阻挡效应，屏蔽掉那些虽然没有被障碍物占据但由于其阻挡实际无法达到的运动轨迹。我们的E巡机器人采用的是两轮差动驱动的运动形式，运动非常灵活，实际应用较少受到这些因素的影响。

具体可以看 一下这个图示：






类似这样传统的避障方法还有很多，除此之外，还有许多其他的智能避障技术，比如神经网络、模糊逻辑等。

神经网络方法对机器人从初始位置到目标位置的整个行走路径进行训练建模，应用的时候，神经网络的输 入为之前机器人的位姿和速度以及传感器的输 入，输出期望的下一目标或运动方向。

模糊逻辑方法核心是模糊控制器，需要将专家的知识或操作人员的经验写成多条模糊逻辑语句，以此控制机器人的避障过程。 比如这样的模糊逻辑：第一条，若右前方较远处检测到障碍物，则稍向左转；第 二条，若右前方较近处检测到障碍物，则减速并向左转更多角度；等等。

避障过程中存在哪些问题

- 传感器失效

从原理上来讲，没有哪个传感器是完美的，比方说机器人面前是一块完全透明的玻璃，那么采用红外、激光雷达或视觉的方案，就可能因为这个光线直接穿过玻璃导致检测失败，这时候就需要超声波这样的传感器来进行障碍物的侦测。所以我们在真正应用的过程中，肯定都需要采取多种传感器的结合，对不同传感器采集到的数据进行一个交叉验证，以及信息的融合，保证机器人能够稳定可靠的工作。

除此之外也有其他模式可能导致传感器失效，比如超声波测距，一般需要超声阵列，而阵列之间的传感器如果同时工作的话，会容易互相产生干扰，传感器A发射的光波反射回来被传感器B接收，导致测量结果出现错误，但是如果按照顺序一个个工作，由于超声波传感器采样的周期相对比较长，会减慢整个采集的速度，对实时避障造成影响，这就要求从硬件的结构到算法都必须设计好，尽可能提高采样速度，减少传感器之间的串扰。

还有比如说，机器人如果需要运动的话，一般都需要电机和驱动器，它们在工作过程中都会产生电容兼容性的问题，有可能会导致传感器采集出现错误，尤其是模拟的传感器，所以在实现过程中要把电机驱动器等设备、传感器的采集部分，以及电源通信部分保持隔离，保证整个系统是能够正常工作的。

- 算法设计

在刚刚提到的几个算法，很多在设计的时候都并没有完善考虑到整个移动机器人本身运动学模型和动力学模型，这样的算法规划出来的轨迹有可能在运动学上是实现不了的，有可能在运动学上可以实现，但是控制起来非常困难，比如刚刚提到的如果一台机器人的底盘是汽车的结构，就不能随心所欲地原地转向，或者哪怕这个机器人是可以原地转向，但是如果一下子做一个很大的机动的话，我们的整个电机是执行不出来的。所以在设计的时候，就要优化好机器人本身的结构和控制，设计避障方案的时候，也要考虑到可行性的问题。

然后在整个算法的架构设计的时候，我们要考虑到为了避让或者是避免伤人或者伤了机器人本身，在执行工作的时候，避障是优先级比较高的任务，甚至是最高的任务，并且自身运行的优先级最高，对机器人的控制优先级也要最高，同时这个算法实现起来速度要足够快，这样才能满足我们实时性的要求。

总之，在我看来，避障在某种程度上可以看做机器人在自主导航规划的一种特殊情况，相比整体全局的导航，它对实时性和可靠性的要求更高一些，然后，局部性和动态性是它的一个特点，这是我们在设计整个机器人硬件软件架构时一定要注意的。

多机协同的避障策略有哪些？

多机协同避障策略在整个SLAM方向上都还是一个在钻研的热点领域，单纯就避障来说，目前的方案是，当有两个或多个机器人协同工作的时候，每个机器人会在一个局部各自维护一个相对的动态地图，所有机器人共享一个相对静态的地图，而对于单个机器人来说，它们会各自维护一个更加动态的地图，这样当两个机器人接近一个位置时，它们会将它们维护的动态地图合并起来。

这样子有什么好处呢，比如视觉只能看到前方一个方向，这时候跟后面机器人的动态地图合并之后，就能看到前后整个局部的动态信息，然后完成避障。

多机协同的关键在于，两个局部地图之间的分享，就是它们分别在整个相对静态的全局地图上是有一小块一个窗口的位置，到这两个窗口可能融合的话，会把它们融合在一起，同时去指导两个机器人的避障。在具体实现过程中，也要考虑整个信息传输的问题，如果是自己本身的局部地图，由于都是本机的运算，速度一般都比较快，如果是两个机器人协作的话，就要考虑到传输的延时，以及带宽的问题。

避障有无标准的测试标准和指标？

目前就我所了解业界并没有什么统一的测试标准和指标，我们目前测试的时候会考虑这些指标，比如在单个障碍物或是多个障碍物，障碍物是静态的或动态的情况下避障效果如何，以及实际规划出的路径完美度如何，还有这个轨迹是否平滑，符合我们观感的效果。

当然，这个最重要的指标我觉得应该避障是否失败就是成功率的问题，要保证这个避障不管是碰到静态的或者是动态的物体，然后那个物体不管是什么材质，比如说如果是动态的人，我们穿什么样的衣服会不会对整个避障功能造成影响，另外就是不同的环境又会有什么样的影响，比如光线充足或暗淡。对于避障来说，成功率才是最为关键的。
 
 
来源：网络 查看全部

无线传感器网络作为一门面向应用的研究领域，在近几年获得了飞速发展。在关键技术的研发方面，学术界从网络协议、数据融合、测试测量、操作系统、服务质量、节点定位、时间同步等方面开展了大量研究，取得丰硕的成果；工业界也在环境监测、军事目标跟踪、智能家居、自动抄表、灯光控制、建筑物健康监测、电力线监控等领域进行应用探索。随着应用的推广，无线传感器网络技术开始暴露出越来越多的问题。
 
