飞行器自动避障设计与研究

飞行器自动避障设计与研究

宋炎哲

230903199303181438

摘要：随着时代发展，电子信息技术不断进步，人们对于生活智能化的要求逐步提高，飞行器作为新型电子设备受到了越来越多的关注。飞行器可以广泛应用于军事和日常中的各个领域。但是，如果飞行器没有效率较高的自动避障设计，不仅会影响飞行器的服务质量，更有可能会造成人员财产损失。因此，提高飞行器的自动避障技术是飞行器研究领域的关键所在。自动避障系统是无人机飞行器在自动飞行的过程中遇到障碍物时，通过在线测量的方

式自动识别、有效规避障碍物，达到安全飞行的系统。然而现有的研究成果大多是采用雷达躲避障碍物，本课题旨在将机器视觉应用于飞行器的自动避障系统，为无人飞行器应用提供更安全的保障，使飞行器发挥更大的效用。

关键字：飞行器；自动避障；机器视觉

第一章理论基础

1.1飞行器自动避障

飞行器避障过程可以分为三个阶段。一是感知障碍物阶段，二是绕过障碍物阶段，三是场景建模和路径搜索阶段，这三个阶段是飞行器在避障过程中需要进行的三个的工作过程。在第一阶段，要求能够迅速感知到障碍物，这说明飞行器在飞行过程中遇到障碍物时，要能够快速识别这是障碍物，下一步是悬停停止飞行，等待下一步指令；第二阶段，要求飞行器捕捉到障碍物的深度图像，并且通过图像感知障碍物的轮廓，然后自主绕开障碍物，

这是自主避障的核心阶段，是研究飞行器自动避障的关键所在；第三个阶段要求是飞行器在结束自动避障之后，重新规划飞行路线。

飞行器自动避障技术的关键在于：

（1）飞行控制：飞行控制的意义在于使无人机完成自主飞行，不需要被其他手段干预。

（2）云台：用来给相机增稳的部分，主要考察几个性能：增稳精度、兼容性和转动范围（分为俯仰、横滚和旋转三个轴），变焦相机更加需要云台的增稳精度，因为变焦相机会由于飞行器在飞行过程中的一点点轻微抖动，使画面抖动的很厉害，影响飞行器的服务质量。

（3）图传：主要考察的指标是传输距离、延时性和清晰度，消费级主流的方案使用2.4GHz WiFi图传，传输距离在500~800m左右。高清图传的传输距离更远、延时性更低和更高分辨率的画质，对视频的编解码要求很高。

1.2机器视觉

机器视觉是一项综合技术，包括图像处理、机械工程技术、控制、电光源照明、光学成像、传感器、模拟与数字视频技术、计算机软硬件技术。一个典型的机器视觉应用系统包括图像捕捉、光源系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块。

机器视觉系统最基本的特点就是提高生产的灵活性和自动化程度。在一些不适于人工作业的危险工作环境或者人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉。同时，在大批量重复性工业生产过程中，用机器视觉检测方法可以大大提高生产的效率和自动化程度。图像处理系统对这些信号进行各种运算来抽取目标的特征信息，如面积、数量、位置，再根据预设的条件输出结果，实现自动识别功能。机器视觉更强调实时性，要求高速度和高精度，因而计算机视觉和数字图像处理中的许多技术目前还难以应用于机器视觉，他们的发展速度远远超过其在工业生产中的实际应用速度。这一点是飞行器自动避障设计中的关键所在。

随着机器视觉研究的深入发展，会给人们的生活带来更为便捷的生活方式，提高人民幸福指数，不仅如此，在工业生产上机器视觉更有发展潜力，应用领域更为宽泛。由于机器视觉是通过机器完成，精准度会大大提高，它弱化了人工检测的主观性，同时，即使是在恶劣环境下也可以获得准确的数据，提高了技术的准确性，降低了失败率，保证了生产的稳定性。当今世界，各个学科领域的发展都取得了前所未有的新高度，机器视觉也是热点发展领域之一，在未来我们可以大胆畅想，有了高端技术的飞行器可以给我们的生活带来怎样的便利。

第二章飞行器自动避障设计

随着人工智能技术的不断发展，飞行器也在逐渐朝着自主化的方向逐渐迈进。在智能避障和目标跟踪能力方面，随着近年来机器视觉技术的不断发展，无人机在这方面也完成了一个个突破。从最初的简单的室内固定静态目标的识别，到对室外复杂动态环境下动态目标的识别与追踪；从早期需要将图像信息通过无线链路传输到地面系统进行分析，到采用独立图像处理单元直接与飞控计算进行交互，由此可见，飞行器未来发展的方向是在目标追踪能力上越来越快速化，自主化。当飞行器遇到障碍物时，首先借助充足的光源，飞行器上配备的摄像机将捕捉到障碍物的深度图像，随后摄像机将该图像信息迅速传递到图像采集卡上，即机器视觉的关键部分。随后，图像采集卡将信息传递到计算器上，也就是利用算法，调度计算器的反应机制。随后计算器将处理好的解决方法以及之后的飞行路径输出给飞行器的控制结构，控制结构将控制飞行器的飞行轨迹，避开障碍物。这就是飞行器自动避障的过程。零度智控推出了基于手机芯片的飞行器自动避障技术，以零度智控公司的零度XPLORER为例，它有着独家具备的FOLLOW SNAP 1.0智能视觉跟随技术，通过摄像头采集到的数据回传给计算机处理器，并由计算机处理器传给控制设备。但是由于飞行器体积小，可以承受的重量不高，处理器的体积也不宜过大，处理器体积小会导致运算能力大打折扣，因此现有的飞行器的计算器机器视觉功能还不能得以充分的发挥。

第三章结论

随着科技日新月异，飞行器研究的不断深入，飞行器将来可以应用于很多领域。传统的植保、探测、物流等领域的深入发展，会推动产业的不断发展，提升人民的生活幸福指数。但是在飞行器执行飞行任务时，飞行器自动避障技术是不可或缺的功能，既提高飞行器完成任务的质量，也可以避免由于飞行器坠落导致的人员财产损失。避障功能可以借助多种传感器实现，其中视觉信息的信息量更大，结合当今研究的热点方向，机器视觉，可以给无人机避障带来一种更可靠更高效的途径。鉴于此，本文深入探讨了如何将机器视觉应用于飞行器自动避障设计中，既有很强的理论意义，又有充足的现实意义。

本文针对飞行器的自动避障技术进行了研究，对于该领域的技术进步有一定程度的参考意义。本文主要工作在于：

（1）在查阅国内外有关技术文献的基础上，深入研究了多传感器融合技术和无人机自动避障技术的国内外研究现状，对多传感器融合技术的原理、结构、层次和方法，以及无人机自动避障技术的主要进展进行了详细的总结与分析。

（2）将机器视觉应用于飞行器自动避障，提出了一种有效的飞行器自动避障设计模型。

参考文献:

[1]章志诚.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(9)

[2]Michael Margolis.Arduino Cookbook[M].2015,3.

[3]王一凡，堪德荣，张立燕.一种用于小型无人机避障的快速视差测距方法[J].中国测试技术，2008,34(3):114-116.

[4]关震宇，杨东晓，李杰等.基于Dubins路径的无人机避障规划算法[J].北京理工大学学报，2014,6:005.

[5]张剑，王世勇，陈玺等.基于柱状空间和支持向量机的无人机巡线避障方法[J].中国电力，2015,48(3).

  [6]Zhihai He, Iyer R V, Chandler P R. Vision-based UAV flight control and obstacle avoidance[C]American Control Conference, 2006. IEEE, 2006.