无人机感知避障技术研究进展

陈阳明，何剑钟

航空工业直升机设计研究所

随着无人机技术的发展，低空飞行的无人机日益增多，其安全性变得更加严峻，无人机的感知避障技术随之成为全球无人机领域的研究热点之一。本文介绍了感知避障技术的原理，归纳了常用的感知避障方法，并简要阐述了无人机感知避障技术的研究进展，对未来无人机感知避障技术的发展趋势进行了展望。

无人机是利用遥控或自动驾驶程序控制的飞行器，能在无人驾驶的条件下完成复杂空中飞行任务和各种负载任务，可以被看作是“空中机器人”。进入新世纪，科学技术的进步带动着无人机技术的井喷式发展，无人机已经在当今社会的各行各业展现出自身的应用潜力。越来越多的无人机进入低空区域工作，开展灾害搜求、侦察航拍、城市测绘保障、电力输电线巡检、低空货运等任务。由于低空区域环境复杂，存在着多种不确定因素。因此，如何保证无人机在飞行过程躲避障碍物，这已经成为无人机在低空环境下安全飞行的关键。

早期的无人机主要集中应用于军事领域，由于高空环境相对稳定，军用无人机在高空飞行时很少碰到障碍物。而随着低空区域的放开，无人机在低空飞行时，由于低空区域存在高楼、电线杆、树木等不确定性的障碍物，现有的避障方法难以有效应对低空状态的避障。

其主要原因在于：现有的感知避障技术主要是面向中高空稳定环境的防碰撞控制算法，侧重于应对事先预料到的简单避障情形。但低空环境威胁多、障碍物复杂多样，难以事先预知障碍物的形状、大小等，使得现有感知避障技术很难保证无人机在低空环境下的安全飞行。为此，通过参考昆虫、鸟类等在复杂障碍环境中规避碰撞的能力，结合智能感知、无人机控制的相关知识，研究了一系列的低空无人机感知避障控制方法。

感知避障技术的简介

感知避障系统是无人机顺利完成飞行任务的重要安全保障，很大程度上反映了无人机的智能化水平。对于自动避障系统，它需具备准确、实时应激性，在无人机的飞行过程中实时监控外部环境，及时发现障碍物，根据障碍物信息实时规划路径，实现无人机的自动避障功能。

图1 无人机避开障碍物后再回到原先设定的航线。

感知避障技术的原理

对于无人机的感知避障技术，其主要原理：在无人机上挂装各类探测传感器（如雷达、红外、超声波测距仪等），通过传感器实时获取环境中的障碍物信息，并结合当前无人机本身的飞行状态信息（姿态，速度，位置等），然后对这两类信息进行有效的处理判断，根据处理的结果对无人机进行航迹规划，使得无人机在飞行中避开障碍物，最后当无人机避开障碍物后再控制其回到原先设定的航线中，继续执行后续任务。具体原理如图2所示。

图2 无人机感知避障技术原理。

除此之外，由于无人机通常具有较大的飞行速度，可能存在无人机已经感知到了障碍物，但却来不及做出反应，导致无人机避障失败。所以，无人机不仅应具备在近距离有识别障碍物的功能，还应具备对远距离障碍物的预警功能。

为了实现无人机在低空区域飞行时对环境中的障碍物具备预警、识别乃至主动避开障碍物的功能，主要有以下技术难点需要得到解决：第一，无人机自主避障系统对低空环境中障碍物的有效识别和预警，即通过避障系统上安装的传感器能准确及时地获取障碍物的相关信息（空间位置、尺寸等）；第二，无人机如何能够根据实时获取到的障碍物信息，合理地对自身进行航迹规划，高效快速的规避障碍物。

感知避障技术的分类

常见的无人机感知避障技术可分为主动式避障、被动式避障和复合式避障。

通过机载传感器主动向外界发射信号，接收障碍物反射的信号来完成对外部环境的感知，这种避障方式称为主动式避障。常见的主动式避障系统有基于超声波、红外、激光、雷达等传感器进行环境感知的系统。

而机体不主动向外界发送信号，通过传感器直接采集环境中光、热、红外等信息来完成对外部环境的感知，这种方式称为被动式避障系统，基于视觉的避障系统就是典型的被动式避障系统。

复合型避障系统集成了主动式与被动式避障手段，将主动式避障方法与被动式避障方法相结合。相对于使用单一传感器的避障系统，复合式避障系统更加复杂，采集到的信息比较多，需要我们对不同传感器采集到的障碍信息进行筛选识别、信息融合等。下面根据避障原理的不同，简单介绍一下几种不同的无人机感知避障技术。