不同厂商的设备需要实现互联互通，且要避免与现行系统的相互干扰，因此要求不同的芯片厂商、方案提供商、产品提供商及关联设备提供商达成一定的默契，齐心协力实现目标。这就是无线传感器网络标准化工作的背景。实际上，由于标准化工作关系到多方的经济利益甚至社会利益，往往受到相关行业的普遍重视，如何协调好各方利益，达成共识，需要参与各方拥有足够的理解和耐心。


到目前为止，无线传感器网络的标准化工作受到了许多国家及国际标准组织的普遍关注，已经完成了一系列草案甚至标准规范的制定。其中最出名的就是IEEE 802.15.4/zigbee规范，它甚至已经被一部分研究及产业界人士视为标准。IEEE 802.15.4定义了短距离无线通信的物理层及链路层规范，zigbee则定义了网络互联、传输和应用规范。
 
尽管IEEE802.15.4和zigbee协议已经推出多年，但随着应用的推广和产业的发展，其基本协议内容已经不能完全适应需求，加上该协议仅定义了联网通信的内容，没有对传感器部件提出标准的协议接口，所以难以承载无线传感器网络技术的梦想与使命；另外，该标准在落地不同国家时，也必然要受到该国家地区现行标准的约束。为此，人们开始以IEEE 802.15.4/zigbee协议为基础，推出更多版本以适应不同应用、不同国家和地区。

尽管存在不完善之处，IEEE 802.15.4/zigbee仍然是目前产业界发展无线传感网技术当仁不让的最佳组合。本文将重点介绍IEEE 802.15.4/zigbee协议规范，并适当顾及传感网技术关注的其他相关标准。当然，无线传感器网络的标准化工作任重道远：
 
首先，无线传感网络毕竟还是一个新兴领域，其研究及应用都还显得相当年轻，产业的需求还不明朗；其次，IEEE 802.15/zigbee并非针对无线传感网量身定制，在无线传感网环境下使用有些问题需要进一步解决；
 
另外，专门针对无线传感网技术的国际标准化工作还刚刚开始，国内的标准化工作组也还刚刚成立。为此，我们要为标准化工作的顺利完成做好充分的准备。

1. PHY/MAC 层标准

无线传感器网络的底层标准一般沿用了无线个域网（IEEE 802.15）的相关标准部分。无线个域网（Wireless Personal Area Network，WPAN）的出现比传感器网络要早，通常定义为提供个人及消费类电子设备之间进行互联的无线短距离专用网络。无线个域网专注于便携式移动设备（如：个人电脑、外围设备、PDA、手机、数码产品等消费类电子设备）之间的双向通信技术问题，其典型覆盖范围一般在10米以内。
 
IEEE 802.15工作组就是为完成这一使命而专门设置的，且已经完成一系列相关标准的制定工作，其中就包括了被广泛用于传感器网络的底层标准IEEE 802.15.4。

（1） IEEE 802.15.4b规范

IEEE 802.15.4标准主要针对低速无线个域网（Low-Rate Wireless Personal Area Network，LR-WPAN）制定。该标准把低能量消耗、低速率传输、低成本作为重点目标（这和无线传感器网络一致），旨在为个人或者家庭范围内不同设备之间低速互联提供统一接口。
 
由于IEEE 802.15.4定义的LR-WPAN网络的特性和无线传感器网络的簇内通信有众多相似之处，很多研究机构把它作为传感器网络节点的物理及链路层通信标准。

IEEE 802.15.4标准定义了物理层和介质访问控制子层，符合开放系统互连模型（OSI）。物理层包括射频收发器和底层控制模块，介质访问控制子层为高层提供了访问物理信道的服务接口。图1给出了IEEE 802.15.4层与层之间的关系以及IEEE 802.15.4/zigbee的协议架构，具体参考［1］






IEEE 802.15.4在物理（PHY）层设计中面向低成本和更高层次的集成需求，采用的工作频率分为868MHz、915MHz和2.4GHz三种，各频段可使用的信道分别有1个、10个、16个，各自提供20kb/s、40kb/s和250kb/s的传输速率，其传输范围介于10米～100米之间。
 
由于规范使用的三个频段是国际电信联盟电信标准化组 （ITUT， ITU Telecommunication Standardization Sector）定义的用于科研和医疗的ISM（Industrial Scientific and Medical）开放频段，被各种无线通信系统广泛使用。为减少系统间干扰，协议规定在各个频段采用直接序列扩频（DSSS，Direct Sequence Spread Spectrum）编码技术。
 
与其他数字编码方式相较，直接序列扩频技术可使物理层的模拟电路设计变得简单，且具有更高的容错性能，适合低端系统的实现。

IEEE 802.15.4在介质访问控制层方面，定义了两种访问模式。其一为带冲突避免的载波侦听多路访问方式（Carrier Sense Multiple Access with Collision Avoidance，CSMA/CA）。这种方式参考无线局域网（WLAN）中IEEE802.11标准定义的DCF 模式，易于实现与无线局域网（WLAN， Wireless LAN）的信道级共存。
 
所谓的CSMA/CA是在传输之前，先侦听介质中是否有同信道（co-channel）载波，若不存在，意味着信道空闲，将直接进入数据传输状态；若存在载波，则在随机退避一段时间后重新检测信道。这种介质访问控制层方案简化了实现自组织（Ad Hoc）网络应用的过程，但在大流量传输应用时给提高带宽利用率带来了麻烦；同时，因为没有功耗管理设计，所以要实现基于睡眠机制的低功耗网络应用，需要做更多的工作。

IEEE 802.15.4定义的另外一种通信模式类似于802.11标准定义的PCF 模式，通过使用同步的超帧机制提高信道利用率，并通过在超帧内定义休眠时段，很容易实现低功耗控制。
 
PCF模式定义了两种器件：全功能器件（Full-Function Device，FFD）和简化功能器件（Reduced-function Device，RFD）。FFD设备支持所有的49个基本参数，而RFD设备在最小配置时只要求它支持38个基本参数。在PCF模式下，FFD设备作为协调器控制所有关联的RFD设备的同步、数据收发过程，可以与网络内任何一种设备进行通信。而RFD设备只能和与其关联的FFD设备互通。
 
