正文:1 无人机避障技术 无人机是由无线遥控设备和程控设备控制的无人驾驶飞 行器。在实际操纵中，由于环境的多变、人为失误和无人机失 控等原因，无人机变成了不受控的定时“炸弹”。随着人工智能 的快速发展，无人机不再是需要操控的飞行器，而是拥有“大脑” 的飞行机器人，能够在安全自动地完成飞行任务而无需任何人 为操控。而无人机避障技术正是实现这一目标的关键技术。 无人机避障技术是无人机自主躲避障碍物的智能技术， 可以实时收集飞行参数，及时修正飞行参数，躲避飞行路径中 的各种障碍物并及时改变无人机的运动轨迹。极大程度上减 少无人机撞机事故，降低损失，避免对周围人员的伤害，增加 无人机飞行的安全系数。不同行业如农业、电力、水利、建筑、 运输、媒体等领域在无人机的避障上有不同的特点，确保无人 机避障技术在各种应用场景中发挥作用是未来的发展趋势。
2 测距传感器的比较 无人机避障技术分的实现为三个步骤：感知障碍物、绕过 障碍物并规划合理路径。发现障碍物是无人机避障技术考虑 的第一步，在实现方式上，利用测量无人机和障碍物之间的距 离来实现检测。可以看出，测距是避障技术的基础，目前常用 的测距传感器包括红外、超声波、激光、视觉、雷达等。
2.1 红外测距传感器 红外线是一种频率介于可见光和微波之间的电磁波，具 有电磁波的沿直线传播、反射、折射、衍射等特征。红外传感 器测距一般有两种，一种是发光管发出红外线，所测距离根据 接收管接受到的反射光强弱来计算；另一种是红外发射器按 照一定的角度发射红外光束，光束遇到障碍物后会反射回来， 基于三角测量原理实现距离的测量。由于红外线是一种不可 见光，红外线测距具有一定的隐蔽性，可用于夜间距离的测量。 然而，随着测量距离的增加，红外测量的精度降低，所以不适 用于长距离测距。另外红外线受太阳光影响较大，当遇到黑 色和透明的物体，无法检测障碍物距离。
2.2 激光测距传感器 激光是被激发出来的光子序列，拥有电磁波的一般特征。 因为光速是一定的，激光测距利用飞行时差（ToF，Time of Flight）进行测距。可以基于反射信号与原信号之间的相位差 或者飞行时间差来换算障碍物的距离。激光测距相对于红外 测距来说，精度高，方向性好，但是制作成本较大，且受到光波 的限制，无法在光污染严重等恶劣环境中使用。
2.3 超声波测距传感器 超声波测距基于超声波在空气中传输的速度一定，根据 遇到障碍物后反射回来的时间来实现测距。超声波测距传感 器技术已成熟，硬件简单且成本低。但由于声波的传输非直 线而是扇形，因此利用超声波测距的方向性差，不能同时检测 多个障碍物。虽然超声波不同于红外线和激光，不受太阳光 的影响，但超声波传播的速度会受到诸如温度和湿度等空气 条件的影响，因此在恶劣环境中测量误差很大。空气中超声 波的传播速度远小于空气中电磁波的传播速度，超声波测距 的有效测量范围通常在 5 米以内，性能要低于激光测距和红 外光测距。
2.4 雷达测距传感器 雷达测距是通过发射和接受电磁波，利用发射和接受信 号的频率差来计算障碍物的距离、角度、方向。雷达测距包括 毫米波雷达和微波雷达，因其造价较高，广泛在军事无人机中 应用。雷达具有精度高、全天候工作、感应灵敏、穿透能力强、 感知距离远、抗干扰能力强等优点，雷达测距传感器是未来无 人机避障技术的研究热点。
2.5 单目测距传感器 单目测距通过摄像头的移动信息和摄像头得到的图片测 得深度距离。使用单个摄像头在前进过程中获取前视序列图 像，通过匹配求得图像中特征点的移动，以拍摄间隔中的飞行 距离为基线，通过三角测量关系获得障碍物的深度距离。但 如果图像中特征点的匹配存在误差，则会对结果产生显著影 响。一般单目测距需要摄像头拍摄的图片清晰、分辨率高，因 此不适合复杂环境下的测距。然而，单目测距传感器具有体 积小，功耗低，运算快，技术成熟等特点，广泛应用于在无人机 避障。
2.6 双目测距传感器 双目测距是模仿人眼以估计障碍物距离，即使用两个平 行的摄像头来捕捉图像。根据相同目标在两个镜头中的坐标 不同，通过转换进一步获得障碍物的距离。双目测距的缺点 在于技术难度较高，运算复杂，计算时间长，且障碍物的距离 误差随距离变大而指数增长。目标匹配是双目测距的难点， 拍摄图像时需要充足的光源，因此光照变化、目标被遮挡、图 像像素低都会影响到结果。
2.7 结构光测距传感器 结构光测距是一种利用图像和可见光的测距方法。结构 光的光源可以是激光或是白光，利用光平面照射在物体表面 上产生的光条纹，并且在捕捉的图像中检测光条纹，它们的形 态和间断性构成了物体各个可见表面与相机之间的相对测度。 结构光测距具有抗干扰能力强、精度高等优点，但是由于结构光光源的特殊性，结构光测距多用于室内测距。
2.8 电子地图测距传感器 当无人机的飞行目标区域被建模为精确的三维建筑地图， 借助 GPS 传感器等导航系统，就能够避开重要建筑物等障碍 物，而且无人机可以提前选择最优路径，提高飞行效果。但是 无法应对突发情况，在GPS信号差的时候，电子地图测距无法 测量距离，只能将无人机从 GPS 模式转换为飞行模式。
3 结语
各种测距传感器各有优缺点，目前多使用超声波测距传 感器来获取无人机的高度参数；多使用三维激光测距传感器 来获取三维场景信息；多使用红外测距传感器来实现短程环 境感知。在不同的场景下采用不同的测距传感器，农业植保 无人机的作业环境多有灰尘或是农药，因此双目测距传感器 难以满足农用无人机，但是可以利用双目测距传感器识别电 力设备状态和三维重建电力挂接线。无人机避障在特定的场 景下取得了一定成效，但是整体收效甚微，寻求一种全面解决 避障问题的方案，是无人机领域目前最大挑战。
基金项目：本文为中央高校基本科研业务费专项资金 项目（LGZD201806）。 作者简介：吴亚楠（1989-），女，汉族，南京森林警察学院侦 查系，讲师，研究方向：侦查技术。
参考文献
[1] 朱凯凯,初阳,华维超.机器视觉在无人机智能避障的应用[J].通讯世界,2016 (11):282.
[2] 张黎,陈轶瑛,黄博, etal.无人机的自主与智能控制[J].中国高新科技, 2018 (11).
[3] 张西忱.无人机的避障技术及其应用[J].集成电路应用,2017,34(02):66-68.
[4] 金泽选,吴开华,王朔, etal.全自动植保无人机含障不规则区域的航迹规划 算法[J].江苏农业科学,2018,46(05):220-223.
[5] 兰玉彬,王林琳,张亚莉.农用无人机避障技术的应用现状及展望[J].Trans- actions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE),2018,34(09):104-113.
[6] 章志诚,杜昌平.基于激光雷达的多旋翼飞行器实时避障系统[J].计算机测 量与控制,2016,24(09):117-121.
评论