（1）超声波测距

图3 无人机利用各种传感器感知外界环境。

超声波测距是一种被广泛应用的距离感知方法。其原理是通过发射波与被物体反射的回波之间的时间差来计算出目标与无人机的距离。基于超声波探测系统的信号处理简单，实时性高，成本低，穿透性好。但由于超声波在介质中传播会衰减，且如果障碍物表面吸收超声波的能力强，则会影响测距精度进而对避障系统造成很大的影响；此外，超声波模块的抗震能力较差，如果无人机上没有减震模块的话，会严重影响其测距精度从而影响避障效果。因此超声波只适用于低成本、短距离的小型无人机避障情形。

（2）红外测距

红外测距的原理与超声波类似，通过发射波与接收波的时间差测量目标的距离，不过其发射的为红外光线。红外测距的技术比较成熟、成本较低、精度较高，但是其测距范围小，在雨雾、强光的环境下测距效果会大大折扣，故在无人机上的应用比较少。目前，有植保无人机为了满足夜间作业的需要搭载了红外避障系统，在夜间作业时接收外界反射的红外光线，从而达到夜间成像的目的，实现无人机在夜间避障的功能。

（3）雷达探测

雷达测距也是一种常规的测距方式。较超声波测距与红外测距而言，雷达测距方法的优势在于能够更高精度的获得障碍物运动状态与位置信息，适用于雨、雪、雾等复杂的全天候环境。但雷达的重量偏大，成本也较高，不适用于小型无人机，但可将其作为大型无人机、无人直升机避障系统的主要传感器。

（4）结构光探测

结构光（Structured Light）探测是以光学手段为主要技术支撑的主动式测绘技术。基本原理为由结构光投射器向近距离场景投射可控制光点、光条或光面结构，并由图像传感器捕获经过场景调制的图像，通过光学测量系统的几何关系与经典的三角测量原理还原出场景的三维信息，进而判断无人机的周围是否有障碍物，实现对障碍物的探测。但光波容易受到城市楼宇光、太阳光、强光灯等的干扰。

（5）视觉感知

图4 预先规划无人机的航线。

视觉感知是利用摄像头作为传感器获取场景中的图像信息，利用图像分析、识别、跟踪等处理算法获取障碍物的详细信息，为无人机提供避障依据。目前基于视觉的障碍物检测方法主要有基于目标特征的检测方法、基于光流法的检测方法和基于立体视觉的检测方法。相较于主动式避障方案，视觉避障系统不受电磁干扰影响，能够更加准确的获取障碍物信息，但也存在信息处理复杂、实时性不高、易受光照影响等缺点。

无人机感知避障技术的研究现状

无人机感知避障技术的研究是近年来国内外关注的一个热点。对于无人机的感知避障技术，主要包括感知与规避两个方面。感知研究的是如何保证无人机及时准确地获取可能存在的碰撞威胁，规避研究的是如何控制无人机躲避可能发生的碰撞。

国外研究情况

国外在无人机本身以及无人机的避障方法领域已经发展的较为成熟，所掌握的技术水平也较高。

舍雷尔（Scherer）使用激光测距仪作为导航系统核心模块，实现了对低空环境障碍物的检测。

美国因特尔公司（Intel）的团队借助360°全景4K视觉传感器和感应球开发的避障系统，能让无人机在跟踪人行走的同时避开环境中的障碍物。

阿利斯塔·摩西（Allistair Moses）等人研究了小型旋翼机（直径710mm）的避障技术，开发了安装有X波段雷达的体积小、重量轻的旋翼无人机感知避障系统。并做了进一步研究，证明雷达能够用于更大型无人直升机的感知避障。

瓦塔纳贝（Watanabe）提出了一种基于单目视觉的无人机导航系统，应用扩展卡尔曼滤波器（EKF）对障碍物的相对位置进行估计。

拉姆·普拉萨德·帕迪（Ram Prasad Padhy）等人提出了一个无人机自主导航和防撞模型，基于单目视觉实现了无人在室内走廊的半自主飞行。

扎弗里（Zufferey）等人采用了机器视觉中经典的光流法对相机视场范围内的障碍物进行感知，验证了基于视觉传感导航系统的可行性。

卡里洛·L·R·G（Carrillo LRG）等人结合视觉和惯性导航系统的优点，研究了一套基于视觉和惯性导航的能够在未知环境下自主起飞、定位、导航和着陆的无人机系统。

