從原理上來講，沒有哪個傳感器是完美的，比方說機器人面前是一塊完全透明的玻璃，那么采用紅外、激光雷達或視覺的方案，就可能因為這個光線直接穿過玻璃導致檢測失敗。

避障是指移動機器人在行走過程中，通過傳感器感知到在其規劃路線上存在靜態或動態障礙物時，按照 一定的算法實時更新路徑，繞過障礙物，最后達到目標點。

避障常用哪些傳感器

不管是要進行導航規劃還是避障，感知周邊環境信息是第一步。就避障來說，移動機器人需要通過傳感器 實時獲取自身周圍障礙物信息，包括尺寸、形狀和位置等信息。避障使用的傳感器多種多樣，各有不同的原理和特點，目前常見的主要有視覺傳感器、激光傳感器、紅外傳感器、超聲波傳感器等。下面我簡單介紹一下這幾種傳感器的基本工作原理。

超聲波

超聲波傳感器的基本原理是測量超聲波的飛行時間，通過d=vt/2測量距離，其中d是距離，v是聲速，t是 飛行時間。由于超聲波在空氣中的速度與溫濕度有關，在比較精確的測量中，需把溫濕度的變化和其它因素考慮進去。

上面這個圖就是超聲波傳感器信號的一個示意。通過壓電或靜電變送器產生一個頻率在幾十kHz的超聲波脈沖組成波包，系統檢測高于某閾值的反向聲波，檢測到后使用測量到的飛行時間計算距離。超聲波傳感器一般作用距離較短，普通的有效探測距離都在幾米，但是會有一個幾十毫米左右的最小探測盲區。由于超聲傳感器的成本低、實現方法簡單、技術成熟，是移動機器人中常用的傳感器。超聲波傳感器也有一些缺點，首先看下面這個圖。

因為聲音是錐形傳播的，所以我們實際測到的距離并不是 一個點，而是某個錐形角度范圍內最近物體的距離。

另外，超聲波的測量周期較長，比如3米左右的物體，聲波傳輸這么遠的距離需要約20ms的時間。再者，不同材料對聲波的反射或者吸引是不相同的，還有多個超聲傳感器之間有可能會互相干擾，這都是實際應用的過程中需要考慮的。

紅外

一般的紅外測距都是采用三角測距的原理。紅外發射器按照一定角度發射紅外光束，遇到物體之后，光會反向回來，檢測到反射光之后，通過結構上的幾何三角關系，就可以計算出物體距離D。

當D的距離足夠近的時候，上圖中L值會相當大，如果超過CCD的探測范圍，這時，雖然物體很近，但是傳感器反而看不到了。當物體距離D很大時，L值就會很小，測量量精度會變差。因此，常見的紅外傳感器 測量距離都比較近，小于超聲波，同時遠距離測量也有最小距離的限制。另外，對于透明的或者近似黑體的物體，紅外傳感器是無法檢測距離的。但相對于超聲來說，紅外傳感器具有更高的帶寬。

激光

常見的激光雷達是基于飛行時間的（ToF，time of flight），通過測量激光的飛行時間來進行測距d=ct/2，類似于前面提到的超聲測距公式，其中d是距離，c是光速，t是從發射到接收的時間間隔。激光雷達包括發射器和接收器 ，發射器用激光照射目標，接收器接收反向回的光波。機械式的激光雷達包括一個帶有鏡子的機械機構，鏡子的旋轉使得光束可以覆蓋 一個平面，這樣我們就可以測量到一個平面上的距離信息。

對飛行時間的測量也有不同的方法，比如使用脈沖激光，然后類似前面講的超聲方案，直接測量占用的時間，但因為光速遠高于聲速，需要非常高精度的時間測量元件，所以非常昂貴；另一種發射調頻后的連續激光波，通過測量接收到的反射波之間的差頻來測量時間。

圖一

圖二

比較簡單的方案是測量反射光的相移，傳感器以已知的頻率發射一定幅度的調制光，并測量發射和反向信號之間的相移，如上圖一。調制信號的波長為lamda=c/f，其中c是光速，f是調制頻率，測量到發射和反射光束之間的相移差theta之后，距離可由lamda*theta/4pi計算得到，如上圖二。

激光雷達的測量距離可以達到幾十米甚至上百米，角度分辨率高，通常可以達到零點幾度，測距的精度也高。但測量距離的置信度會反比于接收信號幅度的平方，因此，黑體或者遠距離的物體距離測量不會像光亮的、近距離的物體那么好的估計。并且，對于透明材料，比如玻璃，激光雷達就無能為力了。還有，由于結構的復雜、器件成本高，激光雷達的成本也很高。