在PCF模式下，一个IEEE 802.15.4网络中至少存在一个FFD设备作为网络协调器（PAN Coordinator），起着网络主控制器的作用，担负簇间和簇内同步、分组转发、网络建立、成员管理等任务。

IEEE 802.15.4标准支持星型和点对点两种网络拓扑结构，有16位和64位两种地址格式。其中64位地址是全球唯一的扩展地址，16位段地址用于小型网络构建，或者作为簇内设备的识别地址。IEEE 802.15.4b标准拥有多个变种，包括了低速超宽带的IEEE 802.15.4a，及最近中国正在着力推进的IEEE 802.15.4c和IEEE 802.15.4e，以及日本主要推动的IEEE 802.15.4d，在这里就不深入讨论了。

（2）蓝牙（Bluetooth）技术

1998年5月，就在IEEE 802.15无线个域网工作组成立不久，五家世界著名的IT公司：爱立信（Ericsson）、IBM、英特尔（Intel）、诺基亚（Nokia）和东芝（Toshiba）联合宣布了一项叫做“蓝牙（Bluetooth）”的研发计划。
 
1999年7月蓝牙工作组推出了蓝牙协议1.0版，2001年更新为版本1.1，即我们熟知的IEEE 802.15.1协议。该协议旨在设计通用的无线空中接口（Radio Air Interface）及其软件的国际标准，使通信和计算机进一步结合，让不同厂家生产的便携式设备具有在没有电缆的情况下实现近距离范围内互通的能力。计划一经公布，就得到了包括摩托罗拉（Motorola）、朗讯（Lucent）、康柏（Compaq）、西门子（Simens）、3Com、TDK以及微软（Microsoft）等大公司在内的近2000家厂商的广泛支持和采纳。

蓝牙技术也是工作在2.4GHz的ISM频段，采用快速跳频和短包技术减少同频干扰，保证物理层传输的可靠性和安全性，具有一定的组网能力，支持64Kbps的实时语音。蓝牙技术日益普及，市场上的相关产品也在不断增多，但随着超宽带技术、无线局域网及zigbee技术的出现，特别是其安全性、价格、功耗等方面的问题日益显现，其竞争优势开始下降。
 
2004年蓝牙工作组推出2.0版本，带宽提高三倍，且功耗降低一半，在一定程度上重建了产业界信心。

由于蓝牙技术与zigbee技术存在一定的共性，所以它们经常被应用于无线传感器网络中。

2. 其他无线个域网标准

无线传感器网络要构建从物理层到应用层的完整的网络，而无线个域网标准为其提前制定了物理层及介质访问控制层规范。除了前面讨论的IEEE 802.15.4及蓝牙技术外，无线个域网技术方案还包括：超宽带（UWB）技术、红外（IrDA）技术、家用射频（HomeRF）技术等，其共同的特点是短距离、低功耗、低成本、个人专用等，它们均在不同的应用场景中被用于无线传感器网络的底层协议方案，简单介绍如下：

（1） 超宽带（UWB）技术

超宽带（Ultra Wide-Band，UWB）技术起源于20世纪50年代末，是一项使用从几Hz到几GHz的宽带电波信号的技术，通过发射极短暂的脉冲，并接收和分析反射回来的信号，就可以得到检测对象的信息。UWB因为使用了极高的带宽，故其功率谱密度非常平坦，表现为在任何频点的输出功率都非常小，甚至低于普通设备放射的噪声，故其具有很好的抗干扰性和安全性。
 
超宽带技术最初主要作为军事技术在雷达探测和定位等应用领域中使用，美国FCC（联邦通信委员会）于2002年2月准许该技术进入民用领域。除了低功耗外，超宽带技术的传输速率轻易可达100Mbps以上，其第二代产品可望达到500Mbps以上，仅这一项指标就让其他众多技术望尘莫及。围绕UWB的标准之争从一开始就非常激烈，Freescale的DS-UWB和由TI倡导的MBOA逐步脱颖而出，近几年国内在这方面的研究也非常热门。

由于其功耗低、带宽高、抗干扰能力强，超宽带技术无疑具有梦幻般的发展前景，但超宽带芯片产品却迟迟未曾面市，这无疑留给我们一个大大的遗憾。近年来开始出现相关产品的报道，不过这项底蕴极深的技术还需要整个产业界的共同推动。目前超宽带技术可谓初露锋芒，相信它属于大器晚成、老而弥坚的类型，在无线传感器网络应用中必会大有作为。

（2） 红外（IrDA）技术

红外技术是一种利用红外线进行点对点通信的技术，是由成立于1993 年的非营利性组织红外线数据标准协会IrDA（Infrared Data Association）负责推进的，该协会致力于建立无线传播连接的世界标准，目前拥有130个以上的正式企业会员。红外技术的传输速率已经从最初FIR的4Mbps上升为现在VFIR的16Mbps，接收角度也由最初的30°扩展到120°。
 
由于它仅用于点对点通信，且具有一定方向性，故数据传输所受的干扰较少。由于产品体积小、成本低、功耗低、不需要频率申请等优势，红外技术从诞生到现在一直被广泛应用，可谓无线个域网领域的一棵常青树。经过多年的发展，其硬件与配套的软件技术都已相当成熟，目前全世界有至少5000万台设备采用IrDA技术，并且仍然以年递增50%的速度在增长。
 
当今有95%的手提电脑都安装了IrDA 接口，而遥控设备（电视机、空调、数字产品等）更是普遍采用红外技术。

但是IrDA是一种视距传输技术，核心部件红外线LED也不是十分耐用，更无法构建长时间运行的稳定网络，造成红外技术终究没能成为无线个域网的物理层标准技术，仅在极少数无线传感器网络应用中进行过尝试（如定位跟踪），并且是与其他无线技术配合使用的。


（3）家用射频（HomeRF）技术

家用射频工作组（Home Radio Frequency Working Group，HomeRF WG）成立于1998年3月，是由美国家用射频委员会领导的，首批成员包括：英特尔、IBM、康柏、3Com、飞利浦（Philips）、微软、摩托罗拉等公司，其主旨是在消费者能够承受的前提下，建设家庭中的互操作性语音和数据网络。家用射频工作组于1998 年即制定了共享无线访问协议（Shared Wireless Access Protocol SWAP），该协议主要针对家庭无线局域网。
 
