- 您好，
- 歡迎訪問(wèn)無(wú)人機(jī)網(wǎng)（www.hldxsj.cn)!
-
- 消息0
- 請(qǐng)登錄
- 免費(fèi)注冊(cè)
-
微信號(hào):youuav
關(guān)注官方微信
m.youuav.com手機(jī)掃碼看新聞
-
- 求購(gòu)
- 發(fā)布求購(gòu)
- 管理求購(gòu)
- 添加收藏
- 關(guān)于我們
無(wú)人機(jī)整機(jī)
無(wú)人機(jī)配件
無(wú)人機(jī)服務(wù)
設(shè)備與工具
圖4 分散化多機(jī)協(xié)同控制系統(tǒng)結(jié)構(gòu)
無(wú)人機(jī)的自主導(dǎo)航是指無(wú)人機(jī)安全地從一個(gè)地點(diǎn)移動(dòng)到另一個(gè)地點(diǎn)的過(guò)程。從技術(shù)層面可以分解成四個(gè)基本問(wèn)題：
1、 What does the environment look like? 無(wú)人機(jī)必須知道環(huán)境的地圖，才能在地圖中找到路徑。無(wú)人機(jī)確定環(huán)境的過(guò)程稱為地圖創(chuàng)建。
2、 Where am I? 無(wú)人機(jī)確定當(dāng)前運(yùn)動(dòng)狀態(tài)的過(guò)程叫做定位。
3、 Where am I going? 無(wú)人機(jī)在環(huán)境中確定下一個(gè)運(yùn)動(dòng)目標(biāo)位置的過(guò)程稱為運(yùn)動(dòng)決策。
4、 How do I get there? 在知道起點(diǎn)和終點(diǎn)的情況下，無(wú)人機(jī)規(guī)劃如何到達(dá)目標(biāo)的方法被稱為運(yùn)動(dòng)規(guī)劃。
無(wú)人機(jī)在未知復(fù)雜環(huán)境中的自主飛行問(wèn)題主要有兩個(gè)難點(diǎn)，一方面環(huán)境中存在不利于飛行控制的外部干擾，另一方面無(wú)人機(jī)缺少對(duì)環(huán)境的先驗(yàn)信息，需要在運(yùn)動(dòng)過(guò)程中建立環(huán)境地圖以滿足位姿估計(jì)和運(yùn)動(dòng)規(guī)劃的需要。此時(shí)，上述幾個(gè)問(wèn)題將彼此關(guān)聯(lián)，構(gòu)成一個(gè)整體。其中定位與地圖創(chuàng)建是自主導(dǎo)航中最基本的問(wèn)題。依賴于具有足夠精度的環(huán)境地圖，而創(chuàng)建地圖又以準(zhǔn)確定位為基礎(chǔ)。因此，定位與地圖創(chuàng)建彼此依賴、不可分離，是未知環(huán)境自主導(dǎo)航中的“雞和蛋”的問(wèn)題。為此，研究人員在機(jī)器人科學(xué)中針對(duì)未知環(huán)境的導(dǎo)航問(wèn)題提出了同時(shí)定位與地圖創(chuàng)建（Simultaneous Localization And Mapping，SLAM）概念。為了獲得全局一致的運(yùn)動(dòng)狀態(tài)和題圖估計(jì)，SLAM算法往往計(jì)算緩慢，無(wú)法滿足無(wú)人機(jī)飛行控制中狀態(tài)反饋的需要。因此在實(shí)際應(yīng)用中，SLAM算法需要與高輸出頻率的快速運(yùn)動(dòng)增量估計(jì)方法（或稱局部位姿估計(jì)方法）相結(jié)合。針對(duì)未知環(huán)境探索的任務(wù)，運(yùn)動(dòng)決策和運(yùn)動(dòng)規(guī)劃問(wèn)題關(guān)系緊密，可予以合并。此外，控制系統(tǒng)受到環(huán)境中的位置擾動(dòng)影響，需要研究無(wú)人機(jī)在存在外部干擾情況下的控制問(wèn)題。
