農用無人機避障技術的應用現狀及展望

蘭玉彬，王林琳，張亞莉

（1. 華南農業(yè)大學工程學院，廣州 510642；2. 國家精準農業(yè)航空施藥技術國際聯合研究中心，廣州 510642）

0 引 言

自2004年以來，中央一號文件連續(xù)14年聚焦“三農”問題，近四年的主題均與“加快推進農業(yè)現代化”有關，并明確提出“要加強農用航空建設”[1]?？萍疾亢娃r業(yè)部在“十二五”科研規(guī)劃中都將農業(yè)航空應用作為重要支持方向[2]。在黨的十九大報告中，習近平總書記首次提出了“實施鄉(xiāng)村振興戰(zhàn)略”，并提出要堅持農業(yè)農村優(yōu)先發(fā)展，加快推進農業(yè)農村現代化。

隨著中國農業(yè)現代化穩(wěn)步推進，農業(yè)生產對農業(yè)機械的需求日益增長，中國的農用航空器得到了快速發(fā)展。農用無人機是農用航空器的重要組成部分，是中國精準農業(yè)航空領域的一支新興力量。2016年農業(yè)部農機化司對全國31個省份（不含香港特別行政區(qū)、澳門特別行政區(qū)和臺灣?。┮约靶陆ㄔO兵團的植保無人飛機實際擁有量和作業(yè)情況進行了專項調查統(tǒng)計，結果表明：截止2016年6月30日，全國實際田間作業(yè)植保無人飛機擁有量為4 262架，其中，以電動多旋翼植保無人飛機為主；2015年全國農用植保無人飛機的作業(yè)面積達476 035.67 hm2[1]。

由于農用無人機起降操作靈活，作業(yè)效率高，防治效果好，經濟效益明顯，不但有利于資源節(jié)約與環(huán)境友好，且廣泛適用于地面機械難以耕作的農業(yè)區(qū)域[2-6]。因此，它在實踐推廣應用中已表現出明顯特點和優(yōu)勢。但作為新生事物，在安全系數的提高、作業(yè)流程的規(guī)范、管理機制的健全、數據信息的采集等方面，農用無人機的人工智能程度尚待完善與提高。

在2017年9月《農業(yè)部辦公廳財政部辦公廳中國民用航空局綜合司關于開展農機購置補貼引導植保無人飛機規(guī)范應用試點工作的通知》中，試點產品的技術條件首次明確指明：補貼機型需加裝避障系統(tǒng)軟件等，以期實現作業(yè)飛行可識別、可監(jiān)測、可追查。但農田作業(yè)環(huán)境復雜多變，病蟲害爆發(fā)期，尤其夜間作業(yè)或環(huán)境可視度低時，若主要依靠肉眼觀察判斷，作業(yè)受限因素多且危險性高，因此，實現障礙物的自主識別與有效回避將是農用無人機智能化發(fā)展的必然趨勢之一。

農用無人機避障技術指的是農用無人機能夠自主識別障礙物類型并完成指定避障動作的核心智能技術，理想的避障系統(tǒng)能夠自動地、及時地避開飛行路徑中出現的各類障礙物，避免因操作失誤、自主飛行失效或其他突發(fā)故障引發(fā)的意外事故，有效地減少不必要的財產損失及人員傷亡。

1 農用無人機避障技術所涉難點、重點

1.1 農田作業(yè)環(huán)境復雜

由于氣象條件不可控，尤其在強風洪澇、高溫干旱、低溫冷害、沙暴揚塵等惡劣天氣下，作業(yè)難度系數急劇提高。以主要受光強影響的機器視覺避障技術為例，當農田作業(yè)環(huán)境存在鏡面反射等光污染時，不僅易使飛手產生眩暈及不適感，更易對避障系統(tǒng)的識別判斷功能造成光學失真和噪聲等干擾[7]；當農田作業(yè)環(huán)境光照不足時，飛手視物能力削弱，機器視覺避障技術則需輔助紅外技術才能夜視功能，如廣州極飛科技有限公司的Xcope天目自主避障系統(tǒng)，采用的主動近紅外照射技術實現暗環(huán)境作業(yè)。

