基于機場跑道異物智能探測與清掃系統研究

姚永鑫

摘要：隨著科技的發展，對于機場跑道異物的探測與清掃提出了新的需求，旨在減少機務工作強度和提高飛航安全，設計機場跑道異物智能探測與清掃系統，探索研究以機場FOD巡檢機器人、遠程監控平臺為主要載體，通過研究多源信息融合的自主導航、高精度定位及路徑規劃、信息融合體系結構等關鍵技術。依靠視覺傳感器來識別跑道異物，定位導航單元判別跑道上異物的方位，進一步告知控制執行系統，形成新的導航決策方案，完成對巡檢機器人的自動導航控制。抵達異物附近時，啟動清掃裝置，完成異物清掃工作，減少跑道異物對飛航安全的威脅。

關鍵詞：機場跑道?探測與清掃?信息融合?濾波算法

中圖分類號：V351.11

Research?on?the?Intelligent?Detection?and?Cleaning?System?for?Foreign?Objects?on?Airport?Runways

YAO?Yongxin

（Shanxi?Military?Industry?Human?Resources?Co.，?Ltd.，?Xi'an，Shaanxi?Province，710000?China）

Abstract：?The?development?of?science?and?technology?has?put?forward?new?requirements?for?the?detection?and?cleaning?of?foreign?objects?on?airport?runways.?In?order?to?reduce?the?work?intensity?of?maintenance?personnel?and?improve?flight?safety，?this?paper?explores?and?studies?airport?FOD?inspection?robots?and?remote?monitoring?platforms?as?main?carriers，?studies?key?technologies?such?as?autonomous?navigation?based?on?multi-source?information?fusion，?path?planning?based?on?high-precision?positioning?based?on?information?fusion，?and?designs?an?intelligent?detection?and?cleaning?system?for?foreign?objects?on?airport?runways.?This?system?relies?on?the?visual?sensor?to?identify?foreign?objects?on?the?runway?and?the?positioning?and?navigation?unit?to?determine?the?orientation?of?foreign?objects?on?the?runway，?and?further?informs?the?control?and?execution?system，?so?as?to?form?a?new?navigation?decision-making?plan.?When?the?inspection?robot?arrives?near?foreign?objects?by?automatic?navigation?control，?it?starts?the?cleaning?device?to?complete?the?cleaning?of?foreign?objects，?so?as?to?reduce?the?threat?of?foreign?objects?on?the?runway?to?flight?safety.

Key?Words：?Airport?runway;?Detection?and?cleaning;?Information?fusion;?Filtering?algorithm

研究機場跑道異物智能探測與清掃系統，實施以機場FOD巡檢機器人、遠程監控平臺為主要載體，開展異物智能探測清掃系統設計，減少機場跑道上的異物對飛航安全的影響，使機務人員的工作強度減少。針對機器人主動探測對通信導航的需求，開展基于北斗定位、5G通信和激光雷達傳感器的組合技術實現對機器人的自主控制、信息交互與信息處理，以及基于機場跑道高精度三維重建的異物檢測等技術研究，突破機器人定位導航與安全運行所要求的智能導航決策技術、多傳感器的融合處理算法、高精度三維重建異物檢測等關鍵技術，實現綜合地圖構建、路徑規劃、自主導航、異物檢測等功能，以及機器人的遠程控制、任務下發、自主作業等功能，對異物進行跟蹤監測拍照，并進行智能分析處理后，將相關信息發送給主控系統分析處理，并將檢測到的異物信息上傳到指揮中心，同時發出報警提示。

1?異物智能探測與清掃系統方案設計

設計機場跑道異物智能探測與清掃系統，主要包括遠程監控平臺與FOD巡檢機器人。FOD巡檢機器人用于完成探測并清掃機場道上的異物，在探測到異物后發出異物報警與定位信息，傳輸到遠程監控平臺；遠程監控平臺用于完成接收和顯示FOD巡檢機器人發出的報警和定位信息以及控制FOD巡檢機器人的運行軌跡，并且具有實時監控功能，且在遠端出現異常情況下能通過近端進行遙控干預；FOD探測機器人根據識別出的FOD定位信息，自動移動到定位點，控制機械手或吸塵器對異物進行清理[1]。通過設置多個模塊，實現對機器人的模塊化模塊化設計。該系統能夠便捷地實現探測與清掃的自動化結合，確保飛行保障安全，提升機場保障水平，系統設計方案和監控平臺方案如圖1、圖2所示。