该协议的数据通信采用简化的IEEE 802.11协议标准，沿用了以太网载波侦听多路访问/冲突检测（CSMA/CD）技术；其语音通信采用DECT（Digital Enhanced Cordless Telephony）标准，使用时分多址（TDMA）技术。家用射频工作频段是2.4GHz，最初支持数据和音频最大数据的传输速率为2Mbps，在新的家用射频2.x 标准中采用了WBFH（Wide Band Frequency Hopping 宽带跳频）技术，增加跳频调制功能，数据带宽峰值可达10Mbps，已经能够满足大部分应用。

2000年左右家用射频技术的普及率一度达到45%，但由于技术标准被控制在数十家公司手中，并没有像红外技术一样开放，特别是802.11b标准的出现，从2001年开始，家用射频的普及率骤然降至30%，2003年家用射频工作组更是宣布停止研发和推广，曾经风光无限的家用射频终于退出无线个域网的历史舞台，尤如昙花一现。

3. 路由及高层标准

在前面讨论的底层标准的基础之上，已经出现了一些包括了路由及应用层的高层协议标准，主要包括zigbee/IEEE 802.15.4、6LowPAN、IEEE1451.5（无线传感通信接口标准）等，另外，Z-Wave联盟、Cypress （Wireless USB传感器网络）等也推出了类似的标准，但是在专门为无线传感器网络设计的标准出来以前，zigbee无疑是最受宠爱的，也受到了较多的应用厂商的推崇，这里简单介绍一下。

（1） zigbee协议规范

zigbee联盟成立于2001年8月，最初成员包括：霍尼韦尔（Honeywell）、Invensys、三菱（MITSUBISHI）、摩托罗拉和飞利浦等，目前拥有超过200多个会员。zigbee 1.0（Revision 7）规格正式于2004年12月推出，2006年12月，推出了zigbee 2006（Revision 13），即1.1版，2007年又推出了zigbee 2007 Pro，2008年春天又有一定的更新。
 
zigbee技术具有功耗低、成本低、网络容量大、时延短、安全可靠、工作频段灵活等诸多优点，目前是被普遍看好的无线个域网解决方案，也被很多人视为无线传感器网络的事实标准。

zigbee联盟对网络层协议和应用程序接口（Application Programming Interfaces，API）进行了标准化。
 
zigbee协议栈架构基于开放系统互连模型七层模型，包含IEEE 802.15.4标准以及由该联盟独立定义的网络层和应用层协议。zigbee所制定的网络层主要负责网络拓扑的搭建和维护，以及设备寻址、路由等，属于通用的网络层功能范畴，应用层包括应用支持子层（Aplication Support Sub-layer，APS）、zigbee设备对象（zigbee Device Object，ZDO）以及设备商自定义的应用组件，负责业务数据流的汇聚、设备发现、服务发现、安全与鉴权等。

另外，zigbee联盟也负责zigbee产品的互通性测试与认证规格的制定。zigbee联盟定期举办ZigFest活动，让发展zigbee产品的厂商有一个公开交流的机会，完成设备的互通性测试；而在认证部分，zigbee联盟共定义了3种层级的认证：
 
第一级（Level 1）是认证物理层与介质访问控制层，与芯片厂有最直接的关系；
 
第二级（Level 2）是认证zigbee 协议栈（Stack），又称为zigbee兼容平台认证（Compliant Platform Certification）；第三级（Level 3）是认证zigbee产品，通过第三级认证的产品才允许贴上zigbee的标志，所以也称为zigbee标志认证（Logo Certification）。

协议芯片是协议标准的载体，也是最容易体现知识产权的一种形式。目前市场上出现了较多的zigbee芯片产品及解决方案，有代表性的包括：Jennic的JN5121/JN5139，Chipcon的CC2430/CC2431（被TI收购）及Freescale MC13192，Ember的EM250 zigbee等系列的开发工具及芯片，表 1对这些芯片指标进行了比较。






（2） IEEE 1451.5标准

除了以上两种通用规范以外，在无线传感器网络的不同应用领域，也正在酝酿着特定行业的专用标准，如电力水力、工业控制、消费电子、智能家居等。这里以工控领域为例简单讨论一下IEEE1451.X，当然工业标准纷繁复杂，最近正在制定专门面向工业自动化应用的无线技术标准ISA SP100，有很多中国工业及学术界同仁努力参与了该标准的制定工作。

IEEE1451标准族是通过定义一套通用的通信接口，以使工业变送器（传感器+执行器）能够独立于通信网络，并与现有的微处理器系统、仪表仪器和现场总线网络相连，解决不同网络之间的兼容性问题，并最终能够实现变送器到网络的互换性与互操作性。IEEE1451标准族定义了变送器的软硬件接口，将传感器分成两层模块结构。
 
第一层用来运行网络协议和应用硬件，称为网络适配器（Network Capable Application Processor， NCAP）；
 
第二层为智能变送器接口模块（Smart Transducer Interface Module， STIM），其中包括变送器和电子数据表格TEDS。IEEE1451工作组先后提出了五项标准提案（IEEE1451.1—IEEE1451.5），分别针对了不同的工业应用现场需求，其中IEEE1451.5为无线传感通信接口标准。

IEEE1451.5标准提案于2001年6月最新推出，在已有的IEEE1451柜架下提出了一个开放的标准无线传感器接口，以满足工业自动化等不同应用领域的需求。IEEE1451.5尽量使用无线的传输介质，描述了智能传感器与网络适配器模块之间的无线连接规范，而不是网络适配器模块与网络之间的无线连接，实现了网络适配器模块与智能传感器的IEEE 802.11、Bluetooth、zigbee无线接口之间的互操作性。
 
IEEE1451.5提案的工作重点在于制定无线数据通信过程中的通信数据模型和通信控制模型。IEEE1451.5建议标准必须对数据模型进行具有一般性的扩展以允许多种无线通信技术可以使用，主要包括两方面：
 