1.2 農田障礙物類型復雜

農田作業(yè)中，農用無人機的飛行速度、高度等作業(yè)參數將直接對霧滴沉積、病蟲害防治效果產生影響，作業(yè)參數的設定與農作物的種類、生長發(fā)育狀況、作業(yè)區(qū)的地形地勢等有關[8-11]。但實現農用無人機的低空低量精準噴施作業(yè)的同時，應保證農用無人機作業(yè)的安全性。農田中為生產需要放置的不同輔助農具，如農田防護網、攀援植物的支撐引導架等，農田周圍的民居建筑、綠化建設、電網設施、通信設施、照明設施等，以及出沒無規(guī)律性的各類生物都增加了農用無人機避障環(huán)境的復雜程度，對農用無人機避障技術的要求也有所提高。

氣象條件多變、作業(yè)環(huán)境復雜導致農用無人機避障技術需要克服光照變化、場景旋轉、圖像分辨率低、運動速度、目標遮擋甚至淹沒特征、目標特征不穩(wěn)定等因素的干擾[12-13]，以保證在不同的外界條件下正常工作。例如，視覺避障傳感器需避免高速作業(yè)時因運動模糊造成的系統(tǒng)誤識別，降低鏡頭畸變，提高成像質量，減少圖像的變形和失真。

要解決農用無人機的避障問題，實現避障系統(tǒng)對障礙物的實時感知、圖像快速解析、智能識別、潛在區(qū)域獲取、避障行為決策等功能，需要從根本上分析農田障礙物的物理特征，如大小、形狀、種類等，從而明確針對不同障礙物的最小識別距離、避障動作指令及響應時間等避障參數。因此，下文將根據作業(yè)環(huán)境中可能出現的各類農田障礙物特點提供2種分類方法。

1.2.1 根據障礙物特征分類

1）微小型障礙物：電線及斜拉線、樹枝、長勢突出的農作物、各類電網或通信線、田間樹立的木桿或藤架、測試桿、網狀物（尼龍網、鐵絲網）等；

2）中小型障礙物：零星樹木、電線桿、草垛、風力渦輪機等；

3）大型障礙物：防護林、高壓塔桿、房屋、氣象塔等；

4）無特征規(guī)律障礙物：飛禽走獸、人、表面紋理模糊或易產生鏡面反射的物體，如水塘、溫室大棚的塑料薄膜、PC陽光板等。

1.2.2 根據障礙物相對距離分類

1）短距障礙物：距離農用無人機5 m以內的障礙物；

2）中長距障礙物：距離農用無人機5~15 m的障礙物；

3）長距障礙物：距離農用無人機15 m以外的障礙物。

1.3 作業(yè)視場避障分區(qū)

對于飛行狀態(tài)中的農用無人機，需對其飛行主方向的視場區(qū)域進行劃分，并結合其自身傳感器系統(tǒng)探測到的障礙物遠近，對每個區(qū)域的不同障礙物執(zhí)行不同的避障策略。將前方視場區(qū)域劃分為安全區(qū)（15 m外，安全飛行，保持警惕）、避障預警區(qū)（5~15 m,自動預警，持續(xù)追蹤）和避障執(zhí)行區(qū)（5 m內，執(zhí)行避障動作指令），如圖1所示。

圖1 避障分區(qū)圖Fig.1 Obstacle avoidance zone

障礙物遠近隨農用無人機的運動而改變，是相對的；但由障礙分區(qū)圖 1可知，農用無人機主視場的避障分區(qū)是固定的，絕對的。安全區(qū)內的障礙物暫時可忽略，直到其進入預警區(qū)，方可進行避障預處理。避障執(zhí)行區(qū)內需執(zhí)行避障動作指令，主要回避短距障礙物；避障預警區(qū)需對中長距障礙物進行自動預警，并持續(xù)追蹤，以防突發(fā)事故。

大型、中小型障礙物由于其特征明顯，因此，當它位于避障安全區(qū)時即可被避障傳感器整體或局部有效識別，進入避障預警區(qū)、執(zhí)行區(qū)后相對容易成功躲避。微小型、無特征規(guī)律障礙物由于其視場中占比小，出沒具有突發(fā)性、無規(guī)律性，即使它進入避障預警區(qū)、執(zhí)行區(qū)，仍難以及時地完全地識別并成功躲避。

