隨著消費級無人機技術(shù)的不斷成熟,不斷完善的自動避障系統(tǒng)可以極大的減少因操作失誤而帶來的各項損失,目前避障能力正逐漸成為了無人機自動化或智能化的關(guān)鍵點所在。
讓無人機自主避障教學(xué)研究邁向更高處slam導(dǎo)航避障算法。根據(jù)無人機避障技術(shù)的原理和發(fā)展趨勢,可以將無人機避障技術(shù)分為三重階段：即感知障礙物階段、繞過障礙物和場景建模和路徑搜索。
感知障礙階段
"在開闊場地飛行,盡量避開人群,避免因操作失誤而帶來的安全事故”是目前大部分消費級無人機的使用說明上都會出現(xiàn)的一項標注,因此各無人機開發(fā)商為了降低安全事故的發(fā)生幾率,都將避障技術(shù)作為了開發(fā)的重點。而如何實現(xiàn)無人機自動避障,首先要實現(xiàn)的是如何精確的測量無人機與障礙物之間的距離，只有先測量出危險范圍內(nèi)的距離，才可以有時間在撞向障礙物之前停止無人機的前進動作,進而避免事故的發(fā)生。就如人類或其他動物在前進的過程中,只有先看見前方的障礙物,并且會大致估算出自己與障礙物之間的距離,才能決定下一步的行為方向,因此雖然看似測距停止的這種思路很簡單粗暴,但在實際應(yīng)用中還是有一定的存在意義。
而目前的無人機領(lǐng)域被廣泛應(yīng)用到的障礙物檢測方法有超聲波測距、紅外或激光測距、雙目視覺、電子地圖等。其中雙目視覺技術(shù)更是利用了人眼如何估計視覺的原理,是目前較受無人機開發(fā)商青睞的一種技術(shù)。超聲波測距其實是一種比較成熟的測距技術(shù),而成本相對較低,目前被大量的應(yīng)用于家用的汽車倒車雷達上,但是其測量距離較近,而且對反射面有著一定的要求 ,因此常被用來測量無人機與地面之間的距離,而非與障礙物之間的距離。
紅外或激光測距又稱TOF是利用傳感器發(fā)射定頻率的信號，通過計算反射信號與原信號之間的相位差來確定信號的飛行時間,并最終確定的無人機與障礙物之間的距離，該技術(shù)一旦達到高等級 ,還可以獲得障礙物的深度圖。
而雙目視覺技術(shù)是運用了人眼計算距離的原理,是機器視覺的一種重要形式，主要基于視察原理并利用成像設(shè)備從不同的位置獲取被測物體的兩幅圖像，并通過計算圖像對應(yīng)點之間的位偏差,來確定物體三維幾何信息的方法。雖然該技術(shù)的難度較高.但是已經(jīng)開始逐漸應(yīng)用到無人機避障技術(shù)中來。
電子地圖則是借助GPS系統(tǒng)、細粒度的數(shù)字高程地圖和城市建筑3D地圖，比較適用于無人機的禁區(qū)功能，不僅可以避免重要建筑物受到撞擊，還可實現(xiàn)多種情況下的避障功能。
在看過基本的障礙物測量原理之后，我們可以繼續(xù)看無人機的避障功能，最簡單的概況就是通過各項障礙物測量技術(shù)，來保障無人機與障礙物之間的距離并且根據(jù)距離實行下一步的飛行計劃，然而在遇到障礙物之后就保持距離并進行等待,只能說是無人機避障功能的最初級階段。
繞過障礙階段
當無人機遇到障礙物之后進行懸停等待，等待已經(jīng)完全不能滿足操作者們的使用需求目標,但是獲取前方障礙物距離容易，獲取精準的障礙物輪廓并繞過去卻是新的技術(shù)障礙，而關(guān)鍵點則如何精確獲得障礙物的深度圖像。
在自然界中,動物們都知道前方遇到障礙物時該如何繞過去,而不是只在障礙物之前等待,而原因在于動物們可以知道障礙物的大致輪廓,只要找到邊緣處所在,就可以從邊上繞過去,然而看似簡單的做法卻包含著很深的套路。
很簡單的就是目前的測障技術(shù)很難滿足障礙物輪廓獲取的需求,當無人機采用超聲波進行測距時,只能大致測出前方的距離,只能獲得二維的數(shù)值，而非三維的畫面。
但是目前的TOF和雙目視覺技術(shù)則是聲稱可以獲得障礙物深度圖像的技術(shù)。也就是說利用這兩種技術(shù)來進行障礙物距離測量,只要障礙物沒有充滿整個視覺范圍,其邊緣總會被獲取到,而無人機則可以根據(jù)測量的結(jié)果繼續(xù)選擇下一步的飛行路線。
看似問題已經(jīng)解決，其實不然。舉例來說，當我們出門想到達一個目的地的時候，如果目的地前方有一座高樓，我們可以通過發(fā)現(xiàn)高樓的邊緣從而繞過它來到達目的地,但是我們不可預(yù)知的是高樓背后是否有其他的建筑物的存在。無人機也是如此，一旦障礙物之后的近距離還有障礙物的存在，那么依然存在較高的事故發(fā)生率。因此如何應(yīng)對多重障礙物的存在就成為了無人機避障技術(shù)下一步需要探討的對象。
場景建模和路徑探索
上文說到無人機的避障功能已經(jīng)需要一個可以應(yīng)對多重障礙物的技術(shù)出現(xiàn)，也就是說在目前的技術(shù)中,如何對飛行場景進行精準建模,實時獲取場景模型,并通過飛控來設(shè)置最優(yōu)避障飛行路徑是重點,這也拉開了無人機避障功能中的場景建模和路徑搜索階段的帷幕。
其實就是基于電子地圖等來源獲取場景模型,利用機載計算機中的算法來得出最優(yōu)路徑,如果應(yīng)用在自然界中來說,就是當動物經(jīng)過一些障礙物時，它們的大腦里面會存在相關(guān)場景的一個地圖,當再一次經(jīng)過的時候，就會根據(jù)上次記憶的場景模型來獲取最佳避障路線。無人機雖然不能通過兩次飛行去獲取記憶的場景模型,但是它可以通過其他的科技手段來獲取,也就是說飛行場地的3D地圖等。
基于該項理論的基礎(chǔ)上，卓翼智能聯(lián)合北航專業(yè)視覺導(dǎo)航團隊研發(fā)出，基于機器視覺無人平臺自主導(dǎo)航避障系統(tǒng)，具有立體視覺、運動估計、稠密重建、Slam導(dǎo)航、路徑規(guī)劃、自主避礙等功能。
?