一些低端的激光雷達會采用三角測距的方案進行測距。但這時它們的量程會受到限制，一般幾米以內，并且精度相對低一些，但用于室內低速環境的SLAM或者在室外環境只用于避障的話，效果還是不錯的。

視覺

常用的計算機視覺方案也有很多種， 比如雙目視覺，基于TOF的深度相機，基于結構光的深度相機等。深度相機可以同時獲得RGB圖和深度圖，不管是基于TOF還是結構光，在室外強光環境下效果都并不太理想，因為它們都是需要主動發光的。像基于結構光的深度相機，發射出的光會生成相對隨機但又固定的斑點圖樣，這些光斑打在物體上后，因為與攝像頭距離不同，被攝像頭捕捉到的位置也不相同，之后先計算拍到的圖的斑點與標定的標準圖案在不同位置的偏移，利用攝像頭位置、傳感器大小等參數就可以計算出物體與攝像頭的距離。而我們目前的E巡機器人主要是工作在室外環境，主動光源會受到太陽光等條件的很大影響，所以雙目視覺這種被動視覺方案更適合，因此我們采用的視覺方案是基于雙目視覺的。

雙目視覺的測距本質上也是三角測距法，由于兩個攝像頭的位置不同，就像我們人的兩只眼睛一樣，看到的物體不一樣。兩個攝像頭看到的同一個點P，在成像的時候會有不同的像素位置，此時通過三角測距就可以測出這個點的距離。與結構光方法不同的是，結構光計算的點是主動發出的、已知確定的，而雙目算法計算的點一般是利用算法抓取到的圖像特征，如SIFT或SURF特征等，這樣通過特征計算出來的是稀疏圖。

要做良好的避障，稀疏圖還是不太夠的，我們需要獲得的是稠密的點云圖，整個場景的深度信息。稠密匹配的算法大致可以分為兩類，局部算法和全局算法。局部算法使用像素局部的信息來計算其深度，而全局算法采用圖像中的所有信息進行計算。一般來說，局部算法的速度更快，但全局算法的精度更高。

這兩類各有很多種不同方式的具體算法實現。能過它們的輸出我們可以估算出整個場景中的深度信息，這個深度信息可以幫助我們尋找地圖場景中的可行走區域以及障礙物。整個的輸出類似于激光雷達輸出的3D點云圖，但是相比來講得到信息會更豐富，視覺同激光相比優點是價格低很多，缺點也比較明顯，測量精度要差 一些，對計算能力的要求也高很多。當然，這個精度差是相對的，在實用的過程中是完全足夠的，并且我們目前的算法在我們的平臺NVIDIA TK1和TX1上是可以做到實時運行。

KITTI采集的圖

實際輸出的深度圖，不同的顏色代表不同的距離

在實際應用的過程中，我們從攝像頭讀取到的是連續的視頻幀流，我們還可以通過這些幀來估計場景中 目標物體的運動，給它們建立運動模型，估計和預測它們的運動方向、運動速度，這對我們實際行走、避障規劃是很有用的。

以上幾種是最常見的幾種傳感器 ，各有其優點和缺點，在真正實際應用的過程中，一般是綜合配置使用多種不同的傳感器 ，以最大化保證在各種不同的應用和環境條件下，機器人都能正確感知到障礙物信息。我們公司的E巡機器人的避障方案就是以雙目視覺為主，再輔助以多種其他傳感器，保證機器人周邊360度空間立體范圍內的障礙物都能被有效偵測到，保證機器人行走的安全性。

避障常用算法原理

在講避障算法之前，我們假定機器人已經有了一個導航規劃算法對自己的運動進行規劃，并按照規劃的路徑行走。避障算法的任務就是在機器人執行正常行走任務的時候，由于傳感器的輸入感知到了障礙物的存在，實時地更新目標軌跡，繞過障礙物。

Bug算法知乎用戶無方表示

Bug算法應該是最簡單的一種避障算法了，它的基本思想是在發現障礙后，圍著檢測到的障礙物輪廓行走，從而繞開它。Bug算法目前有很多變種， 比如Bug1算法，機器人首先完全地圍繞物體，然后從距目標最短距離的點離開。Bug1算法的效率很低，但可以保證機器人達到目標。

Bug1算法示例

改進后的Bug2算法中，機器人開始時會跟蹤物體的輪廓，但不會完全圍繞物體一圈，當機器人可以直接移動至目標時，就可以直接從障礙分離，這樣可以達到比較短的機器人行走總路徑。

