多旋翼無人機避障技術研究與展望

施詩 陳凱婷

摘 要 多旋翼無人機的避障系統(tǒng)是無人機安全飛行和工作的保障。本文從多旋翼無人機的避障需求、避障技術的種類等方面，對國內外重要研究成果進行了系統(tǒng)總結，為今后的研究提供參考和建議，并對無人機避障技術的發(fā)展做了展望。

關鍵詞 多旋翼無人機;避障技術

中圖分類號： V279;V249? ? ? ? ? ? ? ? ? 文獻標識碼： A

AbstractThe obstacle avoidance system of multi rotor UAV is the guarantee of UAV's safe flight and work. This paper systematically summarizes the important research results at home and abroad from the aspects of obstacle avoidance requirements and types of obstacle avoidance technology of multi rotor UAV，provides reference and suggestions for future research，and makes a prospect for the development of obstacle avoidance technology of UAV.

Key WordsMulti rotor UAV;Obstacle avoidance technology

0 引言 近年來，隨著無人機技術的不斷進步，多旋翼無人機由于可懸停、易操控、體積小、載重大等特性，在軍民用領域受到廣泛關注。民用方面，旋翼無人機可以用于勘探、攝像、工程檢測、搶險救援、貨物運送、交通監(jiān)察等領域。軍用方面，旋翼無人機可以進行戰(zhàn)場偵察、通訊、掛載武器、物資投遞等領域。隨著無人機承擔任務的日益多樣，在城市建筑和復雜地形低空飛行時，就要求無人機能避開電線、樹木、建筑等障礙物，否則容易造成無人機損毀，砸傷地面人員，破壞其他設施等事故。由此可見，多旋翼無人機避障技術的發(fā)展在工程實踐中有著重要的意義。

1 多旋翼無人機避障技術的發(fā)展和現(xiàn)狀

現(xiàn)階段的避障方法通常采用傳感器感知得到周圍環(huán)境和無人機姿態(tài)位置信息，通過特定算法對信息進行分析，然后及時反饋規(guī)劃無人機避障路線，最終實現(xiàn)避障功能。傳統(tǒng)的慣性定位裝置只能實現(xiàn)無人機自身飛行姿態(tài)的控制，但是無法感知外部環(huán)境，并控制無人機主動避障。21世紀初，SAGEM公司研發(fā)了一種避障技術，解決了無人機長時間飛行遇到的避障問題。隨著傳感器的小型化發(fā)展，研究人員提出了很多新的避障方案。目前主要的避障方案根據(jù)傳感器的不同可以分為：超聲波測距、基于可見光和不可見光的激光測距、雷達測距、被動式的機器視覺測距等。

1.1 超聲波測距

該方法是通過計算發(fā)射到接受超聲波回聲的時間差來計算出障礙物的距離，并及時控制無人機飛行軌跡來規(guī)避障礙的方法。超聲波測距比其他測距裝置成本更低，質量更輕，便于安裝在小型旋翼無人機上。但是存在探測距離近（探測距離在5～6米左右），在吸聲環(huán)境和干擾較大的環(huán)境中無法正常工作等問題。所以現(xiàn)階段的研究多采用其他傳感器配合測距。邵芳[1]基于超聲波測距方法對障礙物進行監(jiān)測，并通過CCD圖像采集系統(tǒng)采集圖像。通過處理圖像得到障礙物邊緣，進而控制無人機飛行軌跡。于建均[2]基于超聲波傳感器搭建了障礙物的三維檢測裝置，基于多級模糊控制算法，實現(xiàn)旋翼無人機室內環(huán)境的避障路徑規(guī)劃。

1.2 激光雷達測距

該方法是用無人機搭載的激光雷達裝置發(fā)射紅外線或者激光。其中根據(jù)不同的計算距離方法可以分為三角測量法和時間差測量法。三角測距（Rplidar激光雷達）是通過接收器光斑成像位置解三角形得到距離信息。時間差法（TOF避障法）通過記錄反射時間差來計算障礙物和無人機的間距。該方法測量距離比超聲波更遠，可以達到十米。且具有較高精度，在黑暗環(huán)境中也可以工作。但是成本較高，且易受到強光干擾。

激光避障技術在工程上已經(jīng)獲得了應用。王海群[3]等人基于激光雷達對無人機避障進行控制。并通過實驗驗證，無人機避障精度可達96.7%。國家電網(wǎng)針對復雜溝道內無法采用GPS等傳統(tǒng)方法進行飛行控制的問題，設計了一種基于激光雷達的SLAM避障方法，對無人機實時避障進行自適應控制。郭大山針對山地丘陵地帶果樹植保機飛行過程中地形復雜的問題，基于激光雷達的無人機避障系統(tǒng)，實現(xiàn)了無人機的避障功能。