如圖5，以系統(tǒng)框圖形式描述了無(wú)人機(jī)在未知復(fù)雜環(huán)境中自主導(dǎo)航和飛行控制問(wèn)題的整體框架?？蚣馨鍌€(gè)主要部分：姿態(tài)控制、快速導(dǎo)航方法、SLAM算法、運(yùn)動(dòng)決策與規(guī)劃以及軌跡跟蹤，上述五個(gè)部分構(gòu)成一個(gè)完整回路。其中快速導(dǎo)航方法根據(jù)傳感器獲得的無(wú)人機(jī)運(yùn)動(dòng)相關(guān)信息和環(huán)境信息估計(jì)運(yùn)動(dòng)增量，SLAM算法在此基礎(chǔ)上計(jì)算全局狀態(tài)和地圖。兩種估計(jì)方法通過(guò)簡(jiǎn)單的坐標(biāo)變換即可得到以較高頻率輸出的全局運(yùn)動(dòng)狀態(tài)估計(jì)。根據(jù)未知環(huán)境自主探索的任務(wù)要求設(shè)計(jì)合理的運(yùn)動(dòng)決策與規(guī)劃方法，輸出期望運(yùn)動(dòng)路徑。然后針對(duì)無(wú)人機(jī)的運(yùn)動(dòng)特點(diǎn)，以軌跡跟蹤的方法計(jì)算期望姿態(tài)，再通過(guò)高精度的姿態(tài)控制方法解決包含未知擾動(dòng)的無(wú)人機(jī)姿態(tài)控制問(wèn)題。
圖5 無(wú)人機(jī)在未知環(huán)境中自主導(dǎo)航和飛行控制問(wèn)題的方法框圖
無(wú)人機(jī)的自主導(dǎo)航和控制問(wèn)題涉及的技術(shù)領(lǐng)域很廣，需要對(duì)以下問(wèn)題進(jìn)行研究：
無(wú)人機(jī)是一個(gè)非線性、欠驅(qū)動(dòng)的被控制對(duì)象，飛控控制有四個(gè)研究難點(diǎn)：建模困難，欠驅(qū)動(dòng)性，強(qiáng)耦合特性，易受外界干擾。因此雖然很多研究人員都已經(jīng)開發(fā)了無(wú)人機(jī)的飛行控制系統(tǒng)，其控制算法的研究仍然是研究的熱點(diǎn)。除了經(jīng)典的比例積分微分（Proportional-Integral-Derivative，PID）算法外，反步法，現(xiàn)行二次優(yōu)化控制方法和滑模控制方法都在無(wú)人機(jī)姿態(tài)控制系統(tǒng)設(shè)計(jì)中有所應(yīng)用，且獲得了比較好的控制效果。無(wú)人機(jī)是一個(gè)非冗余系統(tǒng)，容易受到例如風(fēng)和執(zhí)行機(jī)構(gòu)故障等內(nèi)部擾動(dòng)的影響。無(wú)人機(jī)穩(wěn)定懸?？刂?，姿態(tài)控制器和對(duì)位置姿態(tài)擾動(dòng)的魯棒性都需要進(jìn)行驗(yàn)證糾正。
VIO（visual-inertial odometry）即視覺慣性里程計(jì)，有時(shí)也叫視覺慣性系統(tǒng)（VINS，visual-inertial system），是融合相機(jī)和IMU數(shù)據(jù)實(shí)現(xiàn)SLAM的算法，根據(jù)融合框架的區(qū)別又分為緊耦合和松耦合，松耦合中視覺運(yùn)動(dòng)估計(jì)和慣導(dǎo)運(yùn)動(dòng)估計(jì)系統(tǒng)是兩個(gè)獨(dú)立的模塊，將每個(gè)模塊的輸出結(jié)果進(jìn)行融合，而緊耦合則是使用兩個(gè)傳感器的原始數(shù)據(jù)共同估計(jì)一組變量，傳感器噪聲也是相互影響的，緊耦合算法上比較復(fù)雜，但充分利用了傳感器數(shù)據(jù)，可以實(shí)現(xiàn)更好的效果，是目前研究的重點(diǎn)。對(duì)運(yùn)動(dòng)的估計(jì)量需要一個(gè)第三方工具測(cè)量其算法的準(zhǔn)確性。