Bug2算法示例

除此之外，Bug算法還有很多其他的變種， 比如正切Bug算法等等。在許多簡單的場景中，Bug算法是實現起來比較容易和方便的，但是它們并沒有考慮到機器人的動力學等限制，因此在更復雜的實際環境中就不是那么可靠好用了。

勢場法（PFM）

實際上，勢場法不僅僅可以用來避障，還可以用來進行路徑的規劃。勢場法把機器人處理在勢場下的 一個點，隨著勢場而移動，目標表現為低谷值，即對機器人的吸引力，而障礙物扮演的勢場中的一個高峰，即斥力，所有這些力迭加于機器人身上，平滑地引導機器人走向目標，同時避免碰撞已知的障礙物。當機器人移動過程中檢測新的障礙物，則需要更新勢場并重新規劃。

上面這個圖是勢場比較典型的示例圖，最上的圖a左上角是出發點，右下角是目標點，中間三個方塊是障礙物。中間的圖b就是等勢位圖，圖中的每條連續的線就代表了一個等勢位的一條線，然后虛線表示的在整個勢場里面所規劃出來的一條路徑，我們的機器人是沿著勢場所指向的那個方向一直行走，可以看見它會繞過這個比較高的障礙物。最下面的圖，即我們整個目標的吸引力還有我們所有障礙物產生的斥力最終形成的一個勢場效果圖，可以看到機器人從左上角的出發點出發，一路沿著勢場下降的方向達到最終的目標點，而每個障礙物勢場表現出在很高的平臺，所以，它規劃出來的路徑是不會從這個障礙物上面走的。

一種擴展的方法在基本的勢場上附加了了另外兩個勢場：轉運勢場和任務勢場。它們額外考慮了由于機器人本身運動方向、運動速度等狀態和障礙物之間的相互影響。

轉動勢場考慮了障礙與機器人的相對方位，當機器人朝著障礙物行走時，增加斥力， 而當平行于物體行走時，因為很明顯并不會撞到障礙物，則減小斥力。任務勢場則排除了那些根據當前機器人速度不會對近期勢能造成影響的障礙，因此允許規劃出 一條更為平滑的軌跡。

另外還有諧波勢場法等其他改進方法。勢場法在理論上有諸多局限性， 比如局部最小點問題，或者震蕩性的問題，但實際應用過程中效果還是不錯的，實現起來也比較容易。

向量場直方圖（VFH）

它執行過程中針對移動機器人當前周邊環境創建了一個基于極坐標表示的局部地圖，這個局部使用柵格圖的表示方法，會被最近的一些傳感器數據所更新。VFH算法產生的極坐標直方圖如圖所示：

圖中x軸是以機器人為中心感知到的障礙物的角度，y軸表示在該方向存在障礙物的概率大小p。實際應用的過程中會根據這個直方圖首先辨識出允許機器人通過的足夠大的所有空隙，然后對所有這些空隙計算其代價函數，最終選擇具有最低代價函數的通路通過。

代價函數受三個因素影響： 目標方向、機器人當前方向、之前選擇的方向，最終生成的代價是這三個因素的加權值，通過調節不同的權重可以調整機器人的選擇偏好。VFH算法也有其他的擴展和改進，比如在VFH+算法中，就考慮了機器人運動學的限制。由于實際底層運動結構的不同，機器的實際運動能力是受限的，比如汽車結構，就不能隨心所欲地原地轉向等。VFH+算法會考慮障礙物對機器人實際運動能力下軌跡的阻擋效應，屏蔽掉那些雖然沒有被障礙物占據但由于其阻擋實際無法達到的運動軌跡。我們的E巡機器人采用的是兩輪差動驅動的運動形式，運動非常靈活，實際應用較少受到這些因素的影響。

具體可以看 一下這個圖示：

類似這樣傳統的避障方法還有很多，除此之外，還有許多其他的智能避障技術，比如神經網絡、模糊邏輯等。

神經網絡方法對機器人從初始位置到目標位置的整個行走路徑進行訓練建模，應用的時候，神經網絡的輸 入為之前機器人的位姿和速度以及傳感器的輸 入，輸出期望的下一目標或運動方向。

模糊邏輯方法核心是模糊控制器，需要將專家的知識或操作人員的經驗寫成多條模糊邏輯語句，以此控制機器人的避障過程。 比如這樣的模糊邏輯：第一條，若右前方較遠處檢測到障礙物，則稍向左轉；第 二條，若右前方較近處檢測到障礙物，則減速并向左轉更多角度；等等。