麻省理工学院设计了一套多传感器融合的导航系统方案，包括激光测距仪、双目立体视觉系统、IMU。该导航系统帮助四旋翼无人机在室内环境中实现自主飞行定位与避险避障。

斯特凡尼克（Stefanik）设计了一种以立体视觉系统为主，结合 IMU、GPS的传感系统，可近似实时的生成三维地形图，实现无人机的自主避障。

国内研究情况

国内关于无人机自主避障方面的研究虽然起步较晚，但是在无人机自主避障方面已经有大量的研究工作。

刘俍等人将毫米波雷达安装在无人直升机，实现了对高压线的探测分辨，提升了无人直升机在低空飞行的安全性。

广东电网公司电力科学研究院王柯等发明了一种无人机避障系统，该系统可装在小型无人机上，实现无人机的避障。

余小欢等人针对微型无人机在室内飞行的场景，利用双目视觉的方法构建出三维地图，用于指引无人机的飞行。

张午阳等人研究了基于深度学习的无人机单目视觉避障方法，该方法可实现无人机低速条件下的避障。

西安电子科技大学的陈洪攀研究了基于毫米波雷达与单目视觉融合的无人机自主避障系统，通过自主避障飞行实验初步验证了该系统的可行性。

电子科技大学的任耀庭基于超声波和图像信息融合的方法，实现了无人机的高精度避障功能。

北京理工大学的何守印研究了融合了双目CCD、2D激光雷达、超声雷达、机载IMU和GPS等多种感知探测、定位导航传感器的四旋翼避障无人机，能够满足室内室外、城市野外等不同尺度环境空间的无人机自主避障飞行要求，为智能化无人机在军事领域的反恐、巷战、战场情报探测、以及民用领域的包裹投递、电力巡检、灾情巡视等提供了实用平台。

无人机感知避障技术的发展趋势

图5 国内外有关无人机感知避障的智能化、实时性是主流研究课题。

目前国内外有关感知避障的无人机研究中，智能化、实时性是主流研究课题。但由于涉及的技术较多，对于性能优良的智能感知避障无人机仍然处于探索阶段。首先，对于未知、复杂三维环境下障碍物的感知能力较差，由于复杂环境下的障碍物数量多、三维分布复杂，现有的感知识别算法不能准确识别出障碍物信息。其次，对于无人机感知到障碍物后避障路径的规划问题，现有的避障路径规划算法存在路径规划不平滑、实时性差等缺点，不能实现无人机的最优避障。因此，为了实现无人机的精确感知避障功能，未来还需在以下关键技术上取得不断改进和重大突破。

复杂环境下障碍物的精确识别算法

对于如何实现无人机准确实时的感知功能，特别是对于树木、电线、鸟类、其他飞行器等状态复杂的不可控障碍物。后续研究的环境感知算法能够准确的对三维环境中障碍物的感知，环境模型构造算法能够根据采集到的障碍物信息进行三维环境重构，准确获取环境中的障碍物形状、大小、空间分布等信息，为避障路径规划提供输入。此外，对于运动中的障碍物，在三维环境重构时还需预测出障碍物的运动轨迹，防止无人机在规避过程中与运动的障碍物发生碰撞。

高效最优的避障路径规划算法

对于无人机如何实现高效最优的避障功能，未来研究的路径规划算法需根据无人机感知到障碍物时自身的姿态信息（位置、速度、加速度等参数），考虑运动学约束，使无人机沿合力梯度方向调整其飞行航线，保证无人机能够快速准确的规避障碍物，并能及时返回原先飞行航线上继续完成后续任务。

对于复杂环境还得实现无人机的三维路径规划功能。当环境中同时存在好几个障碍物时，需根据各个障碍物在空间中的分布情况，通过三维避障路径规划算法，寻找障碍物之间的空隙作为无人机避障的航迹路线，并根据飞行约束条件，使得无人机的避障航迹路线更加圆滑，实现无人机在复杂环境下的高效避障。

基于深度学习的无人机智能避障

近年来，人工智能、深度学习的技术迅速发展。深度学习技术目前主要应用于机器人的识别、避障方面，对于无人机避障方面的应用较少。后续可考虑将深度学习的技术应用于无人机的感知避障，通过训练模型精确识别出不同种类的障碍物，通过深度学习算法实现无人机良好的避障路径规划功能，提升无人机的避障性能。

应用于军用无人机低空作战的避障技术

随着科学技术的发展，在未来高科技战争中，军事装备越来越向智能化、无人化方向发展。军用无人机——智能化、无人化武器装备的主要代表之一，在未来的战争中必将发挥主导作用。但由于现如今对于军用无人机在低空环境下的感知避障系统研究较少，导致军用无人机在低空环境的作战能力还有所欠缺。未来需针对军用无人机平台，研究适用于军用无人机的感知避障系统，在保证军用无人机一定飞行速度的条件下，使其具备自主感知与规避能力，避免在低空作战过程与障碍物发生碰撞。

结束语

无人机的感知避障技术是支撑无人机进入低空飞行的重要保障，也是现如今无人机研究课题的关键领域之一。这是一门新兴的多学科技术综合方法，涉及到环境感知、多传感器数据融合、环境构建、无人机自主导航控制、路径规划、轨迹精确跟踪等诸多技术，未来对于无人机的感知避障技术还需进行更加深入的研究。■