1. 为什么要用UWB做自动跟随？

在做跟随型机器人之前，我们试过很多定位方法——GPS、蓝牙、Wi-Fi、纯视觉。但最终，UWB（Ultra Wideband，超宽带）成了最靠谱的那个。原因很现实：

• 室外定位精度能做到10cm级，室内也稳定；
• 多径干扰比蓝牙和Wi-Fi小得多；
• 对遮挡容忍度比纯视觉好；
• 延迟低，适合动态跟随。

举个例子，我们曾在一个仓库做过跟随机器人，GPS在室内直接报废，蓝牙RSSI飘得像彩票数字，视觉因为堆放的箱子而频繁丢目标。最后换成UWB，配上IMU和滤波算法，机器人终于能老老实实跟着人走，而不是去和货架谈人生。

2. 核心原理：测距 + 三边定位

UWB的核心思路是“先测出距离，再算出位置”，听起来简单，但每一步都能让工程师熬夜。

2.1 TOF（Time of Flight）飞行时间测距

原理很直白：信号从A到B要花多久，乘以光速，就能算出距离：

d=c?t

其中 c≈3×10^8 m/s

看似容易，但实际测试时会遇到几个坑：

1. 时钟不同步 ：标签和基站的时钟不一致会导致测距误差。
2. 非视距（NLOS）：信号绕路走，测出来的距离比真实的长。

我们曾经在一个金属棚下测试，结果距离全都比实际值多了1~2米，后来我们通过在固件中加入NLOS检测+滤波补偿才解决。

2.2 TDOA（Time Difference of Arrival）到达时间差定位

TDOA不要求标签和基站时钟同步，只要基站之间同步即可。核心公式：

这表示标签到两个基站的距离差。配合多个基站，就能画出几条“双曲线”，交点就是目标位置。

三边定位的数学推导很像你在地图上用圆圈找朋友：

解这个方程组就能得到(x,y)坐标。

但在现实中，TDOA很容易被基站同步误差搞坏。有一次现场，工程师忘了给两个基站的时钟同步，结果机器人跟着人走着走着，突然往反方向跑，像是被什么东西吓到一样。

2.3 PDOA（Phase Difference of Arrival）相位差定位

PDOA利用载波相位差来测角度（AOA，Angle of Arrival），公式：

其中：

λ 是波长

Δ? 是相位差

da 是天线间距

优势是方向分辨率高，缺点是对硬件一致性要求高。我们在做天线阵列测试时，哪怕两根射频走线长度差了 1mm，角度估计都能飘几度。

3. 算法融合与滤波优化

光有测距还不够，数据必须经过融合和滤波才能稳定跟随。

• 卡尔曼滤波 （Kalman Filter）：适合高斯噪声环境，推算平滑轨迹
• 扩展卡尔曼滤波（ EKF ） ：非线性运动模型下更精准
• 粒子滤波 ：适合多模态和强干扰环境

一次室内商场跟随测试中，直接用原始UWB坐标去控制机器人，结果走得像喝醉一样；换成EKF后，轨迹平稳了很多，客户都以为换了更贵的硬件。

4. 实际应用中的坑

• 人体遮挡 ：信号被人挡住时，距离会跳变，需要用IMU推算补偿
• 金属反射 ：在仓库、工厂尤其严重，必须做NLOS检测
• 多标签干扰 ：多个机器人在同一区域时，要规划好时隙，避免碰撞

有一次我们做多机器人跟随演示，忘了配置时隙，结果三台机器人互相干扰，最后排成了一个“机器人广场舞”的阵型。

5. 总结

UWB自动跟随并不是一个“买个模块就能用”的简单技术，它是测距算法、几何定位、滤波优化和工程调试的综合产物。真正能在商用环境下稳定运行的方案，往往是在无数次现场调试、踩坑和优化中打磨出来的。

审核编辑 黄宇