施诗 陈凯婷
摘 要 多旋翼无人机的避障系统是无人机安全飞行和工作的保障。本文从多旋翼无人机的避障需求、避障技术的种类等方面，对国内外重要研究成果进行了系统总结，为今后的研究提供参考和建议，并对无人机避障技术的发展做了展望。
关键词 多旋翼无人机;避障技术
中图分类号： V279;V249 文献标识码： A
AbstractThe obstacle avoidance system of multi rotor UAV is the guarantee of UAV's safe flight and work. This paper systematically summarizes the important research results at home and abroad from the aspects of obstacle avoidance requirements and types of obstacle avoidance technology of multi rotor UAV，provides reference and suggestions for future research，and makes a prospect for the development of obstacle avoidance technology of UAV.
Key WordsMulti rotor UAV;Obstacle avoidance technology
0 引言 近年来，随着无人机技术的不断进步，多旋翼无人机由于可悬停、易操控、体积小、载重大等特性，在军民用领域受到广泛关注。民用方面，旋翼无人机可以用于勘探、摄像、工程检测、抢险救援、货物运送、交通监察等领域。军用方面，旋翼无人机可以进行战场侦察、通讯、挂载武器、物资投递等领域。随着无人机承担任务的日益多样，在城市建筑和复杂地形低空飞行时，就要求无人机能避开电线、树木、建筑等障碍物，否则容易造成无人机损毁，砸伤地面人员，破坏其他设施等事故。由此可见，多旋翼无人机避障技术的发展在工程实践中有着重要的意义。
1 多旋翼无人机避障技术的发展和现状
现阶段的避障方法通常采用传感器感知得到周围环境和无人机姿态位置信息，通过特定算法对信息进行分析，然后及时反馈规划无人机避障路线，最终实现避障功能。传统的惯性定位装置只能实现无人机自身飞行姿态的控制，但是无法感知外部环境，并控制无人机主动避障。21世纪初，SAGEM公司研发了一种避障技术，解决了无人机长时间飞行遇到的避障问题。随着传感器的小型化发展，研究人员提出了很多新的避障方案。目前主要的避障方案根据传感器的不同可以分为：超声波测距、基于可见光和不可见光的激光测距、雷达测距、被动式的机器视觉测距等。
1.1 超声波测距
该方法是通过计算发射到接受超声波回声的时间差来计算出障碍物的距离，并及时控制无人机飞行轨迹来规避障碍的方法。超声波测距比其他测距装置成本更低，质量更轻，便于安装在小型旋翼无人机上。但是存在探测距离近（探测距离在5～6米左右），在吸声环境和干扰较大的环境中无法正常工作等问题。所以现阶段的研究多采用其他传感器配合测距。邵芳[1]基于超声波测距方法对障碍物进行监测，并通过CCD图像采集系统采集图像。通过处理图像得到障碍物边缘，进而控制无人机飞行轨迹。于建均[2]基于超声波传感器搭建了障碍物的三维检测装置，基于多级模糊控制算法，实现旋翼无人机室内环境的避障路径规划。
1.2 激光雷达测距
该方法是用无人机搭载的激光雷达装置发射红外线或者激光。其中根据不同的计算距离方法可以分为三角测量法和时间差测量法。三角测距（Rplidar激光雷达）是通过接收器光斑成像位置解三角形得到距离信息。时间差法（TOF避障法）通过记录反射时间差来计算障碍物和无人机的间距。该方法测量距离比超声波更远，可以达到十米。且具有较高精度，在黑暗环境中也可以工作。但是成本较高，且易受到强光干扰。
激光避障技术在工程上已经获得了应用。王海群[3]等人基于激光雷达对无人机避障进行控制。并通过实验验证，无人机避障精度可达96.7%。国家电网针对复杂沟道内无法采用GPS等传统方法进行飞行控制的问题，设计了一种基于激光雷达的SLAM避障方法，对无人机实时避障进行自适应控制。郭大山针对山地丘陵地带果树植保机飞行过程中地形复杂的问题，基于激光雷达的无人机避障系统，实现了无人机的避障功能。