和其他自主運(yùn)動(dòng)系統(tǒng)一樣，無(wú)人機(jī)的運(yùn)動(dòng)規(guī)劃問(wèn)題一直是研究重點(diǎn)。無(wú)人機(jī)因其垂直起降和懸停能力，可以跟蹤平滑以及某些不平滑的三維軌跡，是非常理想的通用三維運(yùn)動(dòng)規(guī)劃算法驗(yàn)證平臺(tái)。通過(guò)水平掃描環(huán)繞的方式規(guī)劃無(wú)人機(jī)的運(yùn)動(dòng)使其能完全掃描全部曲面；對(duì)有界不確定性線性系統(tǒng)漸進(jìn)最優(yōu)化的算法的研究；在滿足高斯分布假設(shè)的非線性系統(tǒng)中獲得概率可行路徑解，對(duì)于無(wú)邊界強(qiáng)不確定性的算法的研究。用一系列帶有時(shí)間延遲的路徑點(diǎn)描述路徑，根據(jù)飛行參數(shù)計(jì)算各路徑點(diǎn)之間的控制輸入，通過(guò)規(guī)劃無(wú)人機(jī)的三種動(dòng)作形成動(dòng)作序列實(shí)現(xiàn)協(xié)調(diào)轉(zhuǎn)彎。
無(wú)人機(jī)機(jī)構(gòu)簡(jiǎn)單且執(zhí)行機(jī)構(gòu)具有非冗余、低可靠性的特點(diǎn)，易受各種內(nèi)外部擾動(dòng)影響，因此其姿態(tài)控制的主要問(wèn)題在于在線擾動(dòng)抑制。以在線擾動(dòng)估計(jì)和主動(dòng)擾動(dòng)補(bǔ)償為基本結(jié)構(gòu)，擾動(dòng)抑制問(wèn)題已獲得了比較廣泛的研究，其中自抗擾控制（Active Disturbance Rejection Control， ADRC）方法提出了針對(duì)一般非線性系統(tǒng)的主動(dòng)補(bǔ)償控制結(jié)構(gòu)，具有很強(qiáng)的適用性。但是其擾動(dòng)觀測(cè)與擾動(dòng)補(bǔ)償包含共同的系數(shù)矩陣，不能完全解耦，不利于控制系統(tǒng)整定。另外應(yīng)用其方法結(jié)構(gòu)可以對(duì)不同模塊分別設(shè)計(jì)進(jìn)一步提升系統(tǒng)性能。在對(duì)無(wú)人機(jī)姿態(tài)控制自抗擾控制研究時(shí)，需要有一個(gè)第三方測(cè)量工具給予算法的驗(yàn)證與糾正。
在室內(nèi)無(wú)GPS環(huán)境下，無(wú)人機(jī)的狀態(tài)估計(jì)主要依賴于IMU和其他外部測(cè)量傳感器（光學(xué)動(dòng)捕系統(tǒng)等）組成的組合導(dǎo)航系統(tǒng)。由于高精度導(dǎo)航系統(tǒng)在完整系統(tǒng)設(shè)計(jì)中的基礎(chǔ)性重要作用，很多研究人員從多傳感器融合和多約束優(yōu)化等方面進(jìn)行了大量的導(dǎo)航理論和應(yīng)用研究，取得了大量的研究成果。但是以往研究的主要重點(diǎn)在于對(duì)傳感器數(shù)據(jù)的復(fù)雜處理，其中包含大量經(jīng)驗(yàn)性和試探性的工作，缺少適用性強(qiáng)的高精度算法框架。在室內(nèi)無(wú)GPS環(huán)境下無(wú)人機(jī)實(shí)現(xiàn)自主導(dǎo)航也成為了很多高校研究的課題，外部的測(cè)量工具在無(wú)人機(jī)的狀態(tài)估計(jì)起到了至關(guān)重要的作用。
SLAM算法主要分為3大部分：前端(又叫跟蹤或前端建圖，跟蹤又可以分成odometry loop closure)、后端、地圖創(chuàng)建。而SLAM算法按照傳感器的不同主要分為3大類：基于相機(jī)的SLAM算法、基于深度相機(jī)的SLAM算法、基于激光的SLAM算法。常用的傳感器有：?jiǎn)文肯鄼C(jī)、雙目/多目相機(jī)、全景相機(jī)、深度相機(jī)(RGB-D數(shù)據(jù))、2D轉(zhuǎn)軸雷達(dá)、可裝戴設(shè)備等。其中，激光SLAM研究較早，理論和工程均比較成熟。視覺方案目前尚處于實(shí)驗(yàn)室研究階段，極少看到實(shí)際產(chǎn)品應(yīng)用。
