（2-2）常用传感器与基础原理：激光雷达

2.2 激光雷达

激光雷达（LiDAR, Light Detection and Ranging）是人形机器人环境感知系统中用于获取精确三维空间几何信息的核心传感器，能够在各种光照和部分复杂环境条件下提供高精度距离测量。与视觉传感器不同，激光雷达直接通过激光脉冲返回时间计算距离，不受被动光照变化影响，因此在弱光、强光或部分烟雾环境下仍能稳定工作。激光雷达的主要功能包括障碍物检测、三维环境重建、地形测量、动态目标跟踪以及机器人路径规划支撑，是实现机器人自主导航和高精度运动控制的重要硬件基础。

2.2.1 机械式/固态LiDAR

激光雷达（LiDAR）作为三维空间几何感知的核心传感器，根据扫描方式和机械结构可分为机械式（Rotating LiDAR）和固态（Solid-State LiDAR）两类，每种类型在原理、性能特点、适用场景和工程实现上各有优势和局限。

1. 机械式激光雷达

机械式LiDAR通过旋转激光发射器或旋转反射镜扫描环境，实现大范围的三维点云采集，是传统高精度环境建模的主要手段。其工作原理为：激光发射器发出脉冲光束，光束遇到障碍物返回反射信号，通过测量脉冲发射与接收时间（Time of Flight，ToF）计算障碍物的距离，并通过旋转机构完成全方位扫描。

（1）核心特性与性能指标：

1. 测距精度高：一般为1~2cm，适用于精密导航、地图构建和动态目标跟踪。
2. 测距范围广：可达几十米至百米级，适合室内外大范围环境感知。
3. 点云密度高：每秒可生成百万级点云，支持复杂地形的三维重建。

（2）优点：

1. 高精度、广覆盖、适用于高要求的导航和避障任务。
2. 支持动态物体识别与追踪，如行人、车辆或移动障碍物。

（3）缺点与限制：

1. 机械结构复杂：旋转部件易磨损、受振动影响大，长期稳定性低。
2. 体积与重量大：不利于轻量化人形机器人部署，尤其是头部或躯干空间有限时。
3. 功耗较高：电机驱动与激光发射功耗叠加，对移动电池供电系统压力大。
4. 实时性限制：旋转扫描导致点云更新频率受限，难以满足高动态场景的毫秒级响应。

机械式LiDAR的常见应用包括波士顿动力Atlas的实验平台、自动驾驶车辆的全景建图，以及高精度工业巡检机器人，适合对精度和覆盖要求高的环境建模场景。

2. 固态激光雷达

固态LiDAR通过微型电控反射器（如MEMS微镜、光学相控阵 OPA）实现激光扫描，不依赖机械旋转，体积小、重量轻、抗振动能力强，适合移动人形机器人。其工作原理类似机械式 LiDAR，但扫描方向通过电子控制改变，实现激光束的偏转或调制，完成三维环境采样。

（1）核心特性与性能指标：

1. 测距范围：通常 0.3~20 m，满足近距离障碍物和操作环境感知需求。
2. 测距精度：一般为 1~3 cm，可精确检测台阶、斜坡或小型障碍物。
3. 点云密度：10~50 万点/秒，延迟低（≤10 ms），适应高动态场景。

（2）优点：

1. 轻量化和紧凑性：体积小于 50 cm³，重量通常≤200 g，适合部署于机器人头部、肩部、手部或足底。
2. 高可靠性：无机械转动部件，抗振动、抗冲击能力强，适应复杂动态环境。
3. 低功耗：核心模块功耗 1~5 W，适合电池供电移动平台。
4. 低延迟、高刷新率：支持快速动态避障与近距离操作反馈。

（3）缺点与限制：

1. 测距范围有限：对远距离障碍物感知能力弱，不适合大范围环境扫描。
2. 点云稀疏性：相比机械旋转式 LiDAR，固态 LiDAR 点云密度受扫描角度和光学设计限制。
3. 抗干扰能力受光学条件影响：强光或反射面可能导致测距噪声，需要结合滤波和多模态融合处理。

在实际应用中，固态LiDAR常用于家庭服务、工业协作和动态避障场景，例如Walker X、特斯拉 Optimus 等移动机器人平台。其轻量化、低功耗和高动态响应特性，使其成为人形机器人近距离感知和实时控制的首选方案。

3. 对比

机械式与固态LiDAR对比与协同应用如表2-1所示。

表2-1 机械式与固态LiDAR对比与协同应用

|------|-----------|--------------|
| 特性 | 机械式LiDAR | 固态LiDAR |
| 扫描方式 | 旋转机械扫描 | MEMS/OPA电子扫描 |
| 测距范围 | 10~100 m | 0.3~20m |
| 测距精度 | 1~2cm | 1~3cm |
| 点云密度 | 高 | 中高 |
| 体积重量 | 大 | 小、轻量化 |
| 抗振动性 | 弱 | 强 |
| 实时性 | 中 | 高 |
| 功耗 | 高 | 低 |

