机器人避障：深度相机的工程门槛

简介：机器人导航与避障是深度相机增长最快的落地方向，但「能测深度」和「能避障」之间隔着一串工程指标：近场盲区决定会不会撞上看不见的桌腿，帧率与快门类型决定动态障碍会不会变残影，视场角与安装角决定覆盖有没有死角，功耗与体积决定能否挤进紧凑机身。本文拆解盲区、时延、覆盖、失效四个维度的取舍，对比结构光、ToF、主动双目在机器人上的适配边界，给出一张选型核对清单。

阅读收获：弄清近场盲区成因与兜底策略；掌握帧率、全局快门与动目标的关系；理解视场角、安装角与稠密度对覆盖的影响；用核对清单完成三类深度路线的初筛。

一、盲区：最近可测距离是避障的第一道坎

二、时延：帧率与快门类型决定动态障碍能否看清

三、覆盖：视场角、安装角与稠密度决定有没有死角

四、路线：结构光、ToF、主动双目的适配边界与核对清单

总结与参考资料

一、盲区：最近可测距离是避障的第一道坎

避障先问「多近看不到」。 机器人撞上的多是贴地低矮障碍：桌腿、充电桩底盘、台阶沿，恰恰落在多数方案的最近可测距离内。越近越致命——从首次可靠测到到撞上几乎无反应时间。

双目类近场由基线与视差决定。 立体测距 d=f·b/p（f 焦距、b 基线、p 视差）。目标越近视差越大，超出匹配安全上限后失效；近点又常落在两眼公共视场外，双目光轴夹角限制了看见同一近点的空间。近场空洞不能靠收短基线抹平，盲区内深度会跳变或直接置 0。

近场靠安装与补盲兜底。 一是相机下倾（tilt-down）：让盲区落入指向地面的视场，适合守下表面、台阶与线缆，代价是看高看远被压缩。二是加超声或短基线模块补盲，常做到 0.2–0.5 m 内可靠，主相机管远中区、补盲传感管近场。

二、时延：帧率与快门类型决定动态障碍能否看清

给避障的帧率常被低估。 不够的帧率不是「画质差」而是「没采到」。设前进速度 v、帧率 F，每两帧前进 v/F：v=1.5 m/s、F=15 fps 时约 0.1 m，对约 0.2 m 的杆状障碍已很可观。避障更怕「看不见」而非「测不准」，工程上常在 30 fps 左右把可靠检出与测距绑定，并将帧间隔计入决策时延。

卷帘快门会「扭」动态目标。 卷帘快门逐行曝光，横移目标被拉出残影并产生果冻畸变（jelly roll）。动态场景应上全局快门（global shutter）——整帧同刻曝光，横移无行间时间差，轮廓与深度对应稳定。

时延链要算到位。 从曝光到制动是成像→传输→推理→决策→电机的链路，帧率高不等于时延低。按 d_stop=v·t+v²/(2a)：v=1.2 m/s、t=150 ms、a=0.8 m/s² 得约 1.08 m，检测距离必须覆盖它，而贴地目标的可靠深度最靠盲区。

三、覆盖：视场角、安装角与稠密度决定有没有死角

视场定宽窄，安装角定看得见哪。 HFOV 决定前进侧向能否罩住，VFOV 决定上盘（招牌）与下盘（地面、桌腿）能否兼顾。低成本模块 HFOV 常只有 60°–80°，转向切入、门框侧沿易出视场。出路是双机左右拼接扩宽，或下倾让水平看向近地让位，再按投影画覆盖图找几何空洞。

玻璃与吸光物是空洞重灾区。 玻璃不反射光使深度失效，深色吸光物信噪比过低，高反光面产生镜面高光，深度图上成片 0 值。避障比的是「空洞多不多、能否容忍」：把空洞当「未知=不清障减速」，远比当「畅通」安全。墙缝里的玻璃门对 2D 激光可见，对多数深度相机近乎隐形。

稠密度比精度更关键。 稀疏点只够出「距离曲线」，区分不了细桌腿与窄过道；稠密深度才看得到连续障碍边，且避障在 1–3 m 规避区内的绝对误差本就有限。可用深度补全把空洞按邻域填成连续表面。

四、路线：结构光、ToF、主动双目的适配边界

三条路线各有短长。 结构光投射编码光图，对白墙、无纹理与强光敏感，多用于受控室内近场。主动双目投红外散斑补纹理，更扛纹理缺失，但仍是视差测距、受基线约束，双投射更稠密却更耗电。ToF 直接测飞行时间，逐帧绝对测距、误差近似线性，怕户外太阳红外与多径反射，需多频调制。

按场景翻适配边界。 室内慢速扫地/仓储/导览，纹理多为白墙与柜面，双投射主动双目可用。动态快、需 30–90 fps、目标穿插的场景（配送、穿梭机器人），全局快门 ToF 更匹配。户外与反光强光要先评估主动光被太阳击穿，代价是功耗与成本上升；低价甜点区可先上被动双目，近场与细障碍需求上来再换主动立体或 ToF。

功耗与带宽是隐形约束。 机器人电池供电、算力盒局促：ToF 像素级解算功耗偏高，双投射也带来散热。1920×1080×30 fps 深度流在 USB 3.0 已吃掉约半实测吞吐，且有效带宽常只有理论 70%–80%，满帧率加 16 bit 深度更贴近极限，选型须先对功耗与峰值带宽留余量。

维度结构光ToF主动双目说明原理编码光图解码光飞行时间散斑＋视差决定基线依赖快门卷帘为主全局可选全局看动态清晰度近物稠密弱中强近场兜底动态帧率低高中运动越快越看它白墙无纹理差好较好需投射补玻璃/吸光差差差需补盲兜底户外强光差受击穿中常见痛功耗体积低高中高能否上机典型场景受控室内动态AGV避障慢速扫地仓储依场景初筛

给一张核对清单收尾。 立项对表：① 最近障碍「可靠检出距离 ≥ 停车距离+裕量」？② 近场 0–0.4 m 谁兜底——下倾还是补盲？③ ≤30 fps 下最坏横移轮廓稳吗？④ 实际 FOV 与安装形成的几何空洞在哪？⑤ 玻璃、深色、反光区是否成片 0 值、要不要补盲？⑥ 功耗与带宽留了余量还是贴天花板？⑦ 样机放进玻璃地板、镜面沿与暗色墙的真实空间测空洞与漏检。逐项打「过」，「能测深度」才算译成了「能避障」。

总结

深度相机在机器人上的价值，不在于 demo 里那张漂亮深度图，而在于把「看不见会不会撞、看不清看得出、盖住挡不挡、算不算得动」一并回答到什么程度。盲区由基线与安装托底，时延由快门、帧率与算力决定，覆盖看视场角与安装角拼出的无连续空洞空间，功耗带宽则把不同路线压进具体机身。选型不是挑「精度最高」，而是挑在目标障碍构型与速度下最近、最快、最全的那颗，再借核对清单把几何空洞、时序盲区与失效风险验干净，深度视图才能真正承载减速与停车。