避障過程中存在哪些問題

傳感器失效

從原理上來講，沒有哪個傳感器是完美的，比方說機器人面前是一塊完全透明的玻璃，那么采用紅外、激光雷達或視覺的方案，就可能因為這個光線直接穿過玻璃導致檢測失敗，這時候就需要超聲波這樣的傳感器來進行障礙物的偵測。所以我們在真正應用的過程中，肯定都需要采取多種傳感器的結合，對不同傳感器采集到的數據進行一個交叉驗證，以及信息的融合，保證機器人能夠穩定可靠的工作。

除此之外也有其他模式可能導致傳感器失效，比如超聲波測距，一般需要超聲陣列，而陣列之間的傳感器如果同時工作的話，會容易互相產生干擾，傳感器A發射的光波反射回來被傳感器B接收，導致測量結果出現錯誤，但是如果按照順序一個個工作，由于超聲波傳感器采樣的周期相對比較長，會減慢整個采集的速度，對實時避障造成影響，這就要求從硬件的結構到算法都必須設計好，盡可能提高采樣速度，減少傳感器之間的串擾。

還有比如說，機器人如果需要運動的話，一般都需要電機和驅動器，它們在工作過程中都會產生電容兼容性的問題，有可能會導致傳感器采集出現錯誤，尤其是模擬的傳感器，所以在實現過程中要把電機驅動器等設備、傳感器的采集部分，以及電源通信部分保持隔離，保證整個系統是能夠正常工作的。

算法設計

在剛剛提到的幾個算法，很多在設計的時候都并沒有完善考慮到整個移動機器人本身運動學模型和動力學模型，這樣的算法規劃出來的軌跡有可能在運動學上是實現不了的，有可能在運動學上可以實現，但是控制起來非常困難，比如剛剛提到的如果一臺機器人的底盤是汽車的結構，就不能隨心所欲地原地轉向，或者哪怕這個機器人是可以原地轉向，但是如果一下子做一個很大的機動的話，我們的整個電機是執行不出來的。所以在設計的時候，就要優化好機器人本身的結構和控制，設計避障方案的時候，也要考慮到可行性的問題。

然后在整個算法的架構設計的時候，我們要考慮到為了避讓或者是避免傷人或者傷了機器人本身，在執行工作的時候，避障是優先級比較高的任務，甚至是最高的任務，并且自身運行的優先級最高，對機器人的控制優先級也要最高，同時這個算法實現起來速度要足夠快，這樣才能滿足我們實時性的要求。

總之，在我看來，避障在某種程度上可以看做機器人在自主導航規劃的一種特殊情況，相比整體全局的導航，它對實時性和可靠性的要求更高一些，然后，局部性和動態性是它的一個特點，這是我們在設計整個機器人硬件軟件架構時一定要注意的。

讀者提問：

多機協同的避障策略有哪些？

多機協同避障策略在整個SLAM方向上都還是一個在鉆研的熱點領域，單純就避障來說，目前的方案是，當有兩個或多個機器人協同工作的時候，每個機器人會在一個局部各自維護一個相對的動態地圖，所有機器人共享一個相對靜態的地圖，而對于單個機器人來說，它們會各自維護一個更加動態的地圖，這樣當兩個機器人接近一個位置時，它們會將它們維護的動態地圖合并起來。

這樣子有什么好處呢，比如視覺只能看到前方一個方向，這時候跟后面機器人的動態地圖合并之后，就能看到前后整個局部的動態信息，然后完成避障。

多機協同的關鍵在于，兩個局部地圖之間的分享，就是它們分別在整個相對靜態的全局地圖上是有一小塊一個窗口的位置，到這兩個窗口可能融合的話，會把它們融合在一起，同時去指導兩個機器人的避障。在具體實現過程中，也要考慮整個信息傳輸的問題，如果是自己本身的局部地圖，由于都是本機的運算，速度一般都比較快，如果是兩個機器人協作的話，就要考慮到傳輸的延時，以及帶寬的問題。

避障有無標準的測試標準和指標？

目前就我所了解業界并沒有什么統一的測試標準和指標，我們目前測試的時候會考慮這些指標，比如在單個障礙物或是多個障礙物，障礙物是靜態的或動態的情況下避障效果如何，以及實際規劃出的路徑完美度如何，還有這個軌跡是否平滑，符合我們觀感的效果。

當然，這個最重要的指標我覺得應該避障是否失敗就是成功率的問題，要保證這個避障不管是碰到靜態的或者是動態的物體，然后那個物體不管是什么材質，比如說如果是動態的人，我們穿什么樣的衣服會不會對整個避障功能造成影響，另外就是不同的環境又會有什么樣的影響，比如光線充足或暗淡。對于避障來說，成功率才是最為關鍵的。