在高级人形机器人设计中，通常采用机械式LiDAR+固态LiDAR的混合部署方案，其中机械式LiDAR用于大范围三维环境建模与导航工作，固态LiDAR用于近距离动态避障与精细操作，形成全方位、多层次感知体系，提高机器人在复杂、动态环境中的稳定性与可靠性。

2.2.2 扫描方式与点云特性

激光雷达（LiDAR）的核心功能是通过激光束扫描环境，获取高精度的三维空间信息。其性能不仅依赖激光器本身的类型，还与扫描方式、点云生成方式及数据特性密切相关。合理理解扫描方式与点云特性，对于人形机器人实现精确建图、避障及动态环境感知至关重要。

1. 扫描方式

激光雷达根据扫描原理和机械结构，主要分为以下3种类型。

（1）机械旋转式扫描：机械式LiDAR通过旋转机构实现水平360°扫描，同时采用多层激光束进行垂直覆盖，形成全景点云。这类LiDAR的特点包括：

1. 大范围覆盖：适合室内和室外大范围环境建图，可同时获取地面、障碍物及远处目标信息。
2. 分辨率可调：通过改变旋转速度和激光发射频率，可在精度和刷新率之间权衡。
3. 限制：旋转机构带来的机械惯性限制了刷新率和响应速度，在高速运动场景下可能出现数据延迟或动态物体模糊。

（2）固态扫描（MEMS/OPA/Flash）：固态LiDAR通过微型振镜（MEMS）、光学相控阵（OPA）或闪光式激光直接扫描，不依赖机械旋转，主要具有以下特点：

1. 高刷新率：可达到数百至上千赫兹，能够捕捉快速移动的物体和机器人自身动态。
2. 轻量化与耐用性强：无机械部件，体积小，抗振动性能好，适合人形机器人紧凑的头部或四肢部署。
3. 覆盖范围有限：单个固态 LiDAR 的水平视场角通常小于 120°，需要多传感器组合实现全景感知。
4. 适用场景：近距离避障、手部操作、局部高精度扫描场景。

（3）混合扫描策略

高端人形机器人常结合机械旋转式和固态LiDAR，形成了"全局+局部感知系统"策略：

1. 机械旋转式提供环境全景和远距离障碍物信息。

2. 固态LiDAR负责快速动态物体捕捉及近距离操作，实现低延迟的动态反馈。

3. 点云特性

LiDAR扫描生成的点云是三维空间中由激光束返回信号形成的坐标集合。点云特性直接影响机器人环境感知、建图精度和规划控制效果，主要体现在以下几个方面：

（1）点云密度与分辨率

1. 点云密度取决于激光束数量、扫描角度分辨率以及激光发射频率。
2. 高密度点云能够精细刻画地形细节（如台阶、障碍物边缘），支持精确步态规划和手部操作。
3. 对于动态环境，高密度点云意味着更大的计算量，因此常通过分层点云或多帧融合降低端侧算力压力。

（2）刷新率与延迟

1. 刷新率决定机器人对动态场景的响应速度。机械旋转式LiDAR刷新率通常在5--20Hz，固态LiDAR可达到100--1000 Hz。
2. 延迟影响实时避障和控制精度，高动态动作（如跑步、跳跃）需要点云延迟≤50ms，否则可能导致控制滞后。

（3）点云噪声与空洞

1. 激光测距受环境材质、反射率、光照条件影响，点云中不可避免存在噪声和空洞。
2. 近距离物体点云密集、远距离稀疏，通常采用滤波（如中值滤波、统计滤波）或插值算法进行处理，以保证建图和避障精度。
3. 对于移动机器人，噪声点云的处理必须实时，以免干扰规划和控制决策。

（4）多传感器点云融合

1. 人形机器人通常在头部、躯干、手臂、足底部署多台LiDAR，通过融合形成全局一致的点云模型。

2. 融合策略包括时间同步、多帧叠加、局部配准等，以实现全景环境建模、动态目标追踪以及局部精细操作。

3. 点云融合不仅提高环境感知精度，也为感知--规划--控制一体化提供可靠的数据支撑。

4. 应用影响

扫描方式与点云特性直接影响了人形机器人的核心能力：

1. 动态避障：高速刷新率和精细点云可捕捉移动障碍物，实现实时避障。
2. 地形感知与步态规划：点云密度和分辨率决定台阶、斜坡识别精度，影响步态参数调整。
3. 操作精度：手部或足底 LiDAR 提供高分辨率局部点云，辅助抓取、放置或微操作任务。
4. 系统冗余与鲁棒性：多传感器组合和点云融合增强系统鲁棒性，避免单传感器盲区导致感知失效。

总而言之，通过合理选择扫描方式、优化点云特性，并结合多传感器部署，人形机器人能够在复杂动态环境中实现高精度感知，为下游规划与控制提供坚实数据基础。