一是为变送器通信定义一个通用的服务质量（QOS）机制，能够对任何无线电技术进行映射服务，
 
另外对每一种无线射频技术都有一个映射层用来把无线发送具体配置参数映射到服务质量机制中。关于该标准具体内容，这里就不再详细讨论了。

（3）.6LowPan草案

无线传感器网络从诞生开始就与下一代互联网相关联，6LowPan（IPv6 over Low Power Wireless Personal Area Network）就是结合这两个领域的标准草案。该草案的目标是制定如何在LowPAN（低功率个域网）上传输IPv6报文。当前LowPAN采用的开放协议主要指前面提到的IEEE802.15.4 介质访问控制层标准，在上层并没有一个真正开放的标准支持路由等功能。
 
由于IPv6是下一代互联网标准，在技术上趋于成熟，并且在LowPan上采用IPv6协议可以与IPv6网络实现无缝连接，因此互联网工程任务组（IETF， Internet Engineering Task Force，）成立了专门的工作组制定如何在802.15.4协议上发送和接收IPv6报文等相关技术标准。

在802.15.4上选择传输IPv6报文主要是因为现有成熟的IPv6技术可以很好地满足LowPan互联层的一些要求。首先在LowPan网络里面很多设备需要无状态自动配置技术，在IPv6邻居发现（Neighbor Discovery）协议里基于主机的多样性已经提供了两种自动配置技术：有状态自动配置与无状态自动配置。
 
另外在LowPan网络中可能存在大量的设备，需要很大的IP地址空间，这个问题对于有着128位IP地址的IPv6协议不是问题；其次在包长受限的情况下，可以选择IPv6的地址包含802.15.4介质访问控制层地址。

IPv6与802.15.4协议的设计初衷是应用于两个完全不同的网络，这导致了直接在802.15.4上传输IPv6报文会有很多的问题。
 
首先两个协议的报文长度不兼容，IPv6报文允许的最大报文长度是1280字节，而在802.15.4的介质访问控制层最大报文长度是127字节。由于本身的地址域信息（甚至还需要留一些字节给安全设置）占用了25个字节，留给上层的负载域最多102个字节，显然无法直接承载来自IPv6网络的数据包；其次两者采用的地址机制不相同，IPv6采用分层的聚类地址，由多段具有特定含义的地址段前缀与主机号构成；
 
而在802.15.4中直接采用64位或16位的扁平地址；另外，两者设备的协议设计要求不同，在IPv6的协议设计时没有考虑节省能耗问题。而在802.15.4很多设备都是电池供电，能量有限，需要尽量减少数据通信量和通信距离，以延长网络寿命；最后，两个网络协议的优化目标不同，在IPv6中一般关心如何快速地实现报文转发问题，而在802.15.4中，如何在节省设备能量的情况下实现可靠的通信是其核心目标。

总之，由于两个协议的设计出发点不同，要IEEE802.15.4支持IPv6数据包的传输还存在很多技术问题需要解决，如报文分片与重组、报头压缩、地址配置、映射与管理、网状路由转发、邻居发现等，在这里就不再一一讨论了。

4. 国内标准化及国际化

近几年来，国内无线传感器网络领域的标准化工作在全国信息技术标准化技术委员会（简称信标委）推动下，取得了较大进展。信标委经过一年多的酝酿，于2005年11月29日组织国内及海外华人专家，在中国电子技术标准化研究所召开了第一次“无线个域网技术标准研讨会”，讨论了无线个域网标准进展状况、市场分析及标准制定等事宜，会议建议将无线传感器网络纳入无线个域网范畴，并成立了专门的兴趣小组（另外还有低速无线个域网、超宽带等兴趣小组），自此中国无线传感器网络标准化工作迈出了第一步。

工作组经过国内三十多个科研及产业实体近两年的共同努力，先后组织了八次全国范围的技术研讨会，提出了低速无线个域网使用的780MHz（779-787 MHz） 专用频段及相关技术标准，获得国家无管委的正式批准（日本使用950MHz、美国使用915MHz）。针对该频段，工作组提出了拥有自主产权的MPSK 调制编码技术，摆脱了国外同类技术的专利束缚。
 
2008年3月3日到4日，工作组对《信息技术 系统间远程通信和信息交换 局域网和城域网特定要求第15.4部分：低速率无线个域网（WPAN）物理层和媒体访问控制层规范》意见函进行了投票，并通过了780MHZ工作频段采用MPSK和O-QPSK 调制编码技术提案作为低速率无线个域网共同可选（Co-alternative）的物理层技术规范（MPSK和O-QPSK分别由中国和美国相关团体提出，并各自拥有知识产权），即LR-WPAN可以采用MPSK和OQPSK其中之一，或共同使用，并最终将形成IEEE 802.15.4c标准。
 
另外，由中国及华人专家主要负责起草的包括了MAC/PHY两层协议的IEEE 802.15.4e也在顺利推进中（在IEEE 802.15.4—2006 介质访问控制中加入工业无线标准支持ISA SP-100.11a，并兼容IEEE 802.15.4c）。这是国内标准化工作的一个重要进展，也是我国参与国际标准制定的重要一步。计算所是这个工作组的正式会员单位之一，参与了其中的一些工作。

最近，国内及国际无线传感器网络的标准化工作又取得了新的发展。首先，国标委已正式批复无线传感器网络从无线个域网工作组中分离出来，成立了直属于全国信息技术标准化管理委员会的无线传感器网络标准工作组（秘书处现挂靠微系统所，计算所作为其成员单位之一，将致力于该标准的制定工作）。
 
工作组预计于2008年4月10日左右完成筹备工作，这标志着传感器网络的标准化工作向前迈进了一大步；其次，国际标准化组织也成立了ISO/IEC JTC1/SGSN研究小组，开始了传感器网络相关国际标准的制定。中国和美国、韩国、日本等国家一起作为重要成员单位参与其中。其第一次会议也将于2008年6月底在中国上海隆重召开。
 
会议不但有国内外相关领域专家对其中若干关键问题展开技术讨论，也会有众多从事传感器网络应用的企业携最新产品参加展览。与此同时，各会员国将对传感器网络标准框架开展深入探讨，为标准草案的详细设计奠定基础。

