给移动机器人做四路环视，硬件层面的工作可以拆成三块：把四颗相机固定在合理的机位上、把单颗视场与相邻重叠算够、把标定所需的地面参照和场地准备好。这三块之间是强耦合关系——机位决定了重叠区的下限，重叠区决定了镜头选型的边界，而镜头与机位又共同决定了标定的可行性和精度上限。本文按装配顺序展开，给出机位、视角、支架与标定硬件的工程要点，涉及的数值一律用可推导的几何关系表达，具体取值以整机实测为准。

深度相机的功耗问题，在方案评审里经常被一句"模组标称多少瓦"带过。等到整机集成阶段，才发现电池续航不够、金属壳体烫手、低电压下偶发重启、长时间运行后深度精度漂移。这些问题的共同根源，是把功耗当成一个静态数字，而不是一条从器件到整机的账。本文按工程实施顺序拆解深度相机的功耗设计：先建立两个度量口径，再逐项拆解功耗构成，然后讨论主动光、计算、接口、电源与休眠几个方向的优化手段，最后给出一份可直接对照的

机器人避障要在很短的时间窗口内走完"成像—感知—决策"这条链，这个窗口由行驶速度与安全余量共同决定，而不是由算力标称值决定。算力硬件真正要交付的东西只有一件：把相机送来的原始数据，在确定的时间内转换成带时间戳、可供控制层直接使用的障碍信息。围绕这个目标，工程上常见的算力形态分成三档——与相机直连的板载 SoC 模组、独立的边缘计算盒子、工控机加独立加速板卡。三档之间没有绝对优劣，差别体现在链路长度

避障相机的选型讨论，通常从参数表开始：量程、分辨率、帧率、视场角。但在工程现场，另一个更早、也更难返工的决策往往被跳过——。安装高度、俯仰角和机位一旦定错，覆盖上出现的盲区不是靠算法轻易能补回来的：感知可以做得更聪明，但看不到的地方，算法也无从下手。本文把"安装"从经验判断拆成可核算的几何问题，按顺序给出方法：先算覆盖，再定高度与角度，最后才谈选型。

选的不是参数最高的一台相机，而是与这台车的速度、任务与供电条件最匹配的那一组参数。朗锐创新专注于工业智能视觉、深度相机、空间智能、具身智能技术应用。提供专业硬件定制化服务，帮助客户项目快速实现快速盈利。【备选标题】

朗锐创新专注于工业智能视觉、深度相机、空间智能、具身智能技术应用。提供专业硬件定制化服务，帮助客户项目快速实现快速盈利。

帧率只是输出节奏，端到端延迟才是避障的关键——吞吐管断不断片，延迟管反应鲜不鲜。延迟是逐级累加的总账——曝光、sensor 读出、深度引擎、主控传输，每一级都在追加。未掉帧、每拍跑进 33ms，才算有效 30fps——帧间隙被塞满就生出积压，名义 fps 靠不住时，影像已是旧闻。高速与抓取的误差预算随速度膨胀，对延迟与几何真实极其敏感。压延迟的三板斧：更短曝光、硬件同步、低延迟传输，再加高速场景应

结论：深度相机能否避障，取决于它在真实运行工况下能否同时满足四件事——近场有限盲区内"看得见且来得及"、动态场景整帧几何不扭曲、运行包络内最坏点稠密度够、断供时默认失效导向安全。各路线只能靠场景对齐：室内慢速可走（双投）主动双目，动态与跨玻璃高反相变优先 ToF，追求量产可靠性在 ToF 上精进。功耗与带宽一定要排进总账。踩坑回顾只盯"标称最近距离"，没验证该距离上细物可分、且整机安装姿态下真"近

遥操作是具身智能的"数据工厂"。没有它，机器人就只能停留在仿真里"纸上谈兵"。三档硬件各有所长：VR手柄解决"有没有"的问题，主从臂解决"精不精"的问题，数据手套解决"灵不灵"的问题。数据采集只是第一步——清洗、分段、标注、训练，每一步都决定了最终策略的质量。真机数据的规模化采集，是具身智能从实验室走向产业化的关键基础设施。你们觉得遥操作会被全自动数据采集（机器人自主探索）取代吗？还是说人示教永远

三个平移自由度：沿 X 轴、Y 轴、Z 轴的位移三个旋转自由度：绕 X 轴（俯仰/pitch）、绕 Y 轴（偏航/yaw）、绕 Z 轴（横滚/roll）的旋转完整的 6DoF 位姿通常用一个三维位置向量（x, y, z）加上一个旋转表示（四元数、欧拉角或旋转矩阵）来描述。EGO 的坐标系体系是一套精心设计的空间参照系统：世界坐标系提供全局基准，局部坐标系描述自身姿态，VIO 以 30Hz 输出两者