随着工业 AGV 在人机混行场景中的广泛应用，设备的功能安全与人员防护成为行业关注的核心议题。传统 AGV 依赖接触式安全边与 2D 安全激光扫描仪实现安全防护，存在检测维度单一、无法识别障碍物类型、避障策略僵化等缺陷，难以满足复杂人机交互场景的安全需求。本文依据 ISO 3691-4 工业车辆功能安全标准，构建了工业 AGV 的分层功能安全体系，深入分析了 3D 视觉融合的多维度安全感知技术、人机混行场景下的动态避障策略，以及安全功能的验证方法，并结合汽车总装车间的应用场景验证了安全方案的有效性，为工业 AGV 的安全设计与合规应用提供技术参考。
引言
在智能制造的推进过程中，工业场景的人机协同作业日益普遍，AGV 小车不再局限于封闭的自动化区域，越来越多地应用于人员与设备混行的生产车间、仓储物流区。根据相关安全标准要求，工业 AGV 必须具备完善的安全防护功能，保障人员与设备的安全。
传统 AGV 的安全防护方案主要以被动防护为主，通过车体周边的安全触边、安全保险杠实现接触式停车，配合 2D 安全激光扫描仪实现平面障碍物检测。然而，2D 安全激光仅能检测离地一定高度的平面障碍物，无法检测悬空的物料、伸出的肢体等三维障碍物，且无法区分人员与普通物料，只能采用统一的减速停车策略，在保障安全的同时也影响了作业效率。近年来，随着机器视觉与智能感知技术的发展，主动式安全防护成为 AGV 安全技术的发展方向，通过多维度感知障碍物类型与运动状态，结合动态避障策略实现安全与效率的平衡。本文基于功能安全标准要求，从体系构建、感知技术、避障策略、验证方法四个维度展开深入研究。
基于 ISO 3691-4 的功能安全体系架构
工业 AGV 的功能安全设计必须遵循 ISO 3691-4《工业卡车 安全要求与验证 第 4 部分：无人驾驶工业卡车及其系统》标准，该标准规定了无人驾驶工业车辆的功能安全要求与 PL（性能等级）要求，绝大多数工业场景要求 AGV 的安全功能达到 PLd 等级。
AGV 的功能安全体系采用分层设计，分为安全感知层、安全逻辑层与安全执行层三个层级。安全感知层是安全系统的输入，包括安全激光扫描仪、3D 安全相机、安全触边、急停按钮、速度传感器等安全相关传感器，负责采集环境障碍物与车辆状态信息；安全逻辑层是安全系统的核心，采用安全 PLC 或功能安全控制器作为主控单元，实现安全信号的逻辑处理、故障诊断与安全决策，所有安全相关的逻辑运算都必须满足功能安全标准的诊断覆盖率要求；安全执行层是安全系统的输出，包括安全继电器、安全接触器、驱动控制器等，负责执行减速、停车、切断动力等安全指令。
此外，安全系统还必须具备完善的故障诊断功能，能够实时检测传感器、控制器、执行器的故障，当检测到安全功能失效时，立即触发安全停车状态，避免故障导致的安全风险。整个安全回路采用双通道冗余设计，单一通道故障不会导致安全功能失效，确保系统的可靠性与合规性。
3D 视觉融合的多维度安全感知技术
针对传统 2D 安全防护的维度缺陷，采用 “2D 安全激光 + 3D ToF 相机” 的多传感器融合安全感知方案，实现三维空间的全维度障碍物检测。2D 安全激光扫描仪作为基础安全防护，负责检测地面平面内的障碍物，满足 PLd 等级的安全要求；3D ToF 相机负责检测激光平面以上的三维障碍物，包括悬空的物料、人员的上半身、伸出的手臂等，弥补 2D 激光的检测盲区。
在传感器布局上，在 AGV 车体前后各安装一台 2D 安全激光与一台 3D ToF 相机，形成前后各 180 度的检测范围，车体侧面安装安全触边作为侧面防护，实现整车 360 度的安全覆盖。在数据处理层面，采用多传感器数据融合算法，将激光点云数据与 3D 深度图像数据进行空间配准，统一到同一坐标系下，实现障碍物的三维轮廓重建。
同时，引入轻量化深度学习目标检测算法，对障碍物进行分类识别，区分出行人、AGV、物料栈板、固定设备等不同类型的目标，为差异化避障策略提供依据。对于行人目标，还可以通过骨骼关键点检测识别人员的动作姿态，判断其运动意图，提升避障的预判性。该方案既保留了安全激光的功能安全合规性，又通过 3D 视觉拓展了感知维度与语义能力。