2?系統關鍵技術的設計與實現

2.1?基于多源信息融合的定位導航技術

研究基于衛星、慣性測量單元和3D激光雷達的組合技術來提供高精度的機器人姿態信息和精準的位置、速度信息，不僅可以定位導航精度問題，而且可以有效提高系統的可靠性和實用性，即使在室內等通信信號丟失的情況下也能保持輸出高精度的定位信息。以此實現機器人定位導航與安全運行所要求的智能導航決策，需要實現高效導航決策的前提條件包括精確的定位、高精度的地圖和最優的路徑規劃。

使用北斗做室外絕對定位，可以使機器人不依賴周邊環境，不依賴自身初始位姿和時間，直接得到地球坐標系下的坐標信息，但是傳統的北斗定位精度在米級，而一般機器人行走的車道也在米級，無法保證機器人在車道上的正常行走。有效的解決方案為使用RTK提供室外全天候厘米級定位。但是缺點是RTK容易受到衛星信號丟失、惡劣天氣狀況、數據鏈傳輸中斷等突發狀況的影響，保證不了高可靠性；并且依賴的北斗信息，無法在建筑物內和高樓密集區使用：北斗RTK僅適用于開曠的區域，不適用于建筑物密集的城市中心、建筑物內的場景[2]。

激光雷達可以通過向外發射探測信號（激光束），然后將反射回來的信號（目標回波）與發射信號進行比較，進行適當處理后，便于獲取目標的相關信息，例如距離、方位、高度、速度、姿態、甚至形狀等參數，從而可以對周邊環境進行探測、跟蹤和識別，同時還能獲得信息數據形成精確的數字模型。激光雷達具有分辨率高（相比微波雷達）、抗干擾能力強、不受光線影響（白天黑夜全天候）、體積小等優點，但是在惡劣的雨雪天氣下，激光雷達的測量信息誤差會明顯增大；在開曠的路面環境下，因為超出激光雷達的最大測距范圍，是無法使用的。激光雷達適用于建筑物密集的城市中心和建筑物內的場景，不適用于開曠的室外場景。

慣性測量單元包括陀螺儀和加速度計，能夠連續、高速的輸出位置、方向、速度信息，不依賴外部環境，不需要任何外部信號，能在若干秒內提供精確的定位精度，北斗定位對激光雷達數據采集間隔這段時間能夠提供良好的補充和驗證作用。

通過對以上三種傳感器的融合，可以實現定位中的優勢互補、相互驗證，提供一定的冗余替補性，達到更加可靠的定位導航手段?；贙alamn濾波器的耦合理論，使用慣性測量單元（IMU）測量采集的加速度和角速度積分后，得到的位置、速度、姿態數據作為卡爾曼濾波器的傳播階段預測模型；RTK定位和激光雷達點云定位結果作為卡爾曼濾波器的測量更新依據；相應地，經過卡爾曼濾波器的遞推解算會對慣性測量單元測量的加速度和角速度進行矯正，最終輸出更加精確而且平滑的位置、速度、朝向數據，基本框架如下圖3所示。

2.2?基于高精度定位及路徑規劃技術

通過研究基于GNSS、IMU和3D激光雷達的組合技術，可以提供高精度的姿態信息和可靠的位置、速度信息，從而解決基于載波相位的定位精度易受衛星信號被干擾的問題。即使在室內等衛星信號丟失的情況下，該技術也能保持定位的高精度輸出，同時提高系統的完好性和可用性。方案采用多系統多頻、慣性數據和點云數據的批處理算法，利用獲取的高精度位置、速度信息和點云周邊環境信息來校正慣性器件的誤差，以提高姿態測量精度。為了提高批處理算法的效率，研究基于正向和反向濾波混合的衛星導航高精度、IMU和3D激光雷達組合定位算法[3]。

路徑規劃為了讓車輛達到某個目標（通常講是從A地到B地），基于某種方法選取最優（即損失最?。┞窂降倪^程。根據機器人內部存儲的電子地圖拓撲信息，按照最短距離與最短時間原則，實時準確地規劃出一條最優路徑用于車輛自動導航。在對A*算法深入理解的基礎上，綜合考慮必經節點、避開節點、交通規則等實際問題，構造基于最短距離與最短時間的估價函數?？紤]到電子地圖規模龐大，路徑規劃算法所需要的時間與存儲空間要求苛刻，采取二叉堆排序的策略對A*算法進行優化，可改善算法運行速度。

