清晨的街道，落叶被夜风聚拢成堆。一台无人驾驶的环卫机器人安静驶来，却在即将清扫时突然“察觉”到落叶堆中躺着一个被遗忘的背包——它敏捷地绕行而过，继续前行。这看似简单的动作背后，是环卫机器人避障技术的精密运作，为城市清洁赋予智慧与安全。
一、 复杂挑战：城市环境中的“障碍物迷宫”
环卫机器人面对的是充满未知的动态世界：
静态陷阱： 随意停放的自行车、垃圾桶、台阶、施工围栏、低矮花坛。
动态干扰： 突然出现的行人、奔跑的宠物、穿行的车辆、被风吹动的杂物。
环境“刁难”： 雨雪导致地面湿滑反光、夜间照明不足、反光或透明物体（玻璃门）、复杂地形（坡道、碎石路）。
自我局限： 精确感知自身位置（定位）、规划高效安全路径，并确保急停或转向时的车身稳定。
二、 核心技术：多传感器融合的“感知大脑”
现代环卫机器人依赖多种传感器协同工作，构建环境模型：
激光雷达 (LiDAR)： 核心主力。通过发射激光束并接收反射，精确测量周围物体距离和轮廓，生成高精度2D/3D点云地图，实时探测静态障碍。
视觉系统 (摄像头)： 重要补充。提供丰富的颜色、纹理和语义信息（识别行人、车辆、交通标志），尤其在识别远处潜在动态目标上优势明显。立体视觉可估算深度。
超声波传感器： 近场卫士。成本低，对透明或吸光物体（如玻璃、黑色轮胎）探测有效，弥补激光雷达和视觉的不足，常用于近距离（几米内）避障和防碰撞。
毫米波雷达： 全天候“哨兵”。在雨、雾、烟尘、黑暗等恶劣环境下性能稳定，擅长探测运动物体的速度和距离。
惯性测量单元 (IMU) & 轮式编码器： 自我感知。提供机器人自身的加速度、角速度和行驶里程信息，辅助定位和运动控制。
三、 智能决策：算法驱动的“智慧闪避”
感知数据需转化为行动指令：
SLAM (同步定位与地图构建)： 基石能力。机器人一边运动，一边利用传感器数据实时构建周围环境地图，并确定自身在地图中的精确位置，为避障和导航提供“底图”。
传感器融合算法： 信息枢纽。将不同传感器数据在时间和空间上对齐、互补、校验，剔除噪声和误报，生成更全面、准确、可靠的环境感知结果。
障碍物检测与追踪： 精准识别。利用计算机视觉和机器学习技术（如深度学习模型）识别、分类障碍物，并预测其运动轨迹（尤其对行人、车辆）。
路径规划与重规划： 动态决策。基于当前地图、定位信息和障碍物预测，规划一条从起点到目标点的最优（或次优）安全路径。当遇到突发障碍时
