小型無人直升機智能避障設計

夏 偉

(中國直升機設計研究所，江西 景德鎮 333001)

0 引言

無人直升機具有靈活性好、使用成本低的特點，因此在航空拍攝、氣象監測、噴灑農藥、地圖測繪、航空探礦和航空調查等民用方面應用越來越多。然而，無人直升機的使用環境復雜多變，復雜環境下民用無人直升機的安全使用問題備受關注，智能障礙規避就是其中重點之一。智能障礙規避是指無人直升機在執行任務時，能自動檢測并識別障礙物，然后綜合考慮完成任務的時間、油耗、遇到的威脅以及可飛行區域等因素，自主規劃出最優或者滿意的飛行航跡，安全完成作業任務。智能障礙規避技術對于提高民用無人直升機作業效率及安全性是至關重要的，可使無人直升機對復雜未知環境具有更好的適應能力，使之可以在山區、叢林、城市等復雜多變的環境下自主執行任務。

從無人直升機規避障礙的過程來看，智能障礙規避技術主要包括三個階段的任務：一是障礙物感知階段；二是規避路徑規劃階段；三是自主繞過障礙物階段。第一階段中，當無人直升機遇到障礙物時，快速識別、準確獲取障礙物的信息并由此精確感知障礙物的具體輪廓。第二階段中，無人直升機根據障礙物信息，合理地進行路徑規劃，使之能夠自主繞開障礙物。第三階段中，無人直升機根據當前飛行區域，按照重新規劃的軌跡，進行穩定的自主飛行，避開障礙物，繼續執行任務。

要實現無人直升機障礙物感知，首先需要配備一定的硬件設施(測量傳感器)來獲取障礙物信息;其次是需要相應的信息處理技術對獲取的信息進行處理分析以給出障礙物的狀態。具體的信息處理方法與所采用的傳感器的類型以及所要完成的任務密切相關。目前常用的障礙物感知傳感器主要包括視覺、激光、微波、超聲波等傳感器。現有的多種傳感器中，沒有一種能夠在各方面完全優于其它類型的傳感器，通常采用多傳感器相互補充，相應地也需要一定的信息融合技術處理來自不同傳感器的信息，更好地服務于任務。

在獲取障礙物信息后，綜合無人直升機的機動性能、飛行環境信息、飛行目標和時間等各種約束條件，采用智能路徑規劃算法，快速尋找最優路徑是智能避障技術的第二步。路徑規劃可分為兩種，分別是全局路徑規劃和局部路徑規劃。全局路徑規劃是飛行平臺在多種有效路徑選擇條件下根據相關算法解決尋找在全局范圍最優的飛行路徑問題。局部路徑規劃主要用于解決飛行平臺在正常飛行過程中的障礙物在線規避等問題，是在全局路徑規劃生成的給定路徑上的局部的規劃控制策略。目前，可應用于無人直升機的路徑規劃方法可大致分為四類：基于幾何地圖搜索法，基于虛擬勢場與導航函數法，基于數學最優化法以及基于生物智能優化法。

無人直升機的飛行控制是實現其規避障礙物的基礎，然而由于自身固有的特性，要實現其自主飛行控制難度很大。直升機的穩定邊界隨飛行條件的變化而發生巨大變化，且在不同飛行模態下的動態特性有顯著的差異，因此很難建立統一的、精確的數學模型。同時，無人直升機是一個典型的強耦合、多變量的非線性系統，對各種干擾非常敏感。因此，無人直升機要實現智能避障，其飛行控制器就必須具有魯棒性和自適應性。為了解決上述問題，國內外的學者們提出了很多直升機飛行控制方法，大體可以將這些方法分為兩大類：基于模型的控制方法和非模型的控制方法。

本文以小型無人直升機為對象，針對城市、山區等復雜使用環境，進行智能障礙規避設計研究。

1 障礙物感知

1.1 障礙物檢測

根據小型無人直升機的特點，選擇毫米波雷達+雙目視覺傳感器的障礙物檢測方案。毫米波雷達可以探測到障礙物上稀疏點的位置信息，用于障礙物初步定位；立體視覺傳感器能夠在近中距離感知障礙物的稠密距離/點云信息，單個攝像頭獲取的色彩圖像還包含了障礙物的二維細節信息，用于給出障礙物的判定和邊界。兩者結合可以較完美地完成障礙物檢測任務。

