以GMSL打造高性能机器人视觉

现今的机器人系统已经越来越依赖视觉来进行感知并与环境互动，因而对高速、低延迟资料连结的需求也日益增加。千兆多媒体串列链路（GMSL）透过单条线缆即可实现视讯、控制讯号和电力的传输，并且具备高可靠性，是一项极有潜力的解决方案。本文探讨摄影机在机器人领域中的应用，分析摄影机所面临的连接挑战，并阐述GMSL如何协助实现可扩展、稳健且高性能的机器人平台。

机器人系统越来越依赖先进的机器视觉来感知、导航和与环境互动。随着摄影机数量的增加和解析度的提升，业界对能够传输和聚合处理即时视讯资料的高速、低延迟链路的需求变得空前强烈。

最初为汽车应用开发的GMSL，正成为适合机器人系统的强大而高效的解决方案。GMSL透过单根线缆同时传输高速视讯资料、双向控制讯号和电力，具备长距离传输能力、确定性的微秒级延迟和极低的误码率（BER）等优势。其简化了线束，缩小整体解决方案尺寸，非常适合应用於在动态且通常恶劣的环境中运行的视觉主导型机器人。

本文将讨论摄影机在机器人中的部署位置和应用场景，以及这些应用场景所面临的对资料和连接的挑战，并说明GMSL如何协助系统设计师建构可扩展、可靠、高性能的机器人平台。

摄影机在机器人中的应用

作为现代机器人感知系统的核心零件，摄影机赋予机器即时认知和回应周围环境的能力。无论是穿梭於仓库通道的搬运机器人、分拣包裹的机械手臂，还是与人类互动的服务型机器人，视觉系统对於自主运行、自动化操作及人机互动都非常重要。摄影机不仅功能多样化，形式也各有不同。根据任务的不同，摄影机被安装在机器人的不同部位，并需客制化设计以符合平台的物理和操作约束（图一）。

图一 : 由GMSL赋能的多模态机器人视觉系统示例

自主化

在自主机器人中，摄影机主要作为机器人的「眼睛」，使机器人能够感知周围环境、避开障碍物，并确定自身在环境中的位置。

对於移动机器人而言，例如送货机器人、仓库穿梭车或农业巡检车，通常会在机器人的边角或边缘放置多个广角摄影机。此类环视系统提供360。感知能力，可协助机器人在复杂的空间中导航以避免碰撞。

其他与自主运行相关的应用则是利用朝下或朝上的摄影机，读取地面、天花板或墙壁上的定位标记。这些标记可产生视觉指引的作用，使机器人在工厂或医院等结构化环境中行进时，能够重新校准位置或触发特定动作。

在更先进的系统中，机器人的正面或侧面会放置立体视觉摄影机或飞时测距（ToF）摄影机，用於生成三维地图、估算距离，并协助进行同步定位与地图绘制（SLAM）。

此类摄影机的位置通常由机器人的大小、机动能力和所需的视场决定。例如，在小型人行道送货机器人上，摄影机可能会隐藏在四个侧面的凹陷面板中。无人机上通常装有前向摄影机用於导航，还有向下摄影机用於降落或目标追踪。

自动化

在工业自动化中，视觉系统协助机器人快速且稳定地执行重复性或高精度的任务。在此类应用中，摄影机可能安装在机器手臂上，靠近夹具或末端执行器，使系统得以精准地对物体进行视觉检查、定位及操作。这对於表面黏着作业尤其重要，因为准确识别元件或封装的位置与方向是确保操作成功的关键。

有时候，摄影机固定在工作区域上方，例如安装在龙门架构或悬吊式轨道上，用以监控传送带上的物品或扫描条码。在仓库环境中，移动机器人使用前向摄影机来辨识货架标签、标志或二维条码，进而实现动态任务分配或路线变更。

某些检查机器人，特别是基础设施、公用事业或重工业中使用的机器人，其伸缩杆或关节臂上会安装变焦摄影机。透过这些摄影机，机器人能够拍摄焊缝、线缆桥架或管道接头的高解析度图片。这些任务若由人工手动完成，不仅危险，而且耗时。

