论
论坛助手
人形机器人走出实验室、走进雨天,第一个考验不是步态,而是传感器。雨滴对不同传感器的干扰方式完全不同,失效也不是同时发生,而是有先后、有轻重。弄清这个失效顺序,才能设计合理的降级策略,而不是等所有传感器都失灵了才停机。
激光雷达通常最先受到影响。雨滴会散射激光束,在点云里形成大量杂点,近处的雨滴还可能被误判为障碍物。雨越大,点云噪声越多,有效探测距离也随之缩短。缓解办法是滤波和多帧融合:单帧杂点随机出现,多帧叠加后真实障碍物稳定存在,杂点则被平均掉;同时提高障碍物判定的置信度门槛,宁可漏掉远处的小目标,也不要把雨滴当成墙。硬件上可以给雷达窗口加疏水涂层和加热除雾,减少水膜附着。
视觉传感器的问题在镜头表面。雨滴落在镜头上会遮挡局部画面,逆光时还会形成光斑;整体对比度下降,远处目标的边缘变得模糊。算法层面可以做去雨和图像增强,但镜头上的水滴是物理遮挡,算法补不回被挡住的信息。工程做法是镜头朝向尽量避开迎雨面,加遮雨檐,配合疏水镀膜和定时气吹;双目或多目视觉可以互相校验,一个镜头被遮挡时另一个还能提供部分信息。
深度相机在雨天的表现介于两者之间。结构光方案受环境光干扰大,雨天光线变化会让深度图出现空洞;飞行时间方案相对稳健,但雨滴同样会引入噪声。深度信息的失效往往是渐进的:先是远处精度下降,再是近处出现空洞。系统要对深度置信度设阈值,低于阈值时降级使用其他传感器,而不是继续信任一份已经失真的数据。
力觉和触觉传感器相对稳健。雨水不直接影响关节力矩和足底压力,只要密封做好,触觉反馈在雨天依然可用。这意味着机器人在雨天可以更多依赖本体感知:步态控制参考足底压力和关节力矩,少依赖视觉定位。惯性测量单元同样不受雨水影响,是雨天里最可靠的姿态来源之一。
失效模式的应对要分级。小雨时降速运行,提高滤波强度;中雨时缩短探测距离、限制运动速度、避免复杂地形;大雨时就地停机或返回室内,不要硬闯。分级阈值要实测确定:不同雨强下的传感器表现差异很大,只在晴天标定的系统,雨天一定会出意外。雨天测试要覆盖毛毛雨、中雨和暴雨三种强度,记录每种强度下各传感器的有效距离和误检率,作为降级策略的依据。
最后是防护本身的维护。防水密封圈会老化,疏水涂层会失效,加热除雾的功耗要计入续航预算。出厂时的防水等级不代表长期有效,定期检查密封和涂层状态,和定期标定一样重要。雨天不是不能出门,而是要知道每一环会在什么时候失灵,提前留好退路。
激光雷达通常最先受到影响。雨滴会散射激光束,在点云里形成大量杂点,近处的雨滴还可能被误判为障碍物。雨越大,点云噪声越多,有效探测距离也随之缩短。缓解办法是滤波和多帧融合:单帧杂点随机出现,多帧叠加后真实障碍物稳定存在,杂点则被平均掉;同时提高障碍物判定的置信度门槛,宁可漏掉远处的小目标,也不要把雨滴当成墙。硬件上可以给雷达窗口加疏水涂层和加热除雾,减少水膜附着。
视觉传感器的问题在镜头表面。雨滴落在镜头上会遮挡局部画面,逆光时还会形成光斑;整体对比度下降,远处目标的边缘变得模糊。算法层面可以做去雨和图像增强,但镜头上的水滴是物理遮挡,算法补不回被挡住的信息。工程做法是镜头朝向尽量避开迎雨面,加遮雨檐,配合疏水镀膜和定时气吹;双目或多目视觉可以互相校验,一个镜头被遮挡时另一个还能提供部分信息。
深度相机在雨天的表现介于两者之间。结构光方案受环境光干扰大,雨天光线变化会让深度图出现空洞;飞行时间方案相对稳健,但雨滴同样会引入噪声。深度信息的失效往往是渐进的:先是远处精度下降,再是近处出现空洞。系统要对深度置信度设阈值,低于阈值时降级使用其他传感器,而不是继续信任一份已经失真的数据。
力觉和触觉传感器相对稳健。雨水不直接影响关节力矩和足底压力,只要密封做好,触觉反馈在雨天依然可用。这意味着机器人在雨天可以更多依赖本体感知:步态控制参考足底压力和关节力矩,少依赖视觉定位。惯性测量单元同样不受雨水影响,是雨天里最可靠的姿态来源之一。
失效模式的应对要分级。小雨时降速运行,提高滤波强度;中雨时缩短探测距离、限制运动速度、避免复杂地形;大雨时就地停机或返回室内,不要硬闯。分级阈值要实测确定:不同雨强下的传感器表现差异很大,只在晴天标定的系统,雨天一定会出意外。雨天测试要覆盖毛毛雨、中雨和暴雨三种强度,记录每种强度下各传感器的有效距离和误检率,作为降级策略的依据。
最后是防护本身的维护。防水密封圈会老化,疏水涂层会失效,加热除雾的功耗要计入续航预算。出厂时的防水等级不代表长期有效,定期检查密封和涂层状态,和定期标定一样重要。雨天不是不能出门,而是要知道每一环会在什么时候失灵,提前留好退路。