1.3 毫米波雷達測距

毫米波雷達一般工作模式分為脈沖方式（Pulsed）和調頻連續(xù)波方式（FMCW）。毫米波雷達避障方法通過計算反射和發(fā)射電磁波信號間隔來測定障礙物距離。該方法具有功耗低、探測距離遠、穿透灰塵霧能力強、抗干擾能力強等優(yōu)點。高迪等人基于無人機平臺對雷達避障問題進行了研究，并對信號處理算法與路徑規(guī)劃算法進行了實地測試，驗證了該方法的探測跟蹤性能。

1.4 機器視覺避障方法

以上幾種方法都有不同程度的局限性，近年來機器視覺方法逐漸引起人們的重視。機器視覺避障方法采用攝像頭拍攝環(huán)境圖像，通過圖像處理算法得到周圍障礙物的位置和輪廓信息。相對于超聲波和雷達測距裝置等主動式傳感器，機器視覺方法是被動式方法，可以獲取豐富的環(huán)境信息。

從搭載的攝像頭數(shù)量，機器視覺方法可以分為單/雙目視覺避障方法。單目視覺避障采用單個攝像頭以一定頻率連續(xù)拍攝，對比前后兩幀圖像的像素變化或特征區(qū)域得到障礙物位置信息。雙目視覺避障是利用兩個攝像頭從不同角度進行拍攝，根據(jù)視圖差異和幾何關系得到周圍環(huán)境的三維信息。雙目視覺避障方法更加精確，但在相機標定、圖像融合匹配等方面計算量大，對處理器要求高。單目方法無法直接測量距離但是可以根據(jù)圖像提供的信息對障礙物進行規(guī)避，成本更低。視覺方法對環(huán)境中光線亮度要求較高，在昏暗環(huán)境下會影響測量精度和準確度。

國外在21世紀初就開始了機器視覺避障方法的研究。早在2009年研究人員就在四旋翼無人機上安裝了一個全向鏡頭，通過采集處理光流信號來控制無人機的航向。但是光流法對光滑的比如玻璃等平面探測效果不好。所以研究人員后續(xù)又開發(fā)了基于單目和雙目的避障方法。Moore[4]等研究人員設計了一種基于無人機的雙目視覺避障方法獲得障礙物的地面高度和距離信息。Asada等設計了一種自學習的雙目立體視覺避障系統(tǒng)，基于雙目立體視覺的三角測距原理，通過自適應算法跟蹤未知趨勢目標。國內，張躍東等人[5]提出了基于無人機的單目視覺避障探測算法，采用單攝像頭收集圖像信息，根據(jù)無人機的運動和圖像序列特征點變化得到與障礙物的間距。張博翰等人[6]設計了一種雙目視覺裝置，在室內環(huán)境下，通過實驗驗證了該裝置的有效性。國內有研究人員將雙目視覺避障方法運用到多旋翼無人機降落時的自主定位功能上，并取得了很好的效果。

2 展望

避障技術的發(fā)展方向取決于無人機將來的發(fā)展趨勢。由于多旋翼技術越發(fā)成熟，多旋翼無人機會變得更加專業(yè)化，智能化。外形結構更多，功能更具有針對性，大航時航程、環(huán)境適應性強的無人機將成為發(fā)展趨勢。旋翼無人機將承擔更多任務，比如充當城市載人交通工具、微型偵察設備、巖洞勘探等。這就對無人機避障技術提出了更高的要求。

就探測模塊而言，硬件設備小型化，多種探測技術融合是一個趨勢。通過多種傳感器融合探測，可以建立精確而詳細的周圍環(huán)境立體信息，甚至是全地形信息。就算法而言，隨著人工智能技術的發(fā)展和處理器能力的不斷增強，傳統(tǒng)算法速度慢，計算量大，不能提前感知動態(tài)變化等缺點將得到彌補。基于深度學習的自適應避障技術，使得無人機可以自主判斷周圍環(huán)境，提前做出規(guī)避動作，并根據(jù)周圍環(huán)境的變化，及時調整避障策略。

參考文獻

[1]邵芳.基于超聲波測距的多旋翼無人機避障算法[J].吉林工程技術師范學院學報， 2017（11）：111-113.

[2]于建均，趙少瓊，鄭逸加， et al.基于模糊專家決策的室內無人機避障系統(tǒng)[J]. 控制工程，2019（3）：423-430.

[3]王海群，王水滿，張怡，基于激光雷達信息的無人機避障控制研究[J].激光雜志， 2019.

[4]Moore R，Thurrowgood S，Bland D，et al.A stereo vision system for UAV guidance. Intelligent Robots and Systems，2009.IEEE/RSJ International Conference on.IEEE， 2009：3386-3391.

[5]張躍東，李麗，劉曉波，邢澤平.基于單目視覺的無人機障礙探測算法研究[J].激光與紅外，2009，06：673-676.

[6]張博翰，蔡志浩，王英勛.電動VTOL飛行器雙目立體視覺導航方法[J].北京航空航天大學學報，2011，07：882-887.