浅析无人机自主避障技术

浅析无人机自主避障技术

唐炜

西安爱生无人机技术有限公司，陕西 西安 710065

摘要：无人机具有携带方便、操作简单、载荷丰富、起降对环境要求低和自主飞行等优点，在工农业领域得到广泛应用。利用无人机对输电线进行巡检能够高效、快捷、安全地完成任务，降低人工巡检的劳动强度。然而无人机飞行作业区域的环境非常复杂，为保障无人机顺利完成巡线飞行任务，需要解决的一个关键技术就是无人机对电力线及周围障碍物的自主避障。

关键词：无人机；自主避障技术

1前言

人机在物流、巡航、航拍等领域有着极大的应用价值。传统的无人机仍然是由人进行手动控制，但是考虑到人力成本和无人机数量增大等问题，无人机的自主飞行成为了当下研究的热点。在无人机的自主飞行技术中，避障技术又是一项十分关键的技术。无人机避障技术涉及障碍物识别和路线规划，障碍识别通常采用传感器实现，而路线规划则通过决策算法实现。

2无人机避障技术的国内外研究现状

无人机的避障能力不仅关系到其能否顺利完成飞行任务，还决定了其能否广泛的应用于各个领域，因此现在有越来越多的学者开始了这方面的研究。无人机的自主避障能力在一定程度上体现了无人机的智能性、安全性和平稳性。为了保障无人机能够安全稳定的执行飞行任务，无人机必须实时的对周围环境进行检测，并有效的规避可能遇到的障碍物。目前，国内外的众多学者已经对无人机避障问题展开了大量的研究，并取得了一些研究成果。这些研究主要是针对以下两个方面：一方面是对无人机周围的未知环境进行实时的检测，探测无人机与障碍物之间的距离；另一方面是在已知障碍物具体位置的情况下，研究路径规划算法，规划出一条既不与障碍物发生碰撞，又产生最小代价的路径。

目前用于无人机对未知环境检测的方式主要有两种，一种为主动探测方式，另一种为被动探测方式。主动探测方式需要避障系统向外界发射波束，然后利用外界空间中的物体对波束的反射来完成对距离的感知。常见的主动探测方式主要有超声波、红外线、雷达、结构光等。不同于主动探测方式，被动探测方式不需要再向外界发射波束，而是直接通过视觉传感器采集场景中的信息，然后通过复杂的计算获得场景的深度信息。双目立体视觉就是一种典型的被动式避障探测方法。

3无人机自主避障技术

3.1激光雷达避障系统

激光雷达向四周发射激光束，激光束遇到障碍物后被反射，雷达的接受系统接收反射回来的信号，通过信号处理系统的分析后得到与障碍物的距离、方位以及相对速度的信息。激光雷达通过对四周环境的快速扫描测量，可以建立起完整的环境模型。开源激光雷达SLAM算法有使用了RBP和Hector算法，可以构建出精确的三维地图。在实际的应用中，无人机的避障系统根据构建后的环境地图，对比自身的GPS位置和四周障碍物的信息，调整自身的飞行速度和方向，寻找可行的路径，选择合适的路径规避障碍物。在成功规避障碍物后，再次构建环境三维地图，并进行替换，然后再次调整飞行状态进行避障飞行。重复操作，直到无人机到达目标位置。激光雷达精度高、灵敏度好，配合较好的算法可以构建出高精度的三维地图模型，同时它的体积和重量都很轻，因此激光雷达特别适合搭载在小型的旋翼无人机上。

3.2超声波避障系统

3.2．1系统的信息采集

声波是一种可以在气体、液体或者固体中传播的机械波。一般根据声波振动频率不同，可以将超声波分为次声波、声波、超声波。超声波一般具有以下的特点：(1)频率高，波长短，像光线一样沿着一定方向传播，其传播能量较为集中；(2)幅很小，加速度非常大，因而可以产生较大的力量。(3)穿过两种不同的介质时，大部分能量会被反射回来。超声波的传播速度一般受传播介质密度、弹性和实时环境条件等特性的影响。当采用时间差进行测距，碰到障碍物时声波立即进行被反射，当超声波接收器接收到反射波时立即停止计时，根据开始到结束的时间差计算距离。多次采集同一个目标物的发射信息，可以计算出目标物的方位和速度等信息。