在獲取高精度電子地圖和車輛自主定位信息的基礎上，利用位置點匹配、曲線擬合與歷史軌跡推斷相結合的匹配方法，實現車輛位置與電子地圖信息的精準匹配。繼而采用基于二叉堆排序策略的改進算法，在考慮實時交通信息的情況下，分別給出最短距離與最短時間標準下的車輛最優路徑規劃方法，并實現車輛行駛路徑的實時重規劃。

使用先采樣后選擇的邏輯，遵循安全性、舒適性和人為規定等多方面原則，綜合抽象出cost函數來保障規劃軌跡的平滑。首先基于機器人當前時刻的位姿、速度、加速度等狀態信息，與下一時刻的機器人狀態進行多項式擬合，以便在時間上進行采樣并生成盡可能多的初步軌跡。對于每一條軌跡，我們通過計算以下六個評測標準來確定其cost：機器人到達目的位置時的位姿偏差、偏離行使路徑中心的距離、可能的碰撞概率、加速度變化率、轉彎加速度變化率以及平滑度。

循環檢測：挑選出當前軌跡集合中cost最低的一條軌跡，進行物理限制預測（如速度能否滿足）和碰撞預測，如果不滿足，則剔除該條軌跡，繼續下一次循環；滿足則輸出該條軌跡作為規劃結果，流程圖如下圖4所示。

RTK定位技術是基于載波相位觀測值的實時動態定位技術，它能夠實時地提供測點在指定坐標系中的三維定位結果，可達到厘米級精度。

2.3?基于信息融合體系結構技術

通過對傳統的信息融合體系結構進行分析，通過對集中卡爾曼濾波、分散卡爾曼濾波、聯邦卡爾曼濾波和分層卡爾曼濾波等多種濾波類型進行對比分析，針對智能導航終端主要是對多種異構導航傳感器信息進行融合的特點，本研究計劃采用改進的分散卡爾曼濾波算法。

2.3.1?采用分散卡爾曼濾波的原因

多種異構導航傳感器的性能差異較大，其中影響性能的主要誤差源是其系統誤差，而系統誤差是濾波技術無法消除的。若采用聯邦卡爾曼濾波的算法，其算法主要針對隨機噪聲的閉環反饋、調節信息分配因子的作用是沒有意義的。分散卡爾曼濾波相比較而言，具有結構簡單、計算量小、易操控、且能達到與聯邦濾波相同精度的目的等優點，因此采用分散卡爾曼濾波算法。

2.3.2?傳統的分散卡爾曼濾波的局限性

智能導航終端涉及的導航源多，且導航源的測量信息使用方式多樣，如果按照傳統的分散卡爾曼濾波算法，子濾波器個數將難以計數，主濾波器的設計也較為困難，信息融合深度受到制約。所以，需要針對傳統的分散卡爾曼濾波算法進行必要的改進。

2.3.3?分散卡爾曼濾波的改進方法

采用改進分散卡爾曼濾波器，摒棄傳統濾波中唯“傳感器”論的思想，采用以“融合子模式”為焦點的處理方法。即將原先的“每個導航傳感器與慣導組合的子濾波器”修改成“每種融合子模式與慣導組合，并構成子濾波器”，這樣的設計依然保留了分散濾波器較強的擴充能力，一旦需要引入新型的導航傳感器時，如果已經具有了對新導航傳感器測量數據進行融合定位的子模式，則導航融合動態重構功能將對該導航傳感器進行支配和使用，滿足對其的即插即用功能；如果分散卡爾曼濾波器中沒有該新型傳感器的融合定位子模式，則在現有的基礎上，只需研究新的融合子模式，并增加一個子濾波器即可滿足對新型導航傳感器的擴展需求[4]。

改進的分散卡爾曼濾波算法通過決策管理單元來實現。在這種算法中，它將同時使用多種性能相近的融合子模式。然而，當這些融合子模式的性能差距較大時，算法只會選擇精度最好的融合子模式與慣導進行組合濾波，從而避免其他性能較低的融合子模式帶來的負面影響，改進的分散濾波器的結構如圖5所示。

其中融合子模式包括：基于位置融合的子模式、基于速度融合子模式、基于姿態融合子模式、基于多測距融合子模式、基于測距測角子模式和多測角融合子模式等，子模式中對各種線性的、非線性的測量信息進行融合濾波處理，同時對濾波參數進行自適應調整。