人机互动

摄影机在机器人与人类的互动中也发挥着核心作用。在协作制造、医疗健康或服务产业中，机器人需要理解手势、识别人脸，并保持一定的社交存在感。视觉系统使这一切成为可能。

人形机器人和服务机器人通常在其头部或胸部嵌入摄影机，藉此类比人类的视线，进而实现更自然的人机互动。这些摄影机帮助机器人解读脸部表情，保持眼神交流，或跟随目标人物的目光。某些系统使用深度摄影机或鱼眼镜头来追踪身体运动，或感测是否有人进入共用工作空间。

在协作机器人（cobot）场景中，人类和机器并肩工作，机器视觉用於确保操作安全和提升回应速度。机器人能够观察到靠近的肢体或工具，透过调整自身行为来避免碰撞，或在有人靠得太近时暂停作业。

即使在远端操作或半自主系统中，机器视觉依然非常重要。前置摄影机将即时视讯流传输给远端操作员，进而支援即时控制或检查。这些视讯流可叠加显示扩增实境资讯，协助进行远端诊断或培训等任务。

在所有这些相关领域中，摄影机的安装位置（例如机器人的夹爪、云台、底座或头部）都是一项重要设计决策，取决於机器人的功能、形状和环境。随着机器人系统不断增强能力和自主性，视觉的作用将更为重要，摄影机的整合也会变得更加复杂且不可或缺。

机器人视觉挑战

在视觉系统成为机器人智慧重要支柱的同时，机会与复杂性也随之增加。高性能摄影机解锁了即时感知、精准操控和更安全人机互动等强大的能力，但也对系统架构提出了更高要求。问题不再只是如何高效传输大量视讯资料。如今，许多机器人需要在极短时间内基於多模态感测器输入做出决策。与此同时，它们必须在精小的机械空间内运行，合理管理功耗，避免电磁干扰（EMI），并在靠近人类的环境中严格确保功能安全。

机器人所处的环境进一步加剧了这些挑战。仓库机器人可能频繁进出冷冻库，必须承受剧烈温度波动和冷凝的考验；农业巡检车可能在颠簸不平的田野间爬行，持续承受振动和机械冲击；而医院或公共场所的服务机器人可能会遇到陌生且视觉复杂的环境，因此必须要能够迅速因应，才能确保安全地绕过人和障碍物。

运用GMSL因应挑战

GMSL具备独特的优势，能够满足现代机器人系统的需求。凭藉高频宽、稳健性和弹性的整合能力，GMSL非常适合动态、任务关键环境中运行的感测器密集型平台。以下特性突显了GMSL应对机器人领域视觉相关关键挑战的能力。

高资料速率和低延迟

GMSL2和GMSL3产品系列支援3 Gbps、6 Gbps和12 Gbps的前向通道 （视讯路径）资料速率，涵盖了绝大部分机器人视觉的应用场景。弹性的链路速率使系统设计者能够针对解析度、帧率、感测器类型和处理要求进行优化（图二）。

图二 : 感测器频宽范围和GMSL能力

对於大多数采用200-300万画素滚动快门感测器并以60帧每秒（FPS）帧率运行的环视摄影机而言，3Gbps速率的GMSL链路便绰绰有馀。3Gbps的GMSL链路也支援其他常见的感测模式，例如ToF感测器，具有点云输出的光达与测距（LIDAR）单元和传输侦测资料或压缩图像式回传的雷达感测器。

6 Gbps模式通常用於机器人的前向主摄影机。此类摄影机需配备更高解析度的感测器（通常为800万画素或更高），以支援目标侦测、语意理解或标志识别等任务。6 Gbps资料速率既支援提供原始输出的ToF感测器，也支援立体视觉系统，後者从两个图像感测器传输原始输出流，或从整合图像讯号处理器（ISP）输出处理後的点云流。目前市面上的许多立体摄影机便是依赖於6 Gbps资料速率来实现高帧率性能。