3.2．2避障系统

人工势场算法是一种虚拟力法。人工势场算法多用于机器人避障，其原理是通过模拟引力和斥力对运动的物体进行牵引，威胁物作为斥力场源产生斥力，目标点作为引力场源产生引力，通过计算运动物体每一位置的合力来计算下一个运动点的坐标。将障碍物作为斥力场，有效的通道作为引力场，无人机作为目标物，以此建立人工势场模型。通过对各个参数进行合理的复制，通过计算目标物的合力，可以得到当前较优的避障路径。每完成一次避障飞行操作便要根据传感器采集的信息，更新模型中的斥力场和引力场，再次求解模型得到规避路径。超声波传感器成本较低，灵敏度和精度相对于激光雷达较差。

3.3视觉避障系统

3.3．1图像信息采集

通过相机获得当前帧的景深图像，通过对景深图像的分层和分割，获得障碍物的方向和距离信息，以此达到感知障碍物的目的。在感知到障碍物的空间相对位置后，无人机需要对任务路径进行重新规划，图像采集和处理设备体积小，非常适合无人机在任务中携带。传统的视觉识别是通过特征提取方法来处理图像信息。在无人机避障系统，只需要得到障碍物的相对位置和速度等信息，无需得到障碍物的详细特征。

3.3．2避障系统

基于深度神经网络的四旋翼无人机避障方法，通过训练集对模型进行训练，使能够辨认出一定数量的障碍物，并能识别前方障碍的类型，即具有障碍物分类的功能。通过机载协同计算机将目标障碍物识别并框选出来，得到目标障碍物在图像中的位置，进而计算出目标障碍物的图上尺寸，再利用相似三角形原理估量出目标障碍物到无人机之间的间隔，再由机载协同计算机判断是否执行避障动作。

3.4无人机地图导航

对于大型或飞行高度较高的无人机，其航行上障碍物较少或只有高楼。在这种情况下，如果沿用上述传感器避障的方法，将会消耗大量无用的能量。比如在用激光雷达避障时，长时间得开启雷达系统将会消耗无人机大量的电力，这大大缩减了无人机的航程。在这种情况下，地图导航将会是一个很好的选择。考虑到减少无人机的电力消耗，我们可以采用客户——服务器的方式来搭建这个导航系统，无人机作为客户端，远程的计算机作为服务器为其提供服务。客户端和服务器端可以通过4G网络来传递信息。

在无人机主板上搭建linux系统，为其插上4G网卡，配置相应文件使其可以连接互联网络。分别在无人机和远程服务器上运行客户端和服务器程序，配置必要的IP信息和端口信息，保证两者之间的正常通信。无人机实时得向服务器发送自己的位置信息已经飞行状态，同时实时接收服务器对其给出的指令信息，调整自身的飞行状态。在服务器是上调用高德地图接口，根据无人机的位置信息，运行相应的路径决策程序。决策程序根据无人机的位置和该位置的障碍物信息，对无人机的飞行路径和飞行状态进行规划，并将处理的结果信息发送给无人机。

4结语

无人机自主避障技术经过十几年的发展，已经拥有了较完备的理论，取得了许多研究成果，成为无人机电力巡线技术领域中最主要的技术分支。但由于我国幅员辽阔，气候、地形复杂多变，周围的障碍物也是多种多样，导致了电力巡线无人机自主避障技术仍有许多问题需要进一步研究.

参考文献：

[1]徐华东.无人机电力巡线智能避障方法研究[D].南京航空航天大学,2014.

[2]周士超.无人机电力巡检视觉避障技术研究[D].北京理工大学,2016.