浅析无人机自动避障系统

随着无人机技术的发展, 无人机广泛应用于军事和民用的各个领域, 自主飞行控制及避障能力是保障无人机安全飞行的前提条件, 因此自动避障成了无人机自动化或智能化的关键所在。

所谓无人机“自动避障”系统 (Obstacle Avoidance) , 就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。目前主要的无人机自动避障系统包括超声波、TOF、视觉图像复合型技术三种。

超声波技术的原理类似蝙蝠识别障碍物, 蝙蝠通过其口腔中的特殊构造来发出超声波, 当超声波遇到障碍或者猎物时就会被反射回蝙蝠的听觉接收系统。依靠这种测距的方法辨别障碍, 规划路线。

超声波是最简单的测距系统, 其技术成本低, 操作方便, 目前很多无人机的避障技术都来源于它, 在无人机上加装定向的超声波发射和接收器, 然后将其接入飞控系统。但是, 超声波在无人机避障系统的应用中存在比较明显的干扰问题, 虽然超声波避障系统不会受到光线、粉尘、烟雾的影响, 但会受到声波的干扰。另外, 如果物体表面反射超声波的能力不足, 避障系统的有效距离也会降低, 安全隐患会显著提高。一般来说, 超声波的有效距离是5m, 对应的反射物体材质也有限制, 如果材质不是平面光滑的固体物, 超声波的反射和接收就会出问题。

对于无人机来说, 超声波系统需要放在多个方向, 如果放在前后左右4个方向, 可以在悬停和飞行时对周围保持监控;而放在机身下方和上方, 则可以在起飞、下降以及降落时避免速度太快碰到障碍物或者地面。

TOF是Time of flight的简写, 直译为飞行时间, 工作原理如图1所示。TOF是通过给目标连续发送光脉冲, 然后用传感器接收从物体返回的光脉冲, 通过探测光脉冲的往返时间或相位差来得到目标物距离。

光波和超声波类似, 也会受到干扰, 这给TOF避障系统带来了难题, 系统发出的光, 必须避开太阳光的主要能量波段, 从而避免太阳光的直射、反射等对避障系统造成干扰。

图1 TOF技术工作原理框图

目前, TOF测量距离最大可以到10m, 如果有强光干扰只能到5m。在悬停状态下, TOF系统会一直保持快速旋转, 每秒钟旋转2~5圈, 在旋转的过程中, 系统就可以完成对周围有效半径内的360°范围的快速扫描, 从而用较快的速度发现障碍, 然后对飞控系统发出调整位置的指令, 避免对周围的人或财物造成伤害;在飞行的过程中, TOF系统会停止旋转, 只把光发射到前进的方向上。固定方向时, 其有效距离可以到 (8~10) m。对于一般无人机来说, 飞行速度大概为10m/s, 因此检测到障碍物之后有1s的反应时间, 无人机可以用一个较大的加速度来停止前进。

零度公司的Xplorer 2无人机, 采用的便是TOF测距方案。该无人机上的“蘑菇头”就是自动避障模块, 该避障模块可以实现在6m有效避障距离内, 以每秒50次的速率实现360°全方位扫描。

视觉图像复合型技术随着移动芯片的运算能力的飞跃而越来越成为无人机避障首选。通过高清摄像机拍摄帧速和分辨率足够高的图像, 借助一颗足够小而性能强大的处理器, 分析每一帧图像中是否存在障碍物。可以在前方、后方、左方、右方和下方5个方向上进行障碍识别, 而识别的机制分为两个部分, 分别是超声波和机器视觉。也就是说, 除了常规的超声波模块以外, 5个方向上还专门放置了摄像头用于获取视觉图像, 然后直接传输到机载的处理器进行计算处理。

这种复合型避障系统相比前两种模式来说技术含量更高一些, 在工作效率上也有一定的优势。超声波与机器视觉加起来, 几乎可以在任何照度下对多种材质进行较好的识别, 从而对无人机在光照条件较差的环境下的飞行提供更好的指导, 识别的有效范围可以显著提升, 准确度往往可以达到厘米级。