3?算法優化設計

3.1?多傳感器融合處理算法技術

隨著定位與導航技術的迅猛發展，基于位置的服務給用戶帶來了越來越好的體驗。然而，單一的導航源通常無法滿足用戶對精度的要求，同時也缺乏足夠的可操作性和可靠性。多源融合導航技術將來自不同導航源的同構或異構的導航信息按照相應的融合算法進行融合，從而獲得最佳的融合結果。與傳統的單一導航源相比，多源融合導航可以充分利用每個導航源的優勢，提供最佳的定位與導航服務。通過分析多源信息融合以及多源融合導航技術，充分利用有效的多傳感器信息融合技術來整合激光雷達、視覺、毫米波雷達等多傳感器信息。

3.2?濾波算法優化設計

對于線性化的測量信息，采用常規Kalman濾波進行信息處理，具有高可靠性和低計算量等優點；在無INS的情形下，充分利用-波、--濾波、IMM濾波等算法對傳感器的測量信息進行濾波處理，同時提高定位信息的連續性和更新頻率[5]。接下來將詳細描述非線性的測量信息的濾波處理。

部分導航系統輸出的測量信息是非線性的，其中的“非線性特性”可能是伴隨在過程模型中或觀測模型中，或者兩者皆有。通常采用EKF算法進行線性化處理，但EKF只是對組合系統的非線性系統方程進行簡單的線性化，會帶來一定的誤差，甚至造成濾波器的不穩定。而無軌跡卡爾曼濾波算法（UKF）是一種基于采樣點的非線性濾波算法，它直接使用非線性系統模型，不必進行線性化，且具有和EKF方法相同的算法結構。

UKF是一種通過采樣策略逼近非線性系統分布的濾波算法。UKF以無軌跡變換為核心思想，無軌跡變換方法認為狀態的概率密度分布，可以通過能完全表述密度函數的均值和方差的有限個樣本來描述，通過直接使用狀態和測量方程來映射這些點，求得更新的均值和方差。在此基礎上，UKF采用線性卡爾曼濾波框架，其采樣形式為確定性采樣。UKF的采樣點通常稱為Sigma點，由于采樣個數較少，具體采樣數則根據所選擇的采樣策略而定，因此最常用的是2n+1個Sigma點對稱采樣。

UKF算法傳遞非線性的函數關系是通過計算UT變換所產生的采樣點來進行傳遞，避免了誤差模型線性化，但是也增大了計算量的負擔。針對UKF計算量大的缺陷，利用超球體的采樣策略，可以減少采樣點的數量，降低計算量，解決系統所帶來的濾波精度下降問題[6]。改進后的UKF算法如圖6所示，采用了單形采樣的UT變換方法來實現UKF濾波的時間更新和測量數據更新過程。

對于n維狀態量，傳統的對稱分布采樣需要2n+1個采樣點來實現UT變換。然而，當系統的維度較高時，計算量會增加。因此，為了提高計算效率，需要在保證濾波性能的前提下減少采樣點的個數。與對稱分布采樣的Sigma點UT變換相比，超球體單形采樣只需要n+2個Sigma點，從而明顯減少了計算量。

4?結論

綜上所述，機場跑道異物智能探測與清掃系統集成了多種設備和技術，如激光雷達、GNSS定位系統、慣性導航定位系統、攝像頭、毫米波雷達和清掃裝置等。在環境感知層由多種傳感器組合感知周邊環境狀況，北斗模塊和IMU模塊主要獲取高精度位姿信息，確定機器人當前所處位置和姿態，毫米波雷達檢測周圍動靜態障礙物，之后融合激光雷達數據進行三維場景重建生成柵格地圖，為下一步自主決策提供數據基礎。在自主決策層主要根據環境感知階段生成的柵格地圖，結合一些駕駛任務路網，通過路徑規劃算法完成自動導航決策；與此同時，視覺傳感器可以用來識別跑道異物，判別跑道上異物的方位，進一步告知控制執行系統，形成新的導航決策方案，完成對機器人的自動導航控制。抵達異物附近時，啟動清掃裝置，完成異物清掃工作。

參考文獻

[1] 許嘉豪.機場跑道異物檢測系統設計[D].西安：西安工業大學，2023.

[2] 蘭庭信，蔣進，尚帥等.機場跑道異物檢測與定位技術研究[J].電光與控制，2021，28（9）：75-79.

[3] 湯雙霞.一種毫米波雷達機場跑道異物檢測算法[J].激光與紅外，2022，52（6）：820-826.

[4] 于晨.基于深度學習的機場跑道異物檢測與識別技術研究[D].北京：北京工業大學，2019.

[5] 李沙，李春娟.機場跑道異物檢測系統設計與算法研究[J].現代雷達，2021，43（6）：80-85.

[6] 黨國龍.機場跑道異物檢測與識別的相關算法研究[D].南京：南京航空航天大學，2018.