在先进应用场景下，12 Gbps链路支援专业机器人使用的1200万画素或更高解析度的摄影机，用以满足高精度目标分类、复杂场景分割及远距离感知等先进功能需求。值得注意的是，某些低解析度的全域快门感测器也需要更高速度的链路，以减少读出时间，并避免在快速拍摄周期中出现运动伪影，这在动态或高速环境中尤为重要。

GMSL采用频域双工技术来分离前向（视讯和控制）与反向（控制）通道，进而实现确定性低延迟双向通讯，并且消除资料冲突风险。在所有链路速率下，GMSL都能保持极低的延迟：从GMSL串列器的输入到解串器的输出，累计的延迟通常在几十微秒以内，这对於大多数即时机器人视觉系统来说可以忽略不计。

确定性反向通道延迟使得主机能够对摄影机进行精准的硬体触发。此特性对於多个感测器同步撷取图像十分重要，同时也支援复杂机器人工作流程中时间敏感的事件驱动型帧触发机制。如果要透过USB或乙太网路摄影机达到这种时序精度，通常需要增加单独的硬体触发线路，而如此将导致系统复杂度和布线工作量加大。

精巧尺寸和低功耗

GMSL的核心价值之一在於能够简化线缆和连接器基座。GMSL本身是一种全双工链路，大多数GMSL摄影机会利用同轴线缆供电（PoC）特性，透过一条细同轴线缆同时传输视讯资料、双向控制讯号和电力。因此，布线工作大幅简化，线缆线束的整体重量显着减轻，体积更小，精巧或关节式机器人平台中的机械布线也更便捷（图三）。

图三 : 采用MAX96717的典型GMSL摄影机架构

此外，GMSL串列器是一种高度整合的元件，其将视讯介面（如MIPI-CSI）和GMSL PHY整合到单一晶片中。GMSL串列器在6 Gbps模式下的功耗通常在260 mW左右，明显低於其他技术在类似资料速率下的功耗。所有特性带来的益处包括：电路板面积缩小，热管理要求降低（通常可省去庞大的散热片），系统整体效率提升，对於电池供电的机器人而言意义尤为重大。

感测器聚合和视讯资料路由

GMSL解串器有多种配置可选，支援一个、两个或四个输入链路，便於建构弹性的感测器聚合架构。设计人员可将多个摄影机或感测器模组连接到单一处理器，而无需额外的开关或外部复用，这在多摄影机机器人系统中特别有用。

除了多路输入外，GMSL SERDES还支援一些进阶特性，能够在整个系统中智慧地管理和路由资料。具体包括：I2C和GPIO广播，用於同步配置多个感测器和实现帧同步；I2C位址别名，避免直通模式下I2C位址冲突；虚拟通道重分配，允许将多个视讯流清晰地对应到系统单晶片（SoC）内部的框架缓冲区；视讯流复制和虚拟通道滤波功能，允许将选定的视讯资料传送到多个SoC。例如，让同一摄影机资料流程同时驱动自动化和互动处理流程，或支援冗馀处理路径以增强功能安全性。

安全性和可靠性

最初为汽车的先进驾驶辅助系统（ADAS）应用开发的GMSL，在安全性、可靠性和稳健性不容妥协的环境中经过了实际检验。机器人系统，特别是在有人环境中操作或执行关键工业任务的系统，采用同样严苛的高标准也能受益匪浅。