在無人直升機避障應用中，障礙物一方面是指位于無人直升機前進通道上安全距離內將對前行造成威脅的物體，另一方面是指無人直升機為了躲避前方障礙物重新規劃路徑時需要考慮的周圍可能對其造成威脅的物體。無論物體是什么，只要存在且對無人直升機的飛行造成威脅即為障礙物，因此物體在三維幾何空間中的信息具有非常重要的意義。在障礙物檢測過程除了要利用毫米波雷達探測到的障礙物上點的位置信息，還要在立體視覺能夠感知到的距離內充分利用其測得的距離/位置信息。除此以外，還要充分利用色彩信息幫助確定障礙物邊界以及進行中遠距離障礙物的判別。具體方案如圖1所示。

圖1 融合雷達數據與雙目視覺數據的障礙物感知方案

首先，將雷達探測到的障礙物位置點轉換成圖像坐標，找到障礙物的感興趣點在圖像中的位置；其次，根據感興趣點的圖像位置和視覺傳感所得深度/色彩信息進行圖像分割，計算出障礙物的候選區域；而后，為了消除雷達探測的虛假目標的影響，利用條件約束或特征匹配設計檢測器對候選區域進行檢測，判斷是否為障礙物；最后，如果判別為障礙物，則將障礙物的圖像坐標轉換為NED坐標系下的三維坐標。由于雙目視覺傳感器有兩個攝像頭，立體匹配測距過程通常將右攝像機坐標系轉換到左攝像機坐標系下進行行對齊計算視差，因此所得深度圖像/三維點云是相對于左目而言，所以上述雷達坐標與圖像坐標轉換、圖像坐標與機體坐標轉換、色彩圖像等都是指左目圖像[1-2]。具體的數據流圖如圖2。

圖2 融合雷達數據與雙目視覺數據的障礙物感知數據流圖

1.2 感興趣點提取

傳統的毫米波雷達和視覺傳感器融合通常基于二維運動平臺的假設，其雷達和圖像坐標轉換結果對平臺的姿態變化敏感。而無人直升機平臺存在高度、姿態不斷變化特點，因此需要進行對高度、俯仰和滾轉角度變化自適應的雷達和圖像坐標轉換。經過雷達和視覺傳感器聯合標定，將雷達坐標系下的距離/角度坐標與圖像中相應的像素點建立單向映射關系，使雷達信息與雙目視覺測量距離信息及左目色彩圖像信息獲得匹配，從而確定障礙物感興趣點。

1.3 候選區域建立

障礙物感興趣點給出了障礙物上某個點的圖像坐標，而障礙物規避任務需要已知障礙物的邊界，為此基于雙目測距距離像和左目彩色圖像建立障礙物候選區域。而常規的稠密雙目測距得到像素級的視差，當視差為1時測距最遠。受基線長度和圖像分辨率的限制，能夠測量和感知到的障礙物距離有限。例如：視場角50°分辨率為320×240，基線長度為15 cm時可以感知57 m左右；視場角50°分辨率為640×480，基線長度為105 cm時可以感知1000 m左右；并且隨距離增大測距精度下降嚴重。雖然通過在左右圖像上進行亞像素級的角點檢測和匹配對應，可以得到亞像素級的視差使測距更遠，但所得僅為稀疏測距，因而在遠距離場景下圖像中存在一些不能被感知距離的像素點。因此，由感興趣點建立候選區域分兩種情況進行，若感興趣點位于雙目視覺感知距離范圍內則首先利用雙目測距信息再輔以色彩信息，在雙目視覺能夠感知的距離之外則僅利用色彩信息[3]。

