基于深度学习的四旋翼无人机自主避障与路径规划研究

基于深度学习的四旋翼无人机自主避障与路径规划研究

张梦羽,张胜晗,郭瑞

郑州科技学院

摘要：旋翼无人机因其结构简单、机动灵活，在地质勘探、物流运输、抢险救灾等得方面应用广泛。然而无人机在执行任务时不可避免遇到障碍物问题，同时受自身性能约束，各种撞机、坠机事故时有发生。研究旋翼无人机路径规划和避障控制系统，能有效提高飞行的稳定性和作业成功率，具有很强的实用价值与重要意义，但其系统涉及飞行姿态解算、轨迹跟踪精度、环境感知等诸多难题，在搭建的无人机路径规划与避障平台进行了实验设计的路径轨迹跟踪控制器能快速跟踪期望指令，且超调量小。旋翼无人机实际飞行路径与规划出的路径基本保持一致，同时避障控制系统检测到障碍物时能有效规避。建立旋翼无人机的自由度数学模型，通过研究运动学与动力数学方程，分析出系统具有非线性、欠驱动、强耦合等特点。针对姿态传感器误差特性，改进了基于四元数的互补滤波姿态解算方法，利用加速度计测量值进行动态权重修正陀螺仪测量误差，提高了姿态解算的精度。旋翼无人机实际飞行路径与规划出的路径基本保持一致，同时避障控制系统检测到障碍物时能有效规避。本文则基于深度学习的四旋翼无人机自主避障与路径规划做出研究

关键词：四旋翼；无人机；自主避障；路径规划

一、引言

随着科技技术水平的提升，旋转翼无人机因具有垂直起降、可实现复杂任务等优点，逐渐被广泛应用于军事、民用、科研等领域。在无人机自主避障方面，传统方法主要采用激光雷达、超声波传感器等外界传感器获取周围环境信息，进行路径规划和飞行控制。然而，这些传感器所获取的信息受制于天气、光照等因素，且较难适应不同环境下的复杂任务需求。因此，本研究旨在探究基于深度学习的旋转翼无人机自主避障方法，结合无人机本身的传感器，增加无人机对环境的理解程度、提高自主避障的精度和实时性，为无人机的应用提供更加可靠的保障。

二、四旋翼无人机的发展与应用

四旋翼无人机作为一种新型飞行器，因其结构简单、操作灵活、适应性强等特点，在航拍、农业、救援等领域得到了广泛应用。随着技术的不断进步，四旋翼无人机的自主飞行能力成为研究的热点。

三、自主避障与路径规划

（一）重要性

在复杂多变的环境中，四旋翼无人机需要具备自主避障和路径规划的能力，以确保飞行的安全性和效率。这对于无人机在复杂环境下的应用至关重要。

（二）路径规划主要目的及路径规划策略

是为旋翼无人机规划出可以飞行的路径，也就是期望旋翼无人机能够快速的、安全的从一个位置飞到另一个位置。实际的路径规划需要考虑多种约束问题，这些约束大部分来自旋翼无人机自身，其余来自飞行环境中的障碍物。因此，指定的飞行路径可能会违反这些约束，变为不可飞行的路径。路径规划通常可以划分为两个阶段；第一个阶段是生成航路点序列，并用线段将航路点连接起来构成初始的航路，称为全局路径规划。第二个阶段是根据旋翼无人机的动力学和运动学约束以及局部环境的条件，将初始航路改进为可以飞行的路径，称为局部路径规划。为解决无人机自身定位问题，分析了 GPS 定位原理，设计了旋翼无人机轨迹路径跟踪位置控制器。依据无人机自身特点，建立改进了一种势场路径规划算法，并推导了避障方程，用于修正旋翼无人机的速度，对提出的算法进行了仿真验证。旋翼无人机的定位系统主要是通过定位传感器确定自己在空间中的位置坐标，为导航控制系统提供飞行的目标位置点。全局路径规划则是从当前无人机的位置到目标位置，规划出飞行路径方案，确定飞行的位置目标点，将产生的位置序列点连接成线，即可表示全局路径规划。