人机混行场景下的动态避障策略
传统 AGV 的避障策略采用固定距离阈值的分级减速停车方式，无论障碍物类型与运动状态，只要进入预警区域就减速，进入保护区域就停车，策略僵化且影响作业效率。针对人机混行场景，采用基于障碍物类型与轨迹预测的动态避障策略，实现安全与效率的平衡。
首先，根据障碍物的风险等级设置不同的安全距离：对于行人等动态高风险目标，设置较大的安全预警距离与停车距离；对于静止的物料栈板等低风险目标，设置较小的安全距离；对于其他 AGV 等可控目标，通过调度系统协同通行，无需额外的安全余量。其次，基于卡尔曼滤波算法对行人的运动轨迹进行预测，估算行人未来 3-5 秒的位置与运动趋势，当预测到行人将进入 AGV 行驶路径时，提前采取减速或绕行措施，而不是等到进入检测区域才响应，提升了避障的平顺性与安全性。
此外，在狭窄通道等人机交汇区域，采用速度自适应调节机制，根据周边人员的数量与距离动态调整 AGV 的行驶速度，人员越近速度越低，当人员距离小于安全距离时自动停车，保障人员安全的同时尽量减少对作业效率的影响。当检测到人员做出挥手、驻足等交互动作时，AGV 可主动减速停车等待人员通过，实现人性化的人机协同。
安全功能的验证与合规性方法
AGV 的安全功能必须经过严格的验证与测试，确保符合功能安全标准要求。安全验证主要包括功能测试、故障注入测试与性能测试三个方面。功能测试主要验证各项安全功能的触发逻辑是否正确，比如障碍物进入不同区域时的减速、停车动作是否符合设计要求，急停按钮、安全触边的触发是否有效。
故障注入测试是功能安全验证的核心环节，通过人为模拟传感器故障、控制器故障、执行器故障等不同类型的故障，验证安全系统是否能够正确检测故障并进入安全状态，确保单一故障不会导致安全功能失效。性能测试主要测试安全系统的响应时间，即从障碍物进入检测区域到 AGV 完全停止的总时间，包括传感器响应时间、控制器运算时间与执行器制动时间，安全响应时间必须控制在标准要求的范围内，确保在最大行驶速度下的安全制动距离小于检测距离。
此外，还需要通过第三方权威机构的功能安全认证，获取 PLd 或 SIL 等级证书，确保产品的合规性。在现场部署后，还需要进行场景化安全测试，模拟人员突然闯入、物料临时堆放、多车交汇等典型工况，验证安全系统在实际场景中的可靠性。
落地实践与效果验证
某汽车总装车间为适配人机混行的作业场景，对原有 AGV 进行了安全系统升级，采用 3D 视觉融合安全方案与动态避障策略。该车间 AGV 主要负责内饰线的物料配送，作业区域与人员装配区域重叠，人员走动频繁，存在大量悬空的物料架与工具。升级后，AGV 的安全防护从 2D 平面升级为 3D 全维度覆盖，消除了悬空障碍物的检测盲区；通过行人识别与轨迹预测，实现了动态自适应避障。
实际运行数据显示，升级后的 AGV 未发生一起安全碰撞事故，安全事故率降为 0；同时，由于采用差异化避障策略，AGV 的平均行驶速度提升了 22%，物料配送效率提升了 18%，实现了安全与效率的双重提升。系统通过了第三方功能安全 PLd 等级认证，完全符合 ISO 3691-4 标准要求。
挑战与展望
当前 AGV 安全技术虽已实现从被动防护到主动感知的升级，但在复杂人机交互场景中仍存在挑战：一是人员意图识别的准确性有待提升，难以精准预判人员的突然转向、后退等突发动作；二是功能安全与 AI 算法的融合存在合规性难题，深度学习算法的黑盒特性难以满足功能安全的可追溯性要求；三是恶劣环境下的安全感知稳定性不足，粉尘、光照干扰会影响 3D 视觉的检测精度。
未来，随着多模态感知与可解释 AI 技术的发展，AGV 的安全防护将向预测性、智能化方向发展，通过深度理解人员行为意图实现预判式安全防护，同时可解释 AI 技术将推动 AI 算法在功能安全领域的合规应用，进一步提升 AGV 的安全性能与作业效率。功能安全是工业 AGV 应用的底线要求，构建完善的功能安全体系、采用先进的主动安全防护技术，是保障人机协同作业安全的核心路径。