值得注意的是，在農田作業(yè)環(huán)境中出現的多為微小型、無特征規(guī)律型障礙物，而對于這類障礙物，避障系統(tǒng)的技術難點、重點在于如何實現障礙物的實時感知、大量圖像的快速解析、智能識別，高度還原出障礙物潛在區(qū)域，并根據障礙物的類型、遠近，優(yōu)化避障路徑并執(zhí)行不同的避障動作，這其中還涉及避障系統(tǒng)的避障動作響應時間、執(zhí)行效率，避障前后及避障時農用無人機飛行速度、高度、姿態(tài)等參數的調整，避障后作業(yè)路徑的重規(guī)劃，避障全程定位信號防丟失及抗磁場干擾，單一、多重、靜態(tài)、動態(tài)農田障礙物的單獨或隨機組合出現時的避障決策等復雜問題。

目前大多無人機“炸機”事故，除了人為的操作不當或機器的突發(fā)故障，更多的是避障不及時，尤其是電線、樹枝等微小障礙物。雖然因微小障礙物導致的 “炸機”事故率較低，但由此引發(fā)的財產損失率、人員傷亡率卻極高，不能因其事故率低而忽略它的高危險性。因此，微小型障礙物如何避障，應作為當前農用無人機避障問題研究中的重中之重。

2 農用無人機避障技術的應用現狀

2.1 國外農用無人機避障技術的應用現狀

美國農業(yè)航空對農業(yè)的直接貢獻率為15%以上[14]。美國在農用航空作業(yè)中使用的農用飛機約有20多個機型[15]，以有人駕駛固定翼飛機為主，但這類農用飛機與新增電線、新生樹木等微小障礙物碰撞導致的安全事故不在少數，且引發(fā)的人身傷亡率極高，危害極大。美國小型農用無人機主要用來獲取農作物生長狀況，如PRECISIONHAWK公司是美國最大的農業(yè)數據分析提供商之一，通過利用無人機自主飛行獲取農業(yè)遙感圖像，并進行處理和分析；3D Robotics公司Solo無人機的Site Scan程序可掃描農業(yè)用地，目前其定點掃描技術已整合進中國的大疆無人機。

澳大利亞、加拿大、巴西、俄羅斯等國家由于農田作業(yè)環(huán)境條件相似，戶均耕地面積較大，其農用飛機作業(yè)機型也以有人駕駛固定翼飛機和直升機為主[14]。

日本是第一個使用農用無人直升機進行農藥噴施的國家，截止2015年植保無人飛機保有量為2 668臺[1]。日本植保無人飛機的發(fā)展經歷了有人直升機到植保無人飛機的發(fā)展階段，最終選擇以植保無人飛機為主的病蟲害防治手段[16-17]，也與其丘陵地形地貌和小型農戶耕作的農業(yè)生產模式密切相關。YAMAHA公司無人直升機目前的機載GPS飛行控制系統(tǒng)并未增加避障模塊，主要依靠飛手與觀察員進行避障操作，其飛機的故障率為5.8%，引發(fā)墜機的主要原因是飛機與電線、樹枝的接觸。由于每次修理費用昂貴，因此每架無人機都有保險[18-21]。

韓國與日本農田作業(yè)環(huán)境條件相似，人均耕地面積較小，于2003年首次引進直升機用于農業(yè)航空作業(yè)，農業(yè)航空作業(yè)面積逐年增加。截至2010年，全國共有農用飛機121架，其中，農用植保無人飛機101架，有人駕駛直升機20架，約 80%的農用飛機歸地方農協所有。但韓國本身并不生產農用無人機，主要是引進日本的設備及施藥技術[1,18,22]。

加拿大AG-NAV有限公司研發(fā)了多重障礙物的相關技術，并在其導航系統(tǒng)里實現了相應功能。飛行員可通過美國聯邦航空局下載各州障礙物文件，得到作業(yè)區(qū)域周圍所有探明的障礙物信息，并可自行通過谷歌地球或在飛行過程中標記新的障礙物，障礙物依其高度被繪成不同顏色。同時設置了電力線報警的相應功能。受體積、質量所限，目前該套系統(tǒng)只應用于有人駕駛固定翼飛機與直升機。

