|
近年来，随着多旋翼消费级无人机市场的飞速增长，其关联技术亦正在出现日新月异的变革，以往多用于特种行业乃至军用制品上的技术（如飞行掌控、图像传输、目的识别和跟踪等）亦越来越多地用于消费级无人机，使其越来越接近于自动化乃至智能化飞行设备人的概念。 
在消费级无人机技术的许多趋势中，避障能力是实现自动化乃至智能化的关键环节，完善的自主避障系统将能够在很大程度上减少因操作失误导致的无人机损坏和伤及人身和建筑物的事故出现率，而从各消费级无人机厂商的新品和技术发展方向看，避障技术亦将在将来几年趋于完善并作为中高端消费级无人机的标配系统。
避障技术，顾名思义便是无人机自主躲避阻碍物的智能技术。非常多玩过无人机的小伙伴们都晓得，有避障功能的无人机和无避障功能的无人机，能够说体验是大不相同的！无人机自动避障系统能够即时地避开飞行路径中的阻碍物，极重地减少由于操作失误而带来的各项损失。在减少炸机事故次数的同期，还能给无人机新手极重的帮忙！ 
无人机避障技术的发展周期
按照日前无人机避障技术的发展以及其将来的科研态势，无人机避障技术可分为三个周期，一是感知阻碍物周期；二是绕过阻碍物周期；三是场景建模 和路径搜索周期。这三个周期其实是无人机避障技术的功效过程。从无人机发掘阻碍物，到能够自动绕开阻碍物，再达到自我规划路径的过程。 
第1周期，无人机只能是简单地感知阻碍物。当无人机遇到阻碍物时，能快速地识别，并且悬停下来，等待无人机驾驶者的下一步指令！
第二周期，无人机能够获取阻碍物的深度图象，并由此精确感知阻碍物的详细轮廓，而后自主绕开阻碍物！这个周期是摆脱飞手操作，实现无人机自主驾驶的周期！
第三周期，无人机能够对飞行区域创立地图模型而后规划恰当线路！这个地图不可仅仅是机械平面模型，而应该是一个能够实时更新的三维立体地图！这将是日前无人机避障技术的最高周期！
感知阻碍物
在前避障时代，消费级无人机的运用说明上都会标明必须在开阔场地飞行，况且应当尽可能避免周边有海量人群（当然，这亦与当前技术和市场环境使得消费级无人机制品的靠谱性较差有很大关系），由于一不小心操作失误，或在周边有高挑阻碍物时起步一键（低电压、失去控制）返航，则有可能眼睁睁看着无人机傻傻地撞向那样显著的阻碍物，这是何等的回天乏力。为了降低这种事故的出现率，各厂商亦都在卯足劲开发避障技术，而在实现方式上，大众的着眼点亦都放在了一个方向——测绘无人机到阻碍物的距离。 
咱们能够很容易地想到，只要无人机能够测绘出与潜在阻碍物之间的距离，就能够在撞向阻碍物之前停止前进（虽然固定翼无人机暗示区别意），于是一场让人感觉回天乏力的事故被轻描淡写地避免了，这种思路简单粗暴，但还是有必定功效的。而当前运用较多的阻碍物检测办法重点有：
超声波测距：这个办法非常多人都熟练，家用汽车的倒车雷达便是利用超声波检测阻碍物，该办法的优点便是技术成熟，成本很低；但缺点在于功效距离近（常用的中低端超声波传感器功效距离不超过10m），且对反射面有必定需求。因此呢超声波测距传感器常用来测绘无人机与地面的距离（固定翼无人机暗示自己飞的太高太快，超声波传感器用不上）。
红外/激光TOF：即飞行时间传感器，基本原理便是传感器发射必定频率的红外/激光信号，而后按照反射信号与原信号的相位差计算信号的飞行时间，就可换算出距离阻碍物的距离。该办法技术比较成熟，功效距离较超声波更远（数米到数百米），况且高等级的TOF传感器能够得到阻碍物的深度图像（这一项能力在下文会有应用说明），但缺点在于成本高，抗干扰能力较差（激光TOF稍好）。因此呢该方法在当前市场上制品或样机中有必定规模的应用。
双目视觉：这个办法运用了人眼估计距离的原理，即同一个物体在两个镜头画面中的坐标稍有区别，经过转换就可得到阻碍物的距离，双目视觉办法亦能够得到阻碍物的深度图像。这种办法的缺点在于技术难度较高（不外自从有了OpenCV，妈妈再亦不消担心我不会写设备视觉程序了），且距离估计的误差随距离变大而指数型增长，只是这一缺点在无人机避障应用中并无大碍。
电子地图：借助细粒度的数字高程地图和城市3D建筑地图，既能够实现避免重要建筑物受到无人机撞击（即禁飞区功能），亦能够实现非常多状况下的无人机避障。而事实上，战斧巡航导弹的远程飞行亦在很大程度上依赖于数字高程地图。