移動機器人自主工作需要哪些傳感器？

Adept MobileRobots項目經理Seth Allen認為，地面機器人系統必須常常處理"枯燥、骯臟、危險"的工作。換言之，機器人系統通常用于人工介入成本過高、危險過大或者效率過低的任務。在許多情況下，機器人平臺的自主工作能力是一項極為重要的特性，即通過導航系統來監視并控制機器人從一個位置移到下一位置的運動。管理位置和運動時的精度是實現高效自主工作的關鍵因素，MEMS(微機電系統)陀螺儀可提供反饋檢測機制， 對優化導航系統性能非常有用。圖1中所示的Seekur機器人系統就是一個采用先進MEMS器件來改善導航性能的自主系統。

正向控制

機器人本體命令,即主要誤差信號, 代表軌跡規劃器提供的行程計劃與反饋檢測系統提供的行程進度更新信息之間的差異。這些信號被饋入逆向運動學系統，后者將機器人本體命令轉換成每個車輪的轉向和速度配置文件。這些配置文件使用阿克曼轉向關系,進行計算，整合了輪胎直徑、表面接觸面積、間距和其他重要幾何特性。利用阿克曼轉向原理和關系，上述機器人平臺可創建以電子方式鏈接的轉向角度配置文件，類似于許多汽車轉向系統中使用的機械齒輪-齒條系統。由于這些關系是以遠程方式整合在一起的，不需要以機械方式鏈接車軸，因而有助于最大程度減小磨擦和輪胎滑移，減少輪胎磨損和能量損耗，實現簡單的機械鏈接無法完成的運動。

車輪驅動和轉向系統

每個車輪均有一個驅動軸，通過變速箱以機械方式連接至驅動馬達，同時通過另一個變速箱耦合至光學編碼器，即測程反饋系統的輸入端。轉向軸 將車軸耦合至另一伺服馬達，該馬達負責確立車輪的轉向角度。轉向軸還將通過變速箱耦合至第二個光學編碼器，也即測程反饋系統的另一個輸入端。

反饋檢測和控制

導航系統使用一個增強的Kalman filter3，通過結合多個傳感器的數據來估算行程圖上機器人的姿態。Seekur上的測程數據從車輪牽引和轉向編碼器（提供轉換）和MEMS陀螺儀（提供旋轉）獲得。

測程

測程反饋系統利用光學編碼器對驅動和轉向軸旋轉的測量結果來估算機器人的位置、駛向和速度。在光學編碼器中，用一個碟片阻擋內部光源，或者通過數千個微小窗口讓光源照射在光傳感器上。碟片旋轉時，便會產生一系列電脈沖，這些脈沖通常被饋入計數器電路。每旋轉一圈的計數次數等于碟片內的槽孔數目，因此可從編碼器電路的脈沖計數計算旋轉數（包括小數）。圖4提供了將驅動軸旋轉計數轉換成線性位移 (位置) 變化的圖形參考和關系。

位置檢測

Seekur系統使用多種距離傳感器。對于室內應用，該系統采用270°激光掃描器為其環境構建映射圖。激光系統通過能量返回模式和信號返回時間測量物體形狀、尺寸及與激光源的距離。在映射模式中，激光系統通過將工作區內多個不同位置的掃描結果組合，描述工作區特性（圖5）。這樣便產生了物體位置、尺寸和形狀的映射圖，作為運行時掃描的參考。激光掃描器功能結合映射信息使用時，可提供精確的位置信息。該功能如果單獨使用，會存在一定限制，包括掃描時需要停機以及無法處理環境變化等等。在倉庫環境中，人員、叉車、托盤搬運車及許多其他物體常常會改變位置，這可能影響到達目的地的速度，以及到達正確目的地的精度。

MEMS 角速率檢測

Seekur系統使用的MEMS陀螺儀可直接測量Seekur關于偏航（垂直）軸的旋轉速率，該軸在Seekur導航參考坐標系內與地球表面垂直。用于計算相對駛向的數學關系式是固定時間內(t1 至t2)角速率測量結果的簡單積分。

