在線客服
微信客服
咨詢電話
021-80392549
任何種類的機器人對傳感器需求都是巨大的，各類不同的傳感器組合構成機器人的五官，為其提供智能化感知。檢測位置的運動傳感器、檢測物料的氣壓傳感器、檢測障礙物的超聲波TOF傳感器、檢測室內(nèi)環(huán)境的氣體傳感器和溫度傳感器、檢測電池電流的電流傳感器、檢測角度和位置的霍爾傳感器和磁阻傳感器等等。從感知外部到感知內(nèi)部，這些傳感器將機器人整個系統(tǒng)完全覆蓋起來。
（機器人配置示意圖，TDK）
超聲波ToF的地面類型、高低坡以及障礙物檢測
機器人傳感上，可以用于障礙物檢測、高低坡檢測、地面檢測的方法有很多。此前我們也講過很多應用在這個方向上的傳感方法，但今天我們在地面類型、高低坡以及障礙物檢測上看一看超聲波ToF。
眾所周知，基于超聲波的傳感用在機器人應用上最受歡迎的就是其在任何照明條件下都可工作，包括全日光條件，尤其是在感知中能夠進行不受受測物體顏色和光學透明度影響的距離測量，精確最高可到毫米級，這一特性是很多傳感無法做到的。
超聲波ToF傳感器利用超聲波換能器芯片發(fā)射超聲波脈沖，然后收聽從位于傳感器視場中的目標返回的回波。通過計算超聲波飛行時間（ToF），傳感器可以確定某一物體相對于器件的位置。這里，超聲波換能器芯片是重中之重。MEMS工藝下的換能器芯片已經(jīng)往微型和低功耗在靠攏。如果只是單一的超聲波信號處理，顯然是不足以同時完成地面類型、高低坡以及障礙物的檢測。為了實現(xiàn)對多種超聲波信號處理的能力，單單MEMS超聲波換能器是不夠的，需要在混合信號CMOS ASIC上結合MEMS超聲波換能器和DSP，以對多種不同檢測應用上的信號進行處理。
（MEMS硅芯片聲納+DSP，Chirp）
這一類超聲波ToF傳感需要實現(xiàn)很寬的FoV，感應距離相對來說不是那么關鍵，超聲波的探測距離本來就不是其特長，能夠?qū)崿F(xiàn)幾米左右的探測即可。FoV則一定要夠?qū)�，允許同時對FoV中的多個物體進行覆蓋。在地面類型的檢測上使用超聲波ToF可以通過反射超聲波信號的平均振幅來確定目標表面是“硬的”還是“軟的”，在掃地機器人上這種應用頗多；障礙物存在檢測這一類標準的應用無需贅述，任何一個傳感器都能進行；高低坡的檢測則通常會需要多個超聲波ToF進行配合。
高精度IMU的校準補償
IMU也是服務機器人運動傳感的必備，高性能6軸是選型里最先考慮的選擇。在實際使用過程中，雖然高性能的IMU在分辨率、采樣精確度、穩(wěn)定性、噪聲密度上已經(jīng)足夠優(yōu)秀，但對IMU的弱點進行補償是必不可少的。這些弱點主要存在于對IMU的校準上。
（IMU，ADI）
首先是在機器人啟動后，對機器人IMU進行的偏置校準，目前一般都講究可編程的控制，能夠?qū)崿F(xiàn)自動或手動偏置校正是最好的，從軟件層面消除初始誤差的產(chǎn)生。隨時間和溫度變化，IMU需要動態(tài)校準隨時間變化的傳感器偏差漂移，并且時刻對溫度進行動態(tài)校準，這也是一個實時補足的地方。精準的運動傳感肯定建立在實時的校準上，每個傳感器都有自己的動態(tài)補償公式，大多數(shù)IMU芯片廠商會把所有必要的運動檢測和校準在生產(chǎn)過程中完成，減少再集成的時間成本。
在IMU實際使用中的數(shù)據(jù)融合處理上，完全看各廠商的校準能力，對偏置漂移的校準能力決定了機器人能否對運動方向做出正確的跟蹤與預估。對其他任何可能需要的校準，主機都必須能隨時提供機器人狀態(tài)作為輸入給校準系統(tǒng)，同時處理該輸入數(shù)據(jù)的速率必須要快，能在極短的時間內(nèi)完成響應，這對電機MCU或者說電機控制單元也是一個考驗。
NTC取舍
NTC熱敏電阻芯片在檢測溫度上給予了機器人控制很大的支持，尤其是可接合的NTC芯片，在半導體器件用于給固定電池狀態(tài)和機器人產(chǎn)品的電機控制器充電。這些NTC一般直接安裝在模塊中，監(jiān)測半導體連接點的溫度。功率型熱敏電阻也會用來抑制浪涌。
NTC熱敏電阻由于性價比高在溫度傳感上使用十分廣泛，但它在極端溫度下提供精度較低。而且熱敏電阻是以熱量形式散發(fā)能耗的，這會影響其測量精度。散發(fā)的熱量取決于材料成分和流經(jīng)器件的電流。如果對器件的靈敏度和精度要求較高，具有較低自熱且傳感器漂移小的NTC會更好。
另外在安裝上，為了直接或間接的通過IGBT、電容器、機器人中的線圈等散熱來監(jiān)測溫度，擰入式或旋入式傳感器是更成熟的方法，能通過擰入式外殼或金屬標簽形成更好的熱耦合。
寫在最后
機器人傳感太多，這里只選取了幾個方向。機器人感知能力在很大程度上取決于傳感系統(tǒng)提供關鍵的數(shù)據(jù)，結合ML和AI后，機器人感知也開始像更加智能的方向進化。