1.3 毫米波雷达测距
毫米波雷达一般工作模式分为脉冲方式（Pulsed）和调频连续波方式（FMCW）。毫米波雷达避障方法通过计算反射和发射电磁波信号间隔来测定障碍物距离。该方法具有功耗低、探测距离远、穿透灰尘雾能力强、抗干扰能力强等优点。高迪等人基于无人机平台对雷达避障问题进行了研究，并对信号处理算法与路径规划算法进行了实地测试，验证了该方法的探测跟踪性能。
1.4 机器视觉避障方法
以上几种方法都有不同程度的局限性，近年来机器视觉方法逐渐引起人们的重视。机器视觉避障方法采用摄像头拍摄环境图像，通过图像处理算法得到周围障碍物的位置和輪廓信息。相对于超声波和雷达测距装置等主动式传感器，机器视觉方法是被动式方法，可以获取丰富的环境信息。
从搭载的摄像头数量，机器视觉方法可以分为单/双目视觉避障方法。单目视觉避障采用单个摄像头以一定频率连续拍摄，对比前后两帧图像的像素变化或特征区域得到障碍物位置信息。双目视觉避障是利用两个摄像头从不同角度进行拍摄，根据视图差异和几何关系得到周围环境的三维信息。双目视觉避障方法更加精确，但在相机标定、图像融合匹配等方面计算量大，对处理器要求高。单目方法无法直接测量距离但是可以根据图像提供的信息对障碍物进行规避，成本更低。视觉方法对环境中光线亮度要求较高，在昏暗环境下会影响测量精度和准确度。
国外在21世纪初就开始了机器视觉避障方法的研究。早在2009年研究人员就在四旋翼无人机上安装了一个全向镜头，通过采集处理光流信号来控制无人机的航向。但是光流法对光滑的比如玻璃等平面探测效果不好。所以研究人员后续又开发了基于单目和双目的避障方法。Moore[4]等研究人员设计了一种基于无人机的双目视觉避障方法获得障碍物的地面高度和距离信息。Asada等设计了一种自学习的双目立体视觉避障系统，基于双目立体视觉的三角测距原理，通过自适应算法跟踪未知趋势目标。国内，张跃东等人[5]提出了基于无人机的单目视觉避障探测算法，采用单摄像头收集图像信息，根据无人机的运动和图像序列特征点变化得到与障碍物的间距。张博翰等人[6]设计了一种双目视觉装置，在室内环境下，通过实验验证了该装置的有效性。国内有研究人员将双目视觉避障方法运用到多旋翼无人机降落时的自主定位功能上，并取得了很好的效果。
2 展望
避障技术的发展方向取决于无人机将来的发展趋势。由于多旋翼技术越发成熟，多旋翼无人机会变得更加专业化，智能化。外形结构更多，功能更具有针对性，大航时航程、环境适应性强的无人机将成为发展趋势。旋翼无人机将承担更多任务，比如充当城市载人交通工具、微型侦察设备、岩洞勘探等。这就对无人机避障技术提出了更高的要求。
就探测模块而言，硬件设备小型化，多种探测技术融合是一个趋势。通过多种传感器融合探测，可以建立精确而详细的周围环境立体信息，甚至是全地形信息。就算法而言，随着人工智能技术的发展和处理器能力的不断增强，传统算法速度慢，计算量大，不能提前感知動态变化等缺点将得到弥补。基于深度学习的自适应避障技术，使得无人机可以自主判断周围环境，提前做出规避动作，并根据周围环境的变化，及时调整避障策略。
参考文献
[1]邵芳.基于超声波测距的多旋翼无人机避障算法[J].吉林工程技术师范学院学报， 2017（11）：111-113.
[2]于建均，赵少琼，郑逸加， et al.基于模糊专家决策的室内无人机避障系统[J]. 控制工程，2019（3）：423-430.
[3]王海群，王水满，张怡，基于激光雷达信息的无人机避障控制研究[J].激光杂志， 2019.
[4]Moore R，Thurrowgood S，Bland D，et al.A stereo vision system for UAV guidance. Intelligent Robots and Systems，2009.IEEE/RSJ International Conference on.IEEE， 2009：3386-3391.
[5]张跃东，李丽，刘晓波，邢泽平.基于单目视觉的无人机障碍探测算法研究[J].激光与红外，2009，06：673-676.
[6]张博翰，蔡志浩，王英勋.电动VTOL飞行器双目立体视觉导航方法[J].北京航空航天大学学报，2011，07：882-887.