旋翼无人机在执行从当前位置到目标点的飞行任务时，飞行的路径中可能存在未知的障碍，当无人机与障碍物的方位和距离小于安全阈值时需要快速的做出响应，寻找出安全规避的路径，这就要求避障算法简单有效。人工势场法以算法结构简单，计算量较小，规划路径安全平滑等优点，常用于二维平面机器人的路径规划中，在分析了人工势场法的基本设计思想基础上，针对实际无人机避障过程，将人工势场路径规划算法拓展到三维空间中，设计一种可行的避障算法，将无人机模型质点化处理，并利用最优控制思想，有效避开障碍物并最终移动到目标点。为了能够将人工势场法引入旋翼无人机的路径规划中，针对无人机的运动学模型，引入了无人机位置、速度、加速度、障碍物位置等参数，进行算法的改进设计，从而利用控制器的实现。

四、障碍物检测与避障控制系统研究

路径轨迹跟踪控制器，并提出了适应于旋翼无人机路径规划的人工势场算法与避障策略，主要解决当无人机在飞行任务中遇到障碍物时，规划算法能快速计算出一条安全、符合无人机运动学的避障路径。然而旋翼无人机在未知环境中飞行，探测周围的障碍物位置和方位信息，对旋翼无人机实现路径规划至关重要。旋翼无人机在进行路径规划算法运算时，需要用到的数据有无人机坐标、障碍物距离信息、目标点坐标。无人机坐标和目标点坐标可以通过机载GPS传感器进行定位与设置，障碍物位置距离信息可通过测距类传感器进行采集，最后规划出安全避障路径。

五、避障方法

（一）超声波避障

超声波传感器是一种比较常见的障碍物检测传感器，通过发送超声波到障碍物，计算返回的声波即可测得距离，探测距离为5米左右，具有原理简单、价格低廉等优点。但超声波方案只能够探测到一个方位的障碍物信息，如果探测一周，需要增加传感器个数。旋翼无人机飞行过程中由于桨叶高速旋转带来的空气流动，会影响超声波检测精度，因此采用超声波探测方案精度较低。

（二）双目视觉避障

采用双目视觉传感器主要是通过摄像头获取周围环境的图像信息，利用角点匹配、矫正，计算出无人机到障碍物的深度信息。其优点是探测的束角大，能够提供较为丰富的环境信息，缺点是计算量大，需要有较高的硬件平台处理视觉信息，同时基于视觉的传感器受环境因素影响，比如在雾霾天，傍晚光线黑暗等条件下，视觉传感器将无法计算出障碍信息。

（三）激光雷达避障

激光雷达避障传感器通过发射激光束探测周围障碍物信息，雷达旋转一周即可采集到障碍物的相对距离和方位。激光传感器的属于精密器件，其探测的精度比较高，同时发射的频率也比较高，常用于机器人领域。另外，激光雷达使用的环境比较广泛，不受天气光线等因素影响，在黑暗的环境中也能使用。

六、结论

本文提出无人机自主避障方法。通过GPS等原理检测，识别障碍物，然后使用控制算法使无人机规避障碍物，实现无人机的自主避障。在应用无人机时自主避障时，识别精度高、实时性好，能够较准确地检测到障碍物，并且使无人机规避成功。本文所提出的方法为无人机的自主避障与路径规划提供了一种新的思路和方法，具有一定的理论和应用价值。

参考文献：

[1]沈跃杰. 四旋翼无人机自抗扰与路径避障算法[D].南京信息工程大学,2023.

[2]宋子奇. 四旋翼无人机航迹规划与避障研究[D].武汉理工大学,2022.

[3]吕倩. 四旋翼无人机路径规划[D].上海工程技术大学,2023.

[4]尚璞. 旋翼无人机路径规划与自主避障控制系统研究[D].西安科技大学,2020.

[5]夏方健. 四旋翼无人机自主飞行避障技术研究[D].东北大学,2022.