阻碍物测绘的原理搞懂了，就能够起始讨论无人机避障了。最简单的策略莫过于遇到阻碍物时停止前进，而后与阻碍物保持必定的距离。这种遇到阻碍物后就默默悬停等待，仿佛手足无措不知所往的初级策略，便是这么简单的起始，无人机就进入了避障时代。
绕过阻碍物
很显然，咱们不会满足于让无人机遇到阻碍物后傻傻等待（固定翼暗示自己一秒钟亦没法等待），这就需要设计让无人机安全有效地绕过阻碍物继续完成预定飞行的策略。表面上看，连萨摩耶这种囧傻呆萌的狗狗都晓得前面有座大楼时该怎么绕过去（请自动想象为何说到狗狗时要强调前方是大楼，而不是一棵树），让无人机绕过阻碍物的策略应该很简单了，但这其中的门道可多了去了。
首要，狗狗很清楚前方大楼的轮廓，因此呢只需要往边缘走就能够绕过去，然则无人机想得到阻碍物轮廓就很难了，倘若避障传感器是普通超声波，无人机就只能晓得前方有阻碍，然则却无从晓得阻碍物的边缘，这便是前面为何要强调“能够得到阻碍物深度图像”了，针对能得到深度图像的TOF测距和双目视觉测距方式，只要阻碍物无充满视场，就总能够找到阻碍物的边缘。举例说明，下图所示的是无人机的到的深度图像示意图，灰度越深，显示距离越近，遇到这种状况，很显然的策略便是往左上方飞，即朝向灰度最浅的区域飞行，此时问题仿佛已然得到处理。 
然则别高兴太早，这种策略能够满足大都数应用场景，然则问题还远无处理，看下面的左图，一架无人机刚绕从一座高挑建筑旁绕过去，而后得到了如左图的阻碍物深度图像，倘若根据前面的策略，肯定是要往颜色最前的地区飞行，好那我要是告诉你其实右图是无人机和两座悬崖几何关系的俯视图，请你告诉我无人机会怎么飞，倘若根据前述的策略，这又必将是一场刻骨铭心的事故。 
亦许有人对windows98时代的迷宫屏保还有印象，屏保中，运用始终沿着左侧墙壁和始终沿着右侧墙壁都会最后走出迷宫，这是由于普通迷宫的拓扑结构就是两条平行线中间有一个通道，根据这种思路，无人机遇到下图这种简单策略躲不外去的阻碍时，完全能够采取类似的方式，就始终向左或向右寻找出路。即倘若上面右图的局部场景的完整形态倘若如下图所示的话，沿着图中的两条曲线为路径都能够绕过去，倘若场景比下图更繁杂，绕过去的路可就需要苦苦追寻了。 
虽然关于设备人在未知场景中的避障办法科研非常多，然则因为终究是未知场景，其中必然有繁杂的搜索过程。
场景建模和路径搜索
再回到狗狗绕过大楼的例子，看下图，倘若狗狗左侧右侧的路都走过，况且右侧其实无那棵树的话，很显然的它下一次绕过这座楼的时候基本上会选取左侧的路（然则当右侧有颗邪恶的树之后，结论仿佛有所改变），这是由于它大脑里已然有了一幅地图，即有了这个场景的模型。 
无人机亦是如此，无论是基于电子地图，还是其他源自，还是SLAM（即时定位与地图构建）得到了场景模型，就能够在机载计算机里用算法去搜索优化的避障路径。当前关于这种已知场景路径规划的科研非常多，算法亦是层出不穷（算法太多太繁杂，本文暂不展开讨论），亦是无人机避障发展的必然趋势。 
与传统的设备人避障技术科研相比，当前无人机的避障还处在很初级的周期，但因为消费级无人机市场的火热，大众亦都在争先恐后地开展此类科研，能够预见，将来的避障时代中，将会有各自各样此刻难以想到的办法用于无人机避障，有了这些技术的辅助，无人机的操作亦将越来越安全，越来越简单。
无人机避障技术种类
红外避障
红外线的应用咱们并不陌生：从电视、空调的遥控器，到酒店的自动门，都是利用的红外线的感应原理。而详细到无人机避障上的应用，红外线避障的平常实现方式便是“三角测绘原理”。
红外感应器包括红外发射器与CCD检测器，红外线发射器会发射红外线，红外线在物体上会出现反射，反射的光线被CCD检测器接收之后，因为物体的距离D区别，反射方向亦会区别，区别的反射方向会产生区别的偏移值L，晓得了这些数据再经过计算，就能得出物体的距离了，如下图所示。 
超声波避障
超声波其实便是声波的一种，由于频率高于20kHz，因此人耳听不见，并且指向性更强。
超声波测距的原理比红外线更加简单，由于声波遇到阻碍物会反射，而声波的速度已知，因此只需要晓得发射到接收的时间差，就能容易计算出测绘距离，再结合发射器和接收器的距离，就能算出阻碍物的实质距离，如下图所示。 
超声波测距相比红外测距，价格更加便宜，相应的感应速度和精度亦逊色有些。一样，因为需要主动发射声波，因此针对太远的阻碍物，精度亦会随着声波的衰减而降低，另外，针对海绵等吸收声波的物体或在大风干扰的状况下，超声波将没法工作。