标准是连接科研和产业的纽带，而芯片正是标准的最直接的实现形式。参与标准化工作，特别是参与国际标准的制定，对提升我国产品的竞争力和技术水平，占领行业制高点，有着举足轻重的作用。制定标准的最终目的还是为提升产业水平、满足产品国际化、保护自主知识产权、兼容同类或配套产品等方面提供便利。
 
如果我们能参与无线传感器网络相关的国内和国际标准的制定，就会在本领域的芯片设计、方案提供及产品制造等方面获得有力保障。系统芯片作为标准最直接的体现形式，将是无线传感器网络应用系统的关键部件，不但是成本的主要决定因素，更是知识产权的主要体现形式。缺少产业的标准显得苍白无力，只是一纸空文；缺少芯片的标准制定显得有名无实，只是纸上谈兵。
 
但是，目前国内在芯片设计及产业化（特别是射频芯片）方面的水平都较低，能力比较弱，这是无线传感器网络领域亟需取得突破的两个关键环节。标准制定和通信芯片是目前传感器网络领域的两个不可或缺的方面。
 
 
 
来源：1号机器人

智造家提供 查看全部

从某种程度上来说，可穿戴设备的终极形态是无形的，或许是植入、或许是通过临时的纹身技术，总而言之人们不需要再额外佩戴手环状产品。关于电子纹身，实际上仍是一项探索中的技术，它们需要更无形化、更容易使用，最重要的是成本需要更低。下面，一起来看看目前正在发展中的四款电

移动机器人是机器人的重要研究领域，人们很早就开始移动机器人的研究。世界上第一台真正意义上的移动机器人是斯坦福研究院（SRI）的人工智能中心于1966年到1972年研制的，名叫Shakey，它装备了电视摄像机、三角测距仪、碰撞传感器、驱动电机以及编码器，并通过无线通讯系统由二台计算机控制，可以进行简单的自主导航。
 
Shakey的研制过程中还诞生了两种经典的导航算法：A*算法（the A* search algorithm）和可视图法（the visibility graph method）。虽然Shakey只能解决简单的感知、运动规划和控制问题，但它却是当时将AI应用于机器人的最为成功的研究平台，它证实了许多通常属于人工智能（Aritificial Intelligence， AI）领域的严肃的科学结论。从20世纪70年代末开始，随着计算机的应用和传感技术的发展，以及新的机器人导航算法的不断推出，移动机器人研究开始进入快车道。






移动机器人智能的一个重要标志就是自主导航，而实现机器人自主导航有个基本要求——避障。下面让我们来了解一下移动机器人的避障，避障是指移动机器人根据采集的障碍物的状态信息，在行走过程中通过传感器感知到妨碍其通行的静态和动态物体时，按照一定的方法进行有效地避障，最后达到目标点。

实现避障与导航的必要条件是环境感知，在未知或者是部分未知的环境下避障需要通过传感器获取周围环境信息，包括障碍物的尺寸、形状和位置等信息，因此传感器技术在移动机器人避障中起着十分重要的作用。避障使用的传感器主要有超声传感器、视觉传感器、红外传感器、激光传感器等。

移动机器人避障常用的传感器

1、激光传感器

激光测距传感器利用激光来测量到被测物体的距离或者被测物体的位移等参数。比较常用的测距方法是由脉冲激光器发出持续时间极短的脉冲激光，经过待测距离后射到被测目标，回波返回，由光电探测器接收。
 
根据主波信号和回波信号之间的间隔，即激光脉冲从激光器到被测目标之间的往返时间，就可以算出待测目标的距离。由于光速很快，使得在测小距离时光束往返时间极短，因此这种方法不适合测量精度要求很高的（亚毫米级别）距离，一般若要求精度非常高，常用三角法、相位法等方法测量。

2、视觉传感器

视觉传感器的优点是探测范围广、获取信息丰富，实际应用中常使用多个视觉传感器或者与其它传感器配合使用，通过一定的算法可以得到物体的形状、距离、速度等诸多信息。或是利用一个摄像机的序列图像来计算目标的距离和速度，还可采用SSD算法，根据一个镜头的运动图像来计算机器人与目标的相对位移。但在图像处理中，边缘锐化、特征提取等图像处理方法计算量大，实时性差，对处理机要求高。且视觉测距法检测不能检测到玻璃等透明障碍物的存在，另外受视场光线强弱、烟雾的影响很大。

3、红外传感器

大多数红外传感器测距都是基于三角测量原理。红外发射器按照一定的角度发射红外光束，当遇到物体以后，光束会反射回来，如图所示。反射回来的红外光线被CCD检测器检测到以后，会获得一个偏移值L，利用三角关系，在知道了发射角度α，偏移距L，中心矩X，以及滤镜的焦距f以后，传感器到物体的距离D就可以通过几何关系计算出来了。
 
红外传感器的优点是不受可见光影响，白天黑夜均可测量，角度灵敏度高、结构简单、价格较便宜，可以快速感知物体的存在，但测量时受环境影响很大，物体的颜色、方向、周围的光线都能导致测量误差，测量不够精确。

4、超声波传感器

超生波传感器检测距离原理是测出发出超声波至再检测到发出的超声波的时间差，同时根据声速计算出物体的距离。由于超声波在空气中的速度与温湿度有关，在比较精确的测量中，需把温湿度的变化和其它因素考虑进去。超声波传感器一般作用距离较短，普通的有效探测距离都在5-10m之间，但是会有一个最小探测盲区，一般在几十毫米。由于超声传感器的成本低，实现方法简单，技术成熟，是移动机器人中常用的传感器。

机器人避障技术的分类

目前移动机器人的避障根据环境信息的掌握程度可以分为障碍物信息已知、障碍物信息部分未知或完全未知两种。
 
传统的导航避障方法如可视图法、栅格法、自由空间法等算法对障碍物信息己知时的避障问题处理尚可，但当障碍信息未知或者障碍是可移动的时候，传统的导航方法一般不能很好的解决避障问题或者根本不能避障。而实际生活中，绝大多数的情况下，机器人所处的环境都是动态的、可变的、未知的，为了解决上述问题，人们引入了计算机和人工智能等领域的一些算法。
 