法國 Parrot派諾特公司針對精準農業(yè)的 Disco-Pro AG無人機可通過移動設備制定飛行任務，創(chuàng)建農作物地圖。Parrot Sequoia傳感器包含2部分：機身下方的多光譜傳感器可捕獲農作物的RGB圖片，通過捕獲植物吸收和反射的光量來分析植物的活力；背部的陽光傳感器，可記錄太陽光的光強，從而執(zhí)行輻射校準，以確保數據測量的一致性。還可通過 AIRINOV First+農業(yè)云平臺生成的 NDVI地圖來了解農作物生長狀況。而該公司的Parrot S.L.A.M dunk開源開發(fā)套件平臺具備自主導航、避障、室內導航、3D重建等能力，即使在在多障礙及GPS信號弱的環(huán)境中依然能夠進行避障。它的2個60 fps廣角攝像頭可獲取環(huán)境深度圖，幫助無人機了解周圍環(huán)境。

目前，東南亞、南非、巴西、烏拉圭、阿根廷、智利、澳大利亞、新西蘭等國家也都在使用無人機定位牧群，監(jiān)控農作物的生長、收獲及旱澇病蟲害的情況[23]。

2.2 國內農用無人機避障技術的應用現狀

據不完全統(tǒng)計，目前國內共有植保無人飛機生產企業(yè)約 200 多家，其中絕大多數企業(yè)為中小型企業(yè)，技術力量和研發(fā)水平較低。通過調研以及國家工商管理系統(tǒng)查尋到的生產植保無人飛機的部分企業(yè)名單及區(qū)域分布，發(fā)現廣東省（35家）、山東?。?4家）、河南?。?1家）等省市的植保無人飛機生產企業(yè)數量較多[1]。本節(jié)將以典型企業(yè)的實際生產機型為代表，分析國內農用無人機避障技術的應用現狀。

安陽全豐航空植?？萍脊煞萦邢薰臼怯伞鞍碴柸S生物科技有限公司”投資組建的現代農業(yè)智能裝備高新技術企業(yè)，目前安陽全豐航空植?？萍脊煞萦邢薰疽淹瓿闪司哂凶灾髦R產權的3WQF120-12、3WQF80-10、3WQF125-16、3WQFDX-10及3WQF294-35型多款農用無人飛機機型的研發(fā)、生產與推廣。目前安陽全豐正在籌劃避障系統(tǒng)的研發(fā)。

無錫漢和航空技術有限公司現發(fā)售的植保無人機有CD-15型農藥噴灑無人直升機和水星一號第三代農用植保無人機。目前，無錫漢和植保無人機的避障系統(tǒng)作為選配供用戶選擇，例如CD-15型的自主避障系統(tǒng)采用的是“前后雙目+激光”探測障礙物，下方采用定高雷達實現仿地飛行。

北京韋加無人飛機科技股份有限公司目前的植保無人機有四旋翼5 kg級無人機“四妹”JF01-04型、六旋翼10 kg級無人機“六叔”JF01-10型以及八旋翼20 kg級無人機“八爺”JF01-20 型等。韋加為用戶提供兩種避障手段，航線避障和探測避障。前者是韋加植保無人機的標配，即通過航線規(guī)劃來避開作業(yè)范圍內的大中型障礙物，屬于被動避障，具有依賴性，后者為選配，屬于主動避障，但選擇用戶較少。目前，韋加已分別就雷達、紅外以及視覺類等傳感器進行避障測試，認為相對成熟的方法仍是采用組合傳感器避障模式。

深圳高科新農技術有限公司生產的HY-B-15L、S40、M23等型號植保無人飛機在全國得到了廣泛應用。目前，高科新農正在研發(fā)一套可進行實時避障的毫米波雷達避障系統(tǒng)，未來作為標配搭載在其生產的植保機型上，如外形尺寸較大的無人直升機類將在前后方向各放置一套毫米波雷達避障系統(tǒng)，多旋翼類則只在前視方向安裝。該套系統(tǒng)目前已在測試中，測試目標包括植保作業(yè)中可能遇到的多種障礙物，障礙物的規(guī)格不同，探測距離不同。飛機遇障將自主懸停，未解除危險時，遇障方向的前進功能將會自動鎖死。