1) 感興趣點位于雙目視覺感知距離范圍內

以各感興趣點為種子點，在稠密測距部分采用較小的生長窗口，在稀疏測距部分采用較大的生長窗口，在深度圖像上進行區域生長，得到初步的障礙物候選區域。由于距離較近的不同物體測距值相當，可能會位于同一障礙物候選區域內，且因測距誤差及姿態因素，同一物體可能得到不同的測距值，所以即使采用動態聚類閾值，僅基于距離信息也不能完全保證同一物體位于同一候選區域，不同物體位于不同的候選區域。因此，以感興趣點為種子點在彩色圖像上采用均值漂移方法進行圖像分割，得到彩色圖像障礙物候選區域，并與距離像障礙物候選區域融合，得到關于障礙物候選區域更合理的劃分，再由包圍盒得到障礙物候選區域的邊界。相應的數據流見圖3。

圖3 感興趣點位于雙目視覺感知距離范圍內時的候選區域建立數據流圖

2) 感興趣點位于雙目視覺感知距離范圍外

當感興趣點位于雙目視覺感知距離范圍外時，只能利用顏色信息建立障礙物候選區域。具體方法為：首先對RGB顏色空間進行稀疏量化，將每個顏色通道的256級稀疏量化為12級，大大減少顏色總數；然后對量化后的每種顏色，計算其所包含的像素點相對于雷達探測像素點的空間距離關系，進而通過閾值分割過濾掉大部分非障礙物點；再基于顏色頻率和LAB空間距離的乘積計算顯著性圖，并計算顯著性圖每點相對于雷達探測點的顯著性密度，得到密度圖；最后基于顯著性密度圖的垂直及水平投影確定障礙物候選區域的上下左右邊界。相應的數據流見圖4。

圖4 感興趣點位于雙目視覺感知距離范圍外時的候選區域分割數據流圖

1.4 候選區域判別

為了排除虛假的雷達檢測點，還需要對障礙物候選區域加以判別，以驗證其是否為真正的障礙物。根據障礙物候選區域是否位于雙目視覺感知距離范圍內，采用不同的判別方法。

1) 障礙物候選區域位于雙目視覺感知距離范圍內

這種情況下障礙物候選區域是由雷達檢測點、雙目測距、彩色圖像共同得到的檢測結果，具有高可靠性，認為確實有物體存在。而該物體是否構成障礙，關鍵在于是否位于無人直升機的前進通道上，主要考慮是否為地面的情況。根據平臺高度及雙目測距所得稠密點云，如果障礙物候選區域的點云位于地表則判別為非障礙物，否則判別為障礙物。具體的數據流見圖5。

圖5 感興趣點位于雙目視覺感知距離范圍外時的候選區域判別數據流圖

2) 障礙物候選區域位于雙目視覺感知距離范圍外

這種情況下障礙物候選區域判別通過特征匹配來實現。首先離線階段預先建立感興趣障礙物的樣本庫，提取各樣本的SIFT特征關鍵點；在線檢測階段提取障礙物候選區域的SIFT特征關鍵點，將其與樣本庫中各樣本的SIFT特征關鍵點一一匹配；若和第N類樣本匹配成功則判斷候選區域為第N類障礙物，若和所有樣本均匹配失敗，則判斷為非障礙物。具體流程見圖6。

圖6 基于SIFT特征匹配的候選區域判別

1.5 障礙物三維位置坐標計算

如果候選區域被判別為障礙物，則將障礙物的坐標由圖像坐標轉換到機體坐標，具體包括障礙物圖像坐標到左攝像機坐標，左攝像機坐標到機體坐標兩部分轉換。數據流見圖7。

圖7 障礙物三維位置坐標計算數據流圖

基于上述障礙物檢測方案，給出存在或不存在障礙物的判別，以及障礙物的三維坐標。如果不存在障礙物，則無人直升機可以按照預設軌跡正常前行；如果存在障礙物則需要重新規劃路徑以繞過障礙物，并期望在可預見的未來盡可能少地再次遇到障礙物。為了達到該目的，在障礙物感知階段，當檢測到前方有障礙物時，在深度圖像及彩色圖像上增加感興趣點至雷達檢測點以外，在前述基于雷達檢測點未處理到的圖像區域進行二次障礙物檢測及判別，給出無人直升機周圍更詳盡的障礙物信息，用于后續路徑規劃。