單目視覺SLAM算法存在一些本身框架無(wú)法克服的缺陷，首先是尺度的問(wèn)題，單目SLAM處理的圖像幀丟失了環(huán)境的深度信息，即使通過(guò)對(duì)極約束和三角化恢復(fù)了空間路標(biāo)點(diǎn)的三維信息，但是這個(gè)過(guò)程的深度恢復(fù)的刻度是任意的，并不是實(shí)際的物理尺度，導(dǎo)致的結(jié)果就是單目SLAM估計(jì)出的運(yùn)動(dòng)軌跡即使形狀吻合但是尺寸大小卻不是實(shí)際軌跡尺寸；由于基于視覺特征點(diǎn)進(jìn)行三角化的精度和幀間位移是有關(guān)系的，當(dāng)相機(jī)進(jìn)行近似旋轉(zhuǎn)運(yùn)動(dòng)的時(shí)候，三角化算法會(huì)退化導(dǎo)致特征點(diǎn)跟蹤丟失，同時(shí)視覺SLAM一般采取第一幀作為世界坐標(biāo)系，這樣估計(jì)出的位姿是相對(duì)于第一幀圖像的位姿，而不是相對(duì)于地球水平面 (世界坐標(biāo)系) 的位姿，后者卻是導(dǎo)航中真正需要的位姿，換言之，視覺方法估計(jì)的位姿不能和重力方向?qū)R。
經(jīng)過(guò)眾多領(lǐng)域的專家學(xué)者的不懈努力，SLAM問(wèn)題已經(jīng)獲得了基于狀態(tài)觀測(cè)器的完整解決方案。并在一些實(shí)際系統(tǒng)中得到了實(shí)驗(yàn)驗(yàn)證。麻省理工大學(xué)、卡內(nèi)基梅隆大學(xué)、賓夕法尼亞大學(xué)以及杜克大學(xué)等高校一直以來(lái)在SLAM問(wèn)題的研究中處于領(lǐng)先地位。其中一些重要的研究成果唄用作后續(xù)研究人員的評(píng)價(jià)基準(zhǔn)。國(guó)內(nèi)對(duì)SLAM問(wèn)題研究目前集中于國(guó)外先進(jìn)研究的復(fù)現(xiàn)，缺乏具有獨(dú)創(chuàng)性和實(shí)用型的研究成果。雖然SLAM問(wèn)題的基本算法研究較為成熟，但是大部分研究都是針對(duì)二維環(huán)境中的移動(dòng)機(jī)器人開展的，對(duì)三維環(huán)境的SLAM問(wèn)題算法復(fù)雜度將增大一個(gè)階次，嚴(yán)重影響算法計(jì)算速度，這也是現(xiàn)在三維SLAM問(wèn)題研究的難點(diǎn)。另外對(duì)SLAM問(wèn)題的研究大多將其當(dāng)作一個(gè)獨(dú)立系統(tǒng)進(jìn)行，實(shí)際上一個(gè)運(yùn)動(dòng)系統(tǒng)的定位和地圖建立不應(yīng)該是一個(gè)任務(wù)的全部目的，而應(yīng)該以具體的任務(wù)為目的進(jìn)行相應(yīng)的SLAM算法研究。在SLAM算法研究中需要外部的測(cè)量工具對(duì)其進(jìn)行運(yùn)動(dòng)規(guī)劃。
圖6 SLAM原理圖
未知環(huán)境的綜合探索問(wèn)題從最早的運(yùn)動(dòng)規(guī)劃問(wèn)題出發(fā)，逐漸與SLAM相結(jié)合，演變?yōu)榘ㄒ?guī)劃、導(dǎo)航、控制在內(nèi)的自主運(yùn)動(dòng)系統(tǒng)的綜合性問(wèn)題。近幾年借助于SLAM問(wèn)題的研究熱度，也獲得了很高的關(guān)注。在早期基于便捷搜索的算法基礎(chǔ)上，二維環(huán)境的綜合探索問(wèn)題很快與SLAM問(wèn)題結(jié)合，并發(fā)展出基于信息增益的探索策略。但是信息增益的計(jì)算十分繁瑣，需要大量的迭代計(jì)算，難以實(shí)現(xiàn)。因此大部分將運(yùn)動(dòng)目標(biāo)點(diǎn)的決策和朝向目標(biāo)點(diǎn)的運(yùn)動(dòng)規(guī)劃解耦，僅以目標(biāo)點(diǎn)信息量選擇最優(yōu)目標(biāo)，而忽略了運(yùn)動(dòng)路徑上傳感器的信息增益。針對(duì)全路徑的信息優(yōu)化問(wèn)題仍需進(jìn)一步研究。
2025-08-26 13:48
2025-08-21 12:57
2025-08-19 12:55
2025-08-11 22:18
2025-08-09 13:51
2025-08-08 09:59
2025-08-08 09:57
2025-08-07 09:35
2025-08-05 16:54
2025-08-05 16:41