倉庫庫存交貨

倉庫自動化系統目前使用叉車和傳送帶系統移動材料，以管理庫存并滿足需求。叉車需要直接人為控制，而傳送帶系統則需要定期維護。為了最大化倉庫價值，許多倉庫正在進行重新配置，從而為自主機器人平臺的應用敞開了大門。一組機器人僅需要更改軟件、對機器人導航系統進行再培訓就能適應新任務，完全不需要實施大量工程作業來改造叉車和傳送帶系統。倉庫交貨系統中的關鍵性能要求是機器人必須能夠保持行程模式的一致性，可在有障礙物移動的動態環境下安全執行機動動作，并且保證人員安全。為了說明在此類應用中MEMS陀螺儀反饋對Seekur的價值，Adept MobileRobots用實驗方式分別展示了在不使用（圖8）和使用（圖9）MEMS陀螺儀反饋的情況下，Seekur保持重復路徑的能力。應注意，為了研究MEMS陀螺儀反饋的影響，該實驗未采用GPS或激光掃描校正。

補給品護送

目前美國國防高級研究計劃局(DARPA)在提案中仍強調更多地利用機器人技術來提升軍力。補給品護送便是這類應用的一個范例，此時軍事護送隊伍暴露于敵方威脅之下，同時不得不按可預測的模式緩慢移動。精確導航讓機器人（如Seekur）可在補給品護送方面承擔更多責任，減少途中人員的安全威脅。一個關鍵性能指標是對GPS中斷情況的管理能力，此時MEMS陀螺儀駛向反饋特別有用。最新Seekur導航技術正是針對這一環境而開發的，它使用MEMS慣性測量單元(IMUs)6提高了精度，并且能在未來不斷采納地形管理和其他功能領域的新技術成果。為了測試該系統在使用和不使用IMU時的定位性能，對室外路徑誤差進行了記錄和分析。圖10比較了僅使用測程法時相對于真實路徑（源自GPS）的誤差與在卡爾曼濾波器內結合使用測程法與IMU時的誤差。后者的位置精度是前者的近15倍。

機器人傳感器分類與國內外廠商盤點

傳感器（Sensor）是一種常見的卻又很重要的器件，它是感受規定的被測量的各種量并按一定規律將其轉換為有用信號的器件或裝置。隨著工業機器人技術的不斷發展，機器人不再只是那個搬運重物的工具，傳感器技術的應用，讓工業機器人變得智能了許多，傳感器為機器人增加了感覺，為機器人高精度智能化的工作提供了基礎。接下來，小編與你一起盤點國內外機器人傳感器廠商和發展現狀。

國外機器人傳感器代表廠家和發展現狀

恩智浦（飛思卡爾）

恩智浦半導體(NXPSemiconductors)是全球前十大半導體公司，創立于2006年，先前由飛利浦于50多年前所創立。

飛思卡爾半導體(Freescale Semiconductor)是全球領先的半導體公司，全球總部位于美國德州的奧斯汀市。專注于嵌入式處理解決方案。飛思卡爾面向汽車、網絡、工業和消費電子市場，提供的技術包括微處理器、微控制器、傳感器、模擬集成電路和連接。飛思卡爾的一些主要應用和終端市場包括汽車安全、混合動力和全電動汽車、下一代無線基礎設施、智能能源管理、便攜式醫療器件、消費電器以及智能移動器件等。在全世界擁有多家設計、研發、制造和銷售機構。

博通

Broadcom Corporation （博通公司）（Nasdaq：BRCM）是全球領先的有線和無線通信 半導體公司。其產品實現向家庭、 辦公室和移動環境以及在這些環境中傳遞語音、 數據和多媒體。 Broadcom 為計算和網絡設備、數字娛樂和寬帶 接入產品以及移動設備的制造商提供業界最廣泛的、 一流的片上系統和軟件解決方案。

意法半導體

意法半導體的傳感器產品包括MEMS（微機電傳感器，包括加速度計、陀螺儀、數字羅盤、慣性模塊、壓力傳感器、濕度傳感器和麥克風）、智能傳感器、Sensor Hub、溫度傳感器和觸摸傳感器。

羅姆

羅姆(ROHM)株式會社是全球最知名的半導體廠商之一，日前開發出“擁有業界最快trr性能的功率MOSFET”產品PrestoMOS R60xxMNx系列。通過優化ROHM獨有的芯片結構，在保持PrestoMOS“高速trr性能”特征的基礎上，成功地使Ron和Qg值顯著降低。由此，在變頻空調等電機驅動的應用中，輕負載時的功率損耗與以往的IGBT相比，降低約56%，節能效果非常明顯。