2 避障路徑規劃

在通過視覺傳感器獲取障礙物基本狀態信息之后，需要對當前飛行路徑進行路徑重規劃。本文針對小型無人直升機，重點解決全局路徑下局部路徑的平滑處理，以便得到最優軌跡，使無人直升機安全避障飛行。

局部路徑規劃關鍵在于算法的實時性，本文采用人工勢場法進行避障局部路徑規劃。人工勢場法是由Khatib提出的一種虛擬力法，它的基本思想是將無人直升機在周圍環境中的運動設計成一種抽象的人造引力場中的運動，目標點對無人直升機產生“引力”，障礙物對無人直升機產生“斥力”，最后通過求合力來控制無人直升機的運動。人工勢場法原理簡單，而且規劃路徑安全而平滑，非常適用于無人直升機的路徑規劃。

當無人直升機逼近目標時，障礙物的斥力變得很小，甚至可以忽略，無人直升機將只受到吸引力的作用而直達目標。但是在實際運動過程中的一些比較特殊的情況下，往往至少有一個障礙物與目標點離得很近，無人直升機逼近目標的同時，它也將向障礙物靠近。如果利用以前對引力場函數和斥力場函數的定義，斥力將比引力大得多，這樣目標點將不是整個勢場的全局最小點，結果是導致無人直升機在目標點周邊徘徊而無法到達目標位置。因此要對該策略進行改進。改進策略中引力勢函數保持不變，只對斥力勢函數進行修改。為了保證目標位置處斥力為零，在斥力勢函數中引入無人直升機和目標點的相對位置，在原有的斥力勢函數基礎上乘以一個影響因子，從而解決目標點和障礙物較近時無人直升機無法到達目標點的問題。

但是，當無人直升機、目標點、障礙物在同一條直線上且障礙物在無人直升機和目標點之間時，或者多個障礙物對無人直升機的斥力和無人直升機受到的引力相等時，僅僅通過修改斥力勢函數是不夠的，還需要改變斥力的方向。

為了保證無人直升機用最短的時間完成躲避障礙物繼續追蹤目標，需要它能按照最短路徑進行跟蹤與避障。但是按照傳統的方法，會出現無人直升機在障礙物周圍繞很遠的路才能到達目標點的情況。針對這種情況，采用切線繞圓法來解決這一問題，示意圖見圖8。

圖8 無人直升機避障示意圖

圖中e表示無人直升機和障礙物之間的安全距離，c為無人直升機的半徑。無人直升機沿切線圓運動，求得的切線圓用O表示，圓P表示無人直升機，圓R表示障礙物。切線繞圓法的具體過程是當無人直升機和障礙物之間的距離到達安全距離e附近時，不斷計算無人直升機下一時刻的位置；當其下一時刻的位置位于切線圓O里面時就停止向前運動，通過調整自身姿態沿著圓O切線方向運動。

當系統應用改進人工勢場法預測出障礙物下一時刻t的位置時，將位置信息發送到無人直升機飛控系統。為了保證無人直升機用最短的時間完成躲避障礙物繼續追蹤目標，飛控系統將相應改變無人直升機的位置及姿態以切線圓法躲避障礙物；完成規避任務后，無人直升機離開障礙物影響區域到達切線圓外部，此時退出切線繞圓法進入改進人工勢場法路徑規劃，繼續規劃下一時刻的無人直升機位置，若無人直升機不在障礙物影響范圍之內，說明無人直升機已經成功避開障礙物[4-5]。

3 避障控制策略

針對小型無人直升機的特點，采用內環和外環雙閉環的控制方法來實現避障軌跡跟蹤控制。由于外環(位置控制)是慢變系統，內環(姿態控制)為快變系統，所以針對內外環各自的特點，對外環使用模型預測(MPC)，對內環使用自適應反步法(ABC)來設計控制器。這種新型的控制方法將結合模型預測控制和自適應反步法的優點。