同时得益于处理器计算能力的提高及传感器技术的发展，在移动机器人的平台上进行一些复杂算法的运算也变得轻松，由此产生了一系列智能避障方法，比较热门的有：遗传算法、神经网络算法、模糊算法等，下面分别加以介绍。

1、基于遗传算法的机器人避障算法：

遗传算法（genetic algorithm ，简称GA ）是计算数学中用于解决最佳化的搜索算法，是进化算法的一种。进化算法是借鉴了进化生物学中的遗传、突变、自然选择以及杂交等现象而发展起来的。
 
遗传算法采用从自然进化中抽象出来的几个算子对参数编码的字符串进行遗传操作，包括复制或选择算子（Reproduction or Select）、交叉算子（Crossover）、变异算子（Mutation）。

遗传算法的主要优点是：采用群体方式对目标函数空间进行多线索的并行搜索，不会陷入局部极小点；只需要可行解目标函数的值，而不需要其他信息，对目标函数的连续性、可微性没有要求，使用方便；解的选择和产生用概率方式，因此具有较强的适应能力和鲁棒性。

2、基于神经网络算法的机器人避障方法：

神经网络（neural network，缩写NN），是一种模仿生物神经网络的结构和功能的数学模型或计算模型。神经网络由大量的人工神经元联结进行计算。
 
大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。人工神经网络通常通过一个基于数学统计学类型的学习方法优化，是一种非线性统计性数据建模工具，可以对输入和输出间复杂的关系进行建模。

传统的神经网络路径规划方法往往是建立一个关于机器人从初始位置到目标位置行走路径的神经网络模型，模型输入是传感器信息和机器人前一位置或者前一位置的运动方向，通过对模型训练输出机器人下一位置或者下一位置的运动方向。可以建立基于动态神经网络的机器人避障算法，动态神经网络可以根据机器人环境状态的复杂程度自动地调整其结构，实时地实现机器人的状态与其避障动作之间的映射关系，能有效地减轻机器人的运算压力。
 
还有研究通过使用神经网络避障的同时与混合智能系统（HIS）相连接，可以使移动机器人的认知决策避障能力和人相近。

3、基于模糊控制的机器人避障算法

模糊控制（fuzzy control）是一类应用模糊集合理论的控制方法，它没有像经典控制理论那样把实际情况加以简化从而建立起数学模型，而是通过人的经验和决策进行相应的模糊逻辑推理，并且用具有模糊性的语言来描述整个时变的控制过程。对于移动机器人避障用经典控制理论建立起的数学模型将会非常粗糙，而模糊控制则把经典控制中被简化的部分也综合起来加以考虑。

对于移动机器人避障的模糊控制而言，其关键问题就是要建立合适的模糊控制器，模糊控制器主要完成障碍物距离值的模糊化、避障模糊关系的运算、模糊决策以及避障决策结果的非模糊化处理（精确化）等重要过程，以此来智能地控制移动机器人的避障行为。利用模糊控制理论还可将专家知识或操作人员经验形成的语言规则直接转化为自动控制策略。通常使用模糊规则查询表，用语言知识模型来设计和修正控制算法。

除此之外还有启发式搜索算法、基于行为的路径规划算法、基于再激励学习的路径规划算法等避障算法，也都在移动机器人的避障研究中取得了很好的成果。

随着计算机技术、传感器技术、人工智能的发展，移动机器的避障及自主导航技术已经取得了丰硕的研究成果，应用领域也在不断地扩大，应用复杂程度也越来越高。移动机器人的自主寻路要求已经从之前简单的功能实现提升到可靠性、通用性、高效率上来，因此对其相关技术提出了更高的要求。然而至今没有任何一种方法能够在任意环境使机器人进行有效地避障，如何克服相关算法的局限性是今后工作的研究方向之一。
 
可以看出不管是传统算法还是新兴的智能算法都有其适用与不适用的环境，通过传统算法与智能算法及智能算法之间的相互融合，克服单个算法的缺陷，增强整体的适用性，现在已经有很多这方面的研究，以后仍将是研究热点之一。
 
 
 
来源：1号机器人

智造家提供 查看全部

传感器分类

通常据其基本感知功能可分为热敏元件、光敏元件、气敏元件、力敏元件、磁敏元件、湿敏元件、声敏元件、放射线敏感元件、色敏元件和味敏元件等十大类。

常将传感器的功能与人类5大感觉器官相比拟：

压敏/温敏/流体传感器——触觉

气敏传感器——嗅觉

光敏传感器——视觉

声敏传感器——听觉

化学传感器——味觉

2016年传感器主流类型及应用

1、温度传感器

简介：温度传感器在早期的手机中就已经出现，它可以检测手机电池和处理器温度变化情况。目前的智能手机中拥有更多的温度传感器，用于检测手机的工作情况，控制手机发热程度等。随着Windows 8、Android 4.0增加了对于温湿度传感器的API支持，相关的第三方应用开发者将可以在此基础上开发大量的应用软件。

应用场景：1、硬件监控 2、监测环境温湿度等

2、气压传感器

简介：在目前的中高端移动设备中均配备了气压传感器。这种气压传感器也分为两部分，一部分为外部气压传感器，另一部分为内部气压传感器。外部气压传感器就是检测我们生活场景中的大气压力，利用大气压的变化来检测我们所处的高度。当然这个也是作为位置传感器辅助存在的。除此之外如果经常户外的人肯定知道，利用气压降低和升高来确定短时间的天气变化。不过可惜，目前这种软件市场中还没有出现。

应用场景：1、户外运动高度测量 2、三防设备检测内部封闭程度等

 
 
3、重力感应器

简介：重力感应器开始的应用是在苹果iPhone手机上面，在此之前手机和平板就没有被配过此类的传感器。重力感应器当时最主要的应用就是方便用户切换手机横屏与竖屏，当年在后期重力感应器也被赋予了更多的功能与应用扩展。

应用场景：1、游戏与3D应用程序 2、拍照应用 3、惯性导航

 
 