激光避障
激光避障与红外线类似，亦是发射激光而后接收。不外激光传感器的测绘方式非常多样，有类似红外的三角测绘，亦有类似于超声波的时间差+速度。
但无论是哪种方式，激光避障的精度、反馈速度、抗干扰能力和有效范围都要显著优于红外和超声波。
但这儿重视，不管是超声波还是红外、也或是这儿的激光测距，都只是一维传感器，只能给出一个距离值，并不可完成对现实三维世界的感知。当然，因为激光的波束极窄，能够同期运用多束激光构成阵列雷达，近年来此技术逐步成熟，多用于自动驾驶车辆上，但因为其体积庞大，价格昂贵，故不太适用于无人机。
视觉避障
处理设备人怎样“看”的问题，亦便是大众常听到的计算机视觉（Computer Vision）。其基本在于怎样能够从二维的图像中获取三维信息，从而认识咱们身处的这个三维世界。
视觉识别系统一般来讲能够包含一个或两个摄像头。单一的照片只拥有二维信息，犹如2D电影，并无直接的空间感，仅有靠咱们自己依靠“物体遮挡、近大远小”等生活经验脑补。故单一的摄像头获取到的信息及其有限，并不可直接得到咱们想要的效果（当然能够经过有些其他手段，辅助获取，然则此项还不成熟，并无大规模验证）。类比到设备视觉中，单个摄像头的照片信息没法获取到场景中每一个物体与镜头的距离关系，即缺少第三个维度。
如下图所示，单一的照片拥有很强的迷惑性和不确定性 
双目立体视觉犹如3D电影（上下眼看到的场景略有差异），能够直接给人带来剧烈的空间临场感。类比设备视觉，从单个摄像头升级到两个摄像头，即立体视觉（Stereo Vision）能够直接供给第三个维度的信息，即景深（depth），能够更为简单的获取到三维信息。双目视觉最平常的例子便是咱们的双眼：咱们之因此能够准确的拿起面前的杯子、判断汽车的远近，都是由于双眼的双目立体视觉，而3D电影、VR眼镜的发明，亦都是双目视觉的应用。
双目视觉的基本原理是利用两个平行的摄像头进行拍摄，而后按照两幅图像之间的差异（视差），利用一系列繁杂的算法计算出特选定的距离，当数据足够时还能生成深度图。  
其实，各个避障技术在无人机上都有用武之地，只是应用场景有所区别，尤其针对前视避障而言，有些技术就不适用了。
红外和超声波技术，由于都需要主动发射光线、声波，因此针对反射的物体有需求，例如：红外线会被黑色物体吸收，会穿透透明物体，还会被其他红外线干扰；而超声波会被海绵等物体吸收，亦容易被桨叶气流干扰。
况且，主动式测距还会产生两台设备相互干扰的问题。相比之下，虽然双目视觉亦对光线有需求，然则针对反射物的需求要低非常多，两台设备同期运用亦不会互相干扰，普适性更强。
最重要的是，平常的红外和超声波日前都是单点测距，只能得到特定方向上的距离数据，而双目视觉能够在小体积、低功耗的前提下，得到眼前场景的比较高分辨率的深度图，这就让避障功能有了更加多的发展空间，例如避障之后的智能飞行、路径规划等。
激光技术虽然亦能实现类似双目视觉的功能，然则受限于技术发展，日前的激光元件广泛价格贵、体积大、功耗高，应用在消费级无人机上既不经济亦不实用。
无人机避障实现的难点
避障功能从构思到实现，走的每一步几乎都便随着无数的困难。仅仅是写出有效的视觉识别或地图重构的算法还只是第1步，能让它在无人机这般一个计算能力和功耗都有限制的平台上流畅稳定的跑起来，才是真正困难的地区。 
另外，怎样处理功能的边界亦是一个问题，例如双目视觉在视线良好的状况下能够工作，那样当有灰尘遮挡的状况下呢?这就需要持续的实验和试错，并且连续的优化算法，保准各项功能在各类场景下都能正常工作，不会给出错误的指令。
避障功能做为近年来无人机制品的大趋势，带来的最直接的好处便是，以往有些人为疏忽导致的撞击，此刻都能经由避障功能去避免，既保证了无人机飞行安全的同期，亦避免了对周边人员财产的损害，让飞无人机的门槛进一步得到了降低。
而长远来看，无人机想要普及到农业、建筑、运输、媒介等行业，「智能化」肯定是必经之路。
毕竟仅有在飞行功能上做到智能掌控，才有余量去满足区别行业的需要。如今由“避障功能”而衍生出的一系列“智能飞行”功能，无疑便是“无人机智能化”的周期性表现之一。
END
本文已获传感器技术转载授权。著作权解释权属原创者所有，本文TechSugar编辑部举荐阅读！
| 
发表于 2024-8-23 08:45:57