表一：GMSL与USB和乙太网路的区别：机器人视觉中的介面技术权衡

特性  / 标准	GMSL （GMSL2/GMSL3）	USB （如USB 3.x）	乙太网路 （如GigE Vision）
线缆类型	单条同轴或STP线缆 （资料 + 电源 + 控制）	单独的USB + 电源 + 通用输入/输出（GPIO）	单独的乙太网路 + 电源 （可选PoE）+ GPIO
最大线缆长度	15公尺以上（同轴线缆）	3公尺（可靠传输）	100公尺（Cat5e/Cat6）
供电	一体化（PoC）	需要单独供电或使用USB-PD	需要PoE基础设施或单独的线缆
延迟（典型值）	数十微秒（确定性）	毫秒级，OS相关	毫秒级，缓冲 + OS/网路通讯协定栈
资料速率	3 Gbps/6 Gbps/12 Gbps （未压缩，每链路）	最高5 Gbps （USB 3.1 Gen 1）	1 Gbps （GigE），10 Gbps（10 GigE， 在机器人中不常见）
视讯压缩	不需要（原始输出或ISP 输出）	通常需要，以便提升解析度	通常需要
硬体触发支援	透反向通道内建 （无需额外线缆）	需要额外的GPIO或USB通讯设备类（CDC）介面	需要额外的GPIO或同步盒
感测器聚合	透过多输入解串器原生支援	通常是点对点	通常是点对点
ESD稳健性	高，设计符合汽车电子EMI 标准	中	中到高（取决於遮罩和布局）
环境适应性	车规级温度标准，坚固耐用	消费级，除非经过加固	视情况而异（存在工业选项）
软体协定栈	与SoC直接MIPI-CSI整合	OS驱动程式协定堆叠 + USB视讯设备类（UVC）或 专有软体发展套件（SDK）	OS驱动程式协定堆叠 + GigE Vision/GenICam
功能安全支援	ASIL-B设备，资料复制， 确定性同步	很少	很少
部署生态	ADAS领域中已成熟，机器人 领域中正在壮大	消费性电子/PC中应用广泛，工业领域可选 方案有限	工业视觉领域中已成熟
整合复杂度	中—需要SERDES和 路由配置	低—随??即用，用於部署 高—用於生产	中—需要交换器/路由器配置和同步接线

大多数GMSL串列器和解串器可在-40。C到+105。C的温度范围内稳定运行，并内建了自我调整均衡功能，可持续监测并根据环境变化调整收发器设定。因此，系统架构师可以弹性设计机器人，使机器人在极端或波动的温度条件下仍能可靠运作。

此外，大多数GMSL元件符合ASIL-B标准，误码率（BER）极低。在符合要求的链路条件下，GMSL2的典型BER为10-15，而GMSL3凭藉强制性前向纠错（FEC）技术，可将BER降低至10-30。卓越的资料完整性结合安全认证机制，大幅简化系统级别的功能安全性整合。

凭藉优越的稳健性，GMSL能够减少停机时间，降低维护成本，提升使用者对长期系统可靠性的信心，对於工业和服务机器人领域具有重要意义。

成熟生态

得益於在汽车系统中多年的大量应用，GMSL已发展出一个高度成熟的生态，其中包含一整套解决方案，包括评估用和生产级摄影机、计算板、线缆、连接器及软体/驱动支援，所有产品都在严格的实际使用条件下通过了测试和验证。对於机器人开发者而言，藉由此一成熟的生态将可以缩短开发周期、简化系统整合，并降低从原型设计到量产的门槛。

GMSL与传统机器人视觉连接技术的比较

近年来，GMSL的应用逐渐从汽车产业扩展至其他领域，为高性能机器人系统的开发带来了新的可能性。伴随着机器人视觉技术要求的不断提升，包括更多摄影机、更高解析度、更严格的同步精度和更恶劣的工作环境，USB和乙太网路等传统介面在频宽、延迟和整合复杂度方面常常显得力不从心。GMSL提供稳健、可扩展且可直接投入生产的解决方案，正成为许多先进机器人平台的首选升级路径，并开始逐步取代USB和乙太网路。

表1则针对机器人视觉设计的关键指标对这三种技术进行了比较。

结论

随着机器人应用逐步深入更严苛的应用环境，同时应用场景也更多样化，视觉系统必须持续演进，以支援更多数量的感测器、更大的频宽并确保性能的确定性。传统连接解决方案虽然在开发阶段和某些部署场景中依然重要，但它们在延迟、同步和系统整合方面存在不足，因而限制了可扩展性。

GMSL具备高资料速率、长距离传输能力、整合供电及双向确定性低延迟等优势，为建构可扩展的机器人视觉系统奠定了坚实基础。透过采用GMSL，设计人员可以有效缩短从原型设计到量产的时间，交付更智慧和可靠的机器人，以从容因应各种实际应用的挑战。

（本文作者Kainan Wang为ADI系统应用工程师）