模型預測控制是一種先進的控制技術，它以預測模型為基礎，采用二次在線滾動優化性能指標的方式，以及通過反饋校正策略，來克服受控對象建模誤差和結構、參數與環境不確定因素的影響。預測模型需要完成的是根據控制對象的歷史信息和未來輸入預測其未來輸出。通常系統模型可以寫成狀態方程、傳遞函數這類形式，這些都可以作為預測模型。模型預測控制的主要特征表現在滾動優化。模型預測控制中的優化與傳統離散最優控制有很大差別，主要表現在模型預測控制中的優化是一種一段時間內的滾動優化，在每一個采樣周期，優化的性能指標只涉及到現在時刻到本次采樣周期內，而到下一采樣時刻，這一優化時段同時向前推移。因此，模型預測控制不是用一個在全局范圍內相同的最優指標，而是在每一采樣時刻有一個相對于該時刻的優化性能指標。因而，在模型預測控制中，并不是離線優化的，而是反復在線進行的。當實際系統中存在著非線性、時變、模型適配、干擾等因素時，基于不變模型的預測控制不可能和實際情況完全符合，因此實際控制系統中還需要加入反饋環節。在通過優化確定了一系列未來的控制作用后，預測控制通常不是把這些控制作用逐一全部實施，而只是實現本時刻的控制作用。到下一采樣時刻，則首先檢測對象的實際輸出，并利用這一實時信息對基于模型的預測進行修正，然后再進行新的優化。所以模型預測控制方法需要較大的計算量，比較適合于慢變對象，由此可以適用于無人直升機控制系統中的外環位置控制[6]。

模型預測控制的基本原理如圖9。它利用過去和未來的輸出輸入信息，根據內部模型預測系統未來的輸出，通過輸出誤差進行反饋校正后，再與參考輸入進行比較，隨后進行二次性能指標滾動優化，然后再計算當前時刻應給予系統的控制輸入，完成整個控制循環。因此模型預測控制的基本思想是先預測系統未來的輸出，再去確定當前時刻的控制輸入，即先預測后控制，控制性能明顯優于先有信息反饋，再產生控制信號的經典反饋控制系統。

圖9 模型預測控制原理圖

采用內外環分層控制方法設計的避障軌跡跟蹤控制器如圖10所示。其中外環(位置環)采用模型預測控制跟蹤參考軌跡，內環(姿態環)使用自適應反步法穩定姿態角。Pd和P為無人直升機在地面坐標系下的位置和實際傳感器解算的位置反饋，Vd和V為無人直升機的期望速度和實際傳感器測量的速度反饋，η為無人直升機的滾轉角、俯仰角和偏航角，[TM，a,b,TT]為無人直升機的控制量輸入。

圖10 內外環控制器結構圖

4 試驗驗證

采用雙目視覺與毫米波雷達融合方案的障礙物檢測試驗結果如圖11所示。其中綠色框中的障礙物通過融合雙目視覺深度圖像和彩色圖像得到，藍色框中的障礙物通過雷達檢測點、視覺彩色圖像得到。

圖11 融合視覺傳感與雷達傳感的障礙物檢測結果

對人工勢場和改進的人工勢場避障控制策略進行仿真驗證，仿真結果見圖12。從圖中可以看出人工勢場法對于躲避障礙物的影響。

圖12 人工勢場法規避障礙物效果對比

對智能避障方案進行完整的仿真驗證，仿真結果見圖13。結果表明該方案的實時性、快速性、安全性、穩定性都能夠滿足小型無人直升機的需求。

圖13 無人直升機智能避障仿真結果

5 結論

1) 本文采用毫米波雷達+雙目視覺傳感器的障礙物檢測方法，通過數據融合，可以較完美地完成障礙物檢測任務；

2) 采用改進人工勢場法進行避障路徑規劃，可以快速規劃出安全而平滑的避障路徑；

3) 采用模型預測法和自適應反步法相結合設計控制器，可以實現無人直升機智能避障飛行。

這些方法的選取充分考慮了小型無人直升機的特點和能力，易于工程實現。