4、角速度传感器（陀螺仪）

简介：陀螺仪又叫角速度传感器，不同于加速度计（G-sensor），它的测量物理量是偏转、倾斜时的转动角速度。在手机或平板上，仅用加速度计没办法测量或重构出完整的3D动作，是测不到转动的动作的。因此，加速度计（G-sensor）只能检测轴向的线性动作。但陀螺仪则可以对转动、偏转的动作做很好的测量。这样，就可以精确分析判断出使用者的实际动作，从而根据动作，对手机或平板做相应的操作。

应用场景：1、游戏与3D应用程序 2、拍照应用 3、惯性导航

 
 
5、位置传感器

简介：位置传感器最普通的理解就是GPS，说白了就是为我们提供位置服务，几百块钱的手机也有这种功能。其实，位置传感器的功能还远不止于此。

应用场景：1、地图定位 2、丢失设备寻找 3、查岗

 
 
6、近距离感应器

简介：近距离感应器主要作用是当用户在接电话时手机会自动关闭屏幕，除了能够节省不必要的电量浪费以外，还可以减少在接电话时的误操作。近距离感应器是原理就是近距离感应器发射一束红外光线，通过红外光线反射来测试物体之间的距离。不过，像手机中的距离感应器非常短只有几厘米而已。

应用场景：1、接听电话关闭屏幕 2、手机翻转挂断/接听等


 
 
7、光线感应器

简介：光线感应器也叫做亮度感应器，英文名称为Light-Sensor，很多平板电脑和手机都配备了该感应器。一般位于设备屏幕上方，它能根据手持设备目前所处的光线亮度，自动调节手持设备屏幕亮度，给使用者带来最佳的视觉效果。例如在黑暗的环境下，手持设备屏幕背光灯就会自动变暗，否则很刺眼。

应用场景：光线变化时屏幕亮度调节

 
 
8、NFC近场传感器

简介：近场通信（Near Field Communication，NFC），又称近距离无线通信，是一种短距离的高频无线通信技术，允许电子设备之间进行非接触式点对点数据传输（在十厘米内）交换数据。这个技术由免接触式射频识别（RFID）演变而来，并向下兼容RFID，最早由索尼和飞利浦各自开发成功，主要为手机、平板等手持设备提供M2M（Machine to Machine）的通信。

应用场景：1、快捷支付 2、标记信息快速获取 3、数据传输

 
 
9、磁力感应器

简介：手机与平板的磁力感应器一共有两种传感器，我们在这里把这两种磁力传感器归为一类来介绍。首先，地球磁力感应器也就是我们熟知的罗盘，可以确定东西南北作为定位辅助设备存在，也可以单独存在。在初次使用时，往往我们都会看到屏幕中提示要让我们手动将设备按照“倒八字”方向移动，以便让其中的传感器更加准确的对方位进行确定。

应用场景：1、指南针 2、锁屏等

 
 
10、超灵敏触控传感器

简介：超灵敏触控传感器主要作用是辅助电容屏触控使用。由于现在触摸屏手机与平板中的电容屏幕主要是依靠电压的变化，来检测手指在屏幕上的位置。而对于冬天带着手套的用户来说，电容屏就很难检测到细微的电压变化。这类超灵敏触控传感器可以检测到屏幕上的微小电流，使得用户带着手套也可以正常操作手机。

应用场景：1、户外运动高度测量 2、三防设备检测内部封闭程度等
 
 
来源：1号机器人

智造家提供 查看全部

加速度传感器是一种能够测量加速力的电子设备。加速力也就是当物体在加速过程中作用在物体上的力。加速度传感器有两种：一种是角加速度传感器，是由陀螺仪改进过来的。另一种就是加速度传感器。它也可以按测量轴分为单轴、双轴和三轴加速度传感器。

现在，加速度传感器广泛应用于游戏控制、手柄振动和摇晃、汽车制动启动检测、地震检测、工程测振、地质勘探、振动测试与分析以及安全保卫振动侦察等多种领域。下面就举例几个例子，更好的认识加速度传感器。

游戏控制

加速度传感器可以检测上下左右的倾角的变化，因此通过前后倾斜手持设备来实现对游戏中物体的前后左右的方向控制，就变得很简单。

图像自动翻转

用加速度传感器检测手持设备的旋转动作及方向，实现所要显示图像的转正。

电子指南针倾斜校正

磁传感器是通过测量磁通量的大小来确定方向的。当磁传感器发生倾斜时，通过磁传感器的地磁通量将发生变化，从而使方向指向产生误差。因此，如果不带倾斜校正的电子指南针，需要用户水平放置。而利用加速度传感器可以测量倾角的这一原理，可以对电子指南针的倾斜进行补偿。

GPS导航系统死角的补偿

GPS系统是通过接收三颗呈120度分布的卫星信号来最终确定物体的方位的。在一些特殊的场合和地貌，如遂道、高楼林立、丛林地带，GPS信号会变弱甚至完全失去，这也就是所谓的死角。而通过加装加速度传感器及以前我们所通用的惯性导航，便可以进行系统死区的测量。对加速度传感器进行一次积分，就变成了单位时间里的速度变化量，从而测出在死区内物体的移动。

计步器功能

加速度传感器可以检测交流信号以及物体的振动，人在走动的时候会产生一定规律性的振动，而加速度传感器可以检测振动的过零点，从而计算出人所走的步或跑步所走的步数，从而计算出人所移动的位移。并且利用一定的公式可以计算出卡路里的消耗。

防手抖功能

用加速度传感器检测手持设备的振动/晃动幅度，当振动/晃动幅度过大时锁住照相快门，使所拍摄的图像永远是清晰的。

闪信功能

通过挥动手持设备实现在空中显示文字，用户可以自己编写显示的文字。这个闪信功能是利用人们的视觉残留现象，用加速度传感器检测挥动的周期，实现所显示文字的准确定位。

硬盘保护

利用加速度传感器检测自由落体状态，从而对迷你硬盘实施必要的保护。大家知道，硬盘在读取数据时，磁头与碟片之间的间距很小，因此，外界的轻微振动就会对硬盘产生很坏的后果，使数据丢失。而利用加速度传感器可以检测自由落体状态。当检测到自由落体状态时，让磁头复位，以减少硬盘的受损程度。
 
 
 
来源：1号机器人

智造家提供 查看全部