目前, 大多数最新无人机自动避障系统多采用视觉图像复合型技术, 本文对两种主要的视觉图像复合型技术Realsense和Guidance作一个分析和对比。

Realsense的技术原理是采用“主动立体成像原理”, 模仿了人眼的“视差原理”, 通过打出一束红外光, 以左红外传感器和右红外传感器追踪这束光的位置, 然后用三角定位原理来计算出3D图像中的“深度”信息。通过配有深度传感器和全1080p彩色镜头, 能够精确识别手势动作、面部特征、前景和背景, 进而让设备理解人的动作和情感, Realsense的有效测距可达10m。

Realsense属于“单目+结构光”, 即单个摄像头加结构光发射器构成深度摄像头。昊翔Typhoon H采用的是Realsense自动避障系统。

如图2所示, 双目测距原理就像人类的两只眼睛, 看到的图像不一样。在同一个点, 两只眼睛看到的两张图像存在差异, 而通过三角测距可以测出这个点的距离。

大疆的智能避障系统Guidance就是基于此项技术而开发的。在Guidance系统的前、后、左、右、下五个方向都有专门进行障碍识别的摄像头, 识别机制也有超声波和图像视觉两种。大疆精灵Phantom 4采用了双目避障, 沿用了Guidance的核心算法, 能够识别最近0.7m、最远15m的障碍物, 水平视角为60°, 垂直视角为30°。双目视觉的优势体现在远距离, 双目视觉能保证三维精准信息, 比如远处的两座山能看出一个近一个远。

图2 双目视觉系统原理图

所有的光学测距除了TOF以外都是三角测距。双目测距是基础, 但双目测距的困难在于寻找同名点, 这个是计算量很大的工作, 所以Realsense采用“单目+结构光”的方式, 先打一个结构光出去, 然后把一个摄像头去掉, 结构光那个图像是已知的, 也就是说其中一个图像是明确知道的, 那么另外一个摄像头拍到的图像就很容易把这个同名点找出来, 然后再计算其中的差异, 这样就可以测距了, 这是结构光测距原理。它的运算量会小很多, 因为双目的运算复杂度太大了。不过结构光是主动视觉, 前提是需要补光, 因为我们打出了一束光。为了安全这束光不能太强, 如果环境很亮, 这个光点就很难找, 所以结构光一般不适合室外的环境, 它适合室内的环境, 尤其是越暗的情况下, 越容易找到这些点。而双目视觉是被动视觉, 所以外界的光越强图像就越清晰, 所以说双目视觉比较适合室外的环境。

大疆比较创新的一点是, 在室内它的双目视觉会弱一些的时候, 恰好可以使用超声波, 然后在室外双目视觉运算量太大了, 总会有漏掉的部分, 这时超声波也可以作为补充。超声波的特点是测距离很准确, 但是不能形成各个点之间的深度信息, 它只能测一个大概的距离。举例来说, 车上的雷达都是超声的, 它告诉你某个方向有障碍物, 但是它不能告诉你哪个点有障碍物, 而用双目视觉或结构光可以测出哪个点的深度信息。所以, 超声一般用来避障, 它不适合室内机器人的导航。而无人机在室外主要就是避障, 比如只要知道前方有树就行了。然而在室内, 有人用来定高, 因为无人机要悬停, 而GPS在室内的信号比较弱。

通过对目前主要无人机自动避障技术的分析, 可以看出无人机自动避障技术都是采用在线测量的方式, 实时获取无人机周围或者飞行方向的障碍物情况, 实时测量障碍物的边缘或三维轮廓, 规划避让路线, 实现自动避障功能, 保障无人机的飞行安全。随着无人机技术的进一步发展, 多技术结合的避障技术必将随着处理器的飞跃和硬件制造的成长发挥出更大的效用, 为无人机应用提供更安全的保障。