羅姆（Rohm）也為蘋果供應傳感器及其他電子元件，有15家主力工廠，2家在中國（大連、天津），8家在日本，2家在韓國，馬來西亞、泰國、菲律賓各有1家。

德州儀器

美國德州儀器公司（英語：Texas Instruments，簡稱：TI），是世界上最大的模擬電路技術部件制造商，全球領先的半導體跨國公司，以開發、制造、銷售半導體和計算機技術聞名于世，主要從事創新型數字信號處理與模擬電路方面的研究、制造和銷售。除半導體業務外，還提供包括傳感與控制、教育產品和數字光源處理解決方案。德州儀器（TI）總部位于美國德克薩斯州的達拉斯，并在25多個國家設有制造、設計或銷售機構。

國內十大機器人傳感器公司

美新半導體

美新半導體有限公司是一家從事制造、研發和銷售微電子機械集成（MEMS，IC）科技芯片的半電子機械集成（MEMS，IC）科技芯片的半導體企業導體企業。美新公司是全球首家將微機械系統（MEMS）和混合信號處理電路集成于單一芯片的慣性傳感器公司。通過結合標準CMOS流程，美新公司已經成功生產出20多種更低成本、更高性能并處于世界領先水平的加速度傳感器。

矽創電子（***）

矽創電子1998年於***新竹創立，是以液晶驅動功能為技術核心的IC設計公司，專注於研發、設計及銷售積體電路產品，包括資訊相關晶片、消費電子晶片以及系統應用完整方案的提供。

MCUBE（***）

從智能手機和平板電腦到智能服裝和可穿戴設備，mCube正在實現一個名為“移動物聯網”的新時代，日常物品和設備可以在日常物體和設備上測量，監控和分析空間中的運動和環境，產生大量的數據和洞察力。 作為移動互聯網的提供商，mCube希望將MEMS運動傳感器放在任何移動的位置，使其易于連接日常事物，改變消費者的生活方式和企業運作方式。

歌爾聲學

歌爾聲學股份有限公司是國家高新技術企業 ，2008年5月在深圳證券交易所成功上市 。2013年，公司年銷售收入超過100億元 ，凈利潤增長44% 。公司主要為全球頂級廠商提供產品與服務，客戶涵蓋三星、蘋果、LG、松下、索尼、谷歌、微軟、繽特力、思科等 。在微型麥克風領域，歌爾市場占有率居世界同行業之首 ；藍牙耳機ODM業務和3D眼鏡業務量均居世界第一 ；在微型揚聲器/受話器領域，歌爾居國內同行業第二名、國際第三名 。

元芯公司

北京青鳥元芯微系統科技有限責任公司是目前國內第一家采用MEMS技術批量生產微型傳感器的高科技企業。公司以"北京大學微電子學研究院"和"微米/納米加工技術國家級重點實驗室"為技術依托，專門從事各種微型傳感器的研發和生產。

華潤半導體

華潤上華是一家領先的純模擬晶圓專工企業，于1997年在中國開創開放式晶圓代工業務模式的先河，為無生產線設計公司及集成設備制造商提供廣泛的制造服務。公司采用0.11微米至0.5微米的生產技術制造集成電路及功率分立器件。華潤上華的集成電路和功率器件被廣泛應用于消費類電子、通信器件、個人電腦、汽車電子和工業類產品等終端市場。華潤上華科技有限公司在英屬維爾京群島注冊成立，是華潤微電子有限公司的全資附屬公司。

盾安環境

2001年11月26日，經浙江省人民政府企業上市工作領導小組浙上市200199號文批準，浙江盾安三尚機電有限公司依法整體變更設立浙江盾安人工環境設備股份有限公司。2001年12月19日，公司在浙江省工商行政管理局登記注冊，法定代表人為葛亞飛，注冊資本43,181,865 元人民幣。

廣微機電

廣微與國內外著名水質監測儀器制造商緊密合作，為廣大污染源在線監測用戶提供全系列在線監測儀器，并提供從排放口改造、水樣采集及預處理、在線監測儀器安裝調試到數據采集及通訊、監測中心管理等污染源在線監測系統總體解決方案和服務實施。同時我們針對各企業實際需求，提供便攜式分析儀、實驗室分析儀及實驗室成套設備。

敏芯微電子

蘇州敏芯微電子技術有限公司成立于2007年，是中國國內最早成立的MEMS研發公司之一。由專業的風險投資公司投資，并完全商業化運作。管理團隊具有深厚的半導體及MEMS產業背景，核心技術團隊有在國內外頂尖大學微電子實驗室從事MEMS與集成電路（IC）技術研究的寶貴經驗。已申請和在申請專利累計已達70多項，擁有數項涉及MEMS關鍵技術的突破性發明和世界級科研成果。

