無人機整機
無人機配件
無人機服務
設備與工具無人機傳感器最可靠的選擇之一是3D LiDAR。LiDAR精確，距離遠，即使在無照明和低能見度條件下也表現(xiàn)出良好的性能。但是，它們的成本相對較大，重量和尺寸相對較大。在許多實際應用中，部署一組無人機往往能夠更快地覆蓋更大的區(qū)域，但3D LiDAR的高成本顯著增加了這種無人機機隊的總體成本。相反，視覺相機價格便宜，體積小，重量輕，功耗低。視覺定位的無人機可能非常小，并且能夠通過非常狹窄的間隙飛行。這種無人機的整體價格遠低于配備大型3D LiDAR的無人機的價格。視覺自定位的使用也有其缺點，因為它在無紋理環(huán)境中會失去精度，并且其長期漂移比3D LiDAR更大。此外，使用運動方法結構的單目相機獲得的3D模型無法與使用3D LiDAR構建的地圖的準確性和質量相媲美，這對于在未知環(huán)境中進行制圖和規(guī)劃至關重要。
我們提出了一種協(xié)同導航方法，協(xié)同了兩種類型傳感器的優(yōu)點。我們?yōu)楫悩嬜灾鳠o人機團隊設計了一種協(xié)作導航架構（見圖1）。主無人機配備3D激光雷達，并利用激光雷達SLAM算法將自身定位在周圍環(huán)境中。輔助無人機攜帶單目視覺相機，并使用VIO方法進行自我定位。然后，主無人機獲得的3D LiDAR數(shù)據(jù)也用于輔助無人機的無標記相對定位。相對定位使主無人機能夠在其更準確、更可靠的激光雷達SLAM算法的參考系中引導副無人機。這種方法能夠建立一個機器人團隊，其中一個或多個配備3D LiDAR的大型無人機正在引導一個或多個配備微型攝像頭的無人機。
圖1 配備3D LiDAR的大型主無人機正在駕駛一架攜帶單目視覺相機的小型輔助無人機
所提出的合作導航和制導方法的框圖如圖2所示。主無人機根據(jù)LiDAR數(shù)據(jù)在環(huán)境中導航。同時，主無人機從LiDAR掃描中檢測輔助無人機并跟蹤其運動。輔助無人機的目標點可以由運行在主無人機上的更高級別的規(guī)劃算法生成，也可以由基于LiDAR數(shù)據(jù)的人類操作員生成。主無人機通過無線網(wǎng)絡向輔助無人機發(fā)送位置命令。主無人機和副無人機共同形成一個控制輔助無人機位置的反饋回路。
圖2 擬議的合作導航方法示意圖
所提出的合作導航方法的性能在利用Gazebo機器人模擬器的計算機模擬中得到了廣泛的評估。模擬在OpenRobotics的Urban 2 Story室內(nèi)環(huán)境中進行（見圖3）。主無人機攜帶模擬3D LiDAR，其參數(shù)與真實世界實驗評估中使用的參數(shù)相同。LiDAR數(shù)據(jù)既用于主無人機的閉環(huán)控制，也用于副無人機的相對定位。輔助無人機攜帶了一個帶有IMU的模擬魚眼攝像頭。VINS-Mono算法利用相機數(shù)據(jù)進行自我定位，從而用于輔助無人機的閉環(huán)控制。
圖3 無人機在模擬環(huán)境中飛行。主無人機遵循直線軌跡，同時引導輔助無人機完成周圍的矩形軌跡
在每次模擬中，主無人機都在直線軌跡上來回飛行。同時，主無人機引導輔助無人機飛過LiDAR SLAM框架中定義的航點，圍繞主無人機形成矩形軌跡。無人機的航向和高度在飛行過程中保持不變。在每次運行模擬期間，輔助無人機的任務是完成矩形軌跡10 次。無人機在其中一次模擬運行期間穿越的軌跡如圖 4 所示。
圖4 無人機在其中一次模擬中穿越的軌跡
實際實驗評估中使用的無人機平臺如圖5所示。主無人機建立在塔羅牌650框架上，搭載英特爾NUC 10i7FNK 機載計算機，配備英特爾酷睿i7 10710U CPU、16 GB RAM和Wi-Fi模塊。輔助無人機攜帶具有相同 CPU和RAM大小的英特爾NUC 10i7FNH。兩架無人機都攜帶Pixhawk 4 FCU，其中包含嵌入式姿態(tài)控制器和內(nèi)置IMU。主無人機搭載Ouster OS0-128 3D LiDAR。激光雷達具有360°水平和90° 垂直FOV。激光雷達以 10Hz 的速率進行掃描。掃描的分辨率為1024×覆蓋整個FOV的128光束。輔助無人機攜帶前置Bluefox MLC200Mc相機和DSL217魚眼鏡頭。攝像機剛性連接到ICM42688-P IMU。相機設置為以30Hz的速率以752×480分辨率生成圖像。VINS-Mono算法配置為以10Hz的速率處理圖像，以1000Hz的速率處理IMU。
圖5 實際實驗中使用的無人機平臺：（a）攜帶Ouster 3D LiDAR的主無人機，（b）帶有單目攝像頭的輔助無人機
在進行實際實驗驗證的過程中，所有算法都完全在無人機上運行，沒有使用外部定位系統(tǒng)。實驗在大型室內(nèi)競技場中進行，如圖1和圖6所示。在實際實驗中，輔助無人機的目標航向和高度在本地VIO幀中預定義。
圖6 障礙物之間飛行的實驗評估：主無人機引導輔助無人機穿過兩個矩形面板之間的間隙
無人機經(jīng)過的軌跡如圖7所示。在飛行過程中，主無人機不斷改變其位置、高度和航向。輔助無人機成功引導到目標位置。圖 8顯示了VIO和LiDAR相對定位輸出以及目標位置的比較。該圖還顯示了實驗過程中每個點隨時間推移計算的VIO和LiDAR輸出之間的3D距離。VIO輸出逐漸偏離LiDAR定位輸出。
圖7 兩架無人機移動的實驗中的無人機軌跡：主無人機將輔助無人機引導到由人類操作員提供并在LiDAR SLAM框架中定義的位置
圖8 VIO和LiDAR相對定位輸出的比較以及兩架無人機移動實驗中輔助無人機的目標位置
仿真和實際實驗都表明，LiDAR相對定位在精度方面優(yōu)于VIO自定位，因為它不受視覺自定位方法固有的有害因素的影響。相對定位成功地用于精確引導輔助無人機，即使主無人機正在移動并且靠近障礙物。在靠近障礙物的飛行中，VIO輸出偏離LiDAR位置超過1m（見圖9）。
圖9 無人機軌跡來自障礙物之間的飛行：主無人機引導輔助無人機穿過兩個矩形面板之間的間隙
3D LiDAR數(shù)據(jù)用于兩架無人機之間的無標記相對定位，以便在精確激光雷達SLAM的參考系中實現(xiàn)輔助無人機的精確引導。算法完全在無人機上運行，沒有外部定位基礎設施。與VIO輸出相比，LiDAR相對定位具有更高的精度，并成功證明了將輔助無人機引導到LiDAR SLAM參考系中定義的目標位置的能力。
源自：2022 International Conference on Unmanned Aircraft Systems (ICUAS) Dubrovnik, Croatia. June 21-24, 2022
2025-09-12 11:30
2025-09-11 10:41
2025-09-09 10:52
2025-09-04 21:58
2025-08-28 11:13
2025-08-27 14:14
2025-08-26 13:50
2025-08-23 20:37
2025-08-22 10:33
2025-08-18 14:20