宏發股份

宏發擁有三十年的繼電器研發和制造經驗，致力于以繼電器產業鏈為基礎的產品研發與技術創新。宏發技術中心是國家級企業技術中心，目前擁有繼電器行業頂尖技術人才組成的研發團隊，承擔了多項國家標準的制定和多項國家重點項目的實施，也是國內繼電器行業唯一同時擁有博士后工作站和院士專家工作站的企業。

機器人傳感器分類

根據檢測對象的不同可分為內部傳感器和外部傳感器。內部傳感器主要用來檢測機器人本身狀態（如手臂間角度），多為檢測位置和角度的傳感器。

外部傳感器主要用來檢測機器人所處環境（如是什么物體，離物體的距離有多遠等）及狀況（如抓取的物體是否滑落）的傳感器。具體有物體識別傳感器、物體探傷傳感器、接近覺傳感器、距離傳感器、力覺傳感器，聽覺傳感器等。

1

二維視覺傳感器

二維視覺傳感器主要就是一個攝像頭，它可以完成物體運動的檢測以及定位等功能，二維視覺傳感器已經出現了很長時間，許多智能相機可以配合協調工業機器人的行動路線，根據接收到的信息對機器人的行為進行調整。

2

三維視覺傳感器

最近三維視覺傳感器逐漸興起，三維視覺系統必須具備兩個攝像機在不同角度進行拍攝，這樣物體的三維模型可以被檢測識別出來。相比于二維視覺系統，三維傳感器可以更加直觀的展現事物。

3

力扭矩傳感器

力扭矩傳感器是一種可以讓機器人知道力的傳感器，可以對機器人手臂上的力進行監控，根據數據分析，對機器人接下來行為作出指導。

4

碰撞檢測傳感器

工業機器人尤其是協作機器人最大的要求就是安全，要營造一個安全的工作環境，就必須讓機器人識別什么事不安全。一個碰撞傳感器的使用，可以讓機器人理解自己碰到了什么東西，并且發送一個信號暫停或者停止機器人的運動。

5

安全傳感器

與上面的碰撞檢測傳感器不同，使用安全傳感器可以讓工業機器人感覺到周圍存在的物體，安全傳感器的存在，避免機器人與其他物體發生碰撞。

6

電磁傳感器

現代的磁旋轉傳感器主要包括有四相傳感器和單相傳感器。在工作過程中，四相差動旋轉傳感器用一對檢測單元實現差動檢測，另一對實現倒差動檢測。這樣，四相傳感器的檢測能力是單元件的四倍。而二元件的單相旋轉傳感器也有自己的優點，也就是小巧可靠的特點，并且輸出信號大，能檢測低速運動，抗環境影響和抗噪聲能力強，成本低。因此單相傳感器也將有很好的市場。

7

光纖傳感器

光纖傳感器是最近幾年出現的新技術，可以用來測量多種物理量，比如聲場、電場、壓力、溫度、角速度、加速度等，還可以完成現有測量技術難以完成的測量任務。在狹小的空間里，在強電磁干擾和高電壓的環境里，光纖傳感器都顯示出了獨特的能力。目前光纖傳感器已經有70多種，大致上分成光纖自身傳感器和利用光纖的傳感器。

8

仿生傳感器

仿生傳感器，是一種采用新的檢測原理的新型傳感器，它采用固定化的細胞、酶或者其他生物活性物質與換能器相配合組成傳感器。這種傳感器是近年來生物醫學和電子學、工程學相互滲透而發展起來的一種新型的信息技術。這種傳感器的特點是機能高、壽命長。在仿生傳感器中，比較常用的是生體模擬的傳感器。

9

紅外傳感器

紅外系統的核心是紅外探測器，按照探測的機理的不同，可以分為熱探測器和光子探測器兩大類。熱探測器是利用輻射熱效應，使探測元件接收到輻射能后引起溫度升高，進而使探測器中依賴于溫度的性能發生變化。檢測其中某一性能的變化，便可探測出輻射。多數情況下是通過熱電變化來探測輻射的。當元件接收輻射，引起非電量的物理變化時，可以通過適當的變換后測量相應的電量變化。

10

壓力傳感器

壓電傳感器主要應用在加速度、壓力和力等的測量中。壓電式加速度傳感器是一種常用的加速度計。它具有結構簡單、體積小、重量輕、使用壽命長等優異的特點。壓電式加速度傳感器在飛機、汽車、船舶、橋梁和建筑的振動和沖擊測量中已經得到了廣泛的應用，特別壓電傳感器的外形是航空和宇航領域中更有它的特殊地位。