廣州極飛科技有限公司 (XAIRCRAFT)的植保無人機機型有P20 2017、P10 2018、P20 2018、P30 2018等四款，分別適用于不同面積的作業(yè)地塊，可在機身前視方向選配Xcope天目自主避障系統(tǒng)。全新推出的Xcope天目自主避障系統(tǒng)可在20 m外識別半徑大于5 cm的障礙物，實現自主繞行避障，并利用主動近紅外照射技術，使植保無人機具有夜視能力，保障夜間安全作業(yè)。2018款新機型的下視方向已采用毫米波雷達仿地模塊取代2017款的超聲波仿地模塊，性能大大提高，探測范圍由不超過4 m提升至30 m，可適應復雜多變的農田地貌。

深圳大疆創(chuàng)新科技有限公司于2015 年12月開始進軍農業(yè)植保領域。2016年底發(fā)布產品MG-1S型植保無人機，與MG-1的調頻連續(xù)波雷達相比，MG-1S的前方、后方與下方各設置了一部高精度毫米波雷達，可通過不間斷掃描，提前感知飛行方向的地形變化，并根據地形和作物高度及時調整飛行高度，實現仿地飛行。2017年底新發(fā)布的 MG-1S Advanced、MG-1P 系列的第二代高精度雷達將上一代 3個定向雷達與一個避障雷達融合一體，提升了靈敏度，可感知前方15 m處半徑 0.5 cm的橫拉電線。大疆非農用型無人機則應用有雙目視覺、3D傳感系統(tǒng)、紅外感知系統(tǒng)、超聲波避障模塊等避障系統(tǒng)。

在植保無人機選配類避障模塊的市場中，用戶選配率低的現象普遍存在，主要是因為目前相關行業(yè)配套尚不成熟，整體成本較高，而農田作業(yè)環(huán)境復雜，障礙物多變，現有的主動避障模塊尚不能完全滿足用戶的需求。同時由于 1）缺少對農田障礙物的定義與劃分；2）缺乏避障系統(tǒng)技術性能的指標，如響應時間、遇障避讓速度等；3）目前的避障系統(tǒng)沒有進行統(tǒng)一的、具體的避障動作分解及規(guī)范，僅停留在懸停警報、自主繞行、緊急迫降等看似具體實則含糊的指令，將無法滿足未來農用無人機自主噴施、實時避障、連續(xù)作業(yè)、協同作業(yè)[24-25]的要求。但這與中國現階段的精準農業(yè)航空產業(yè)鏈不完善、很多領域尚處于空白或起步階段有關，假以時日，隨著科研的發(fā)展，科技的進步，各方面政策法規(guī)的完善，中國精準農業(yè)航空的現代化進程將厚積薄發(fā)。

2.3 農用無人機避障技術的應用

由于農田作業(yè)環(huán)境復雜，作業(yè)時常會遇到以樹枝、電線和長勢突出的農作物等為代表的各類障礙物，當飛手距無人機較遠時，難以判斷其周邊飛行環(huán)境。因此，隨著科技的快速發(fā)展，實現障礙物的自主識別與有效回避將是農用無人機智能化發(fā)展的必然趨勢之一。目前應用在無人機[26]或無人車上的避障方法各有所長，因此，下文首先對各類避障技術對比，并就其植保環(huán)境適用性進行分析。

RTK技術（real time kincmatics）是一種基于載波相位實時動態(tài)差分法的目前常用的GPS測量方法。與單點定位技術相比， RTK可以相對及時地得到厘米級定位精度。目前在測繪無人機、農用無人機上均有應用。搭載RTK定位系統(tǒng)后的農用無人機，在航線制定后的噴施作用中可有效避免因航線偏移導致的重噴、漏噴等問題，并實現避障停噴、斷點續(xù)噴[27-28]，不僅節(jié)約了人力成本，更提高了噴灑作業(yè)的效率和準確性[24]。但由于造價昂貴，部署困難，耗時費力等原因，RTK技術在農用無人機上的應用未能完全實現。目前，廣州極飛電子科技有限公司除了現有的RTK技術，將開通云RTK網絡，讓偏遠山區(qū)的用戶能夠更快捷地使用RTK定位服務，獲取地塊的作業(yè)地圖。當RTK技術應用于農用無人機避障時，更適合于建立作業(yè)區(qū)障礙物地圖，而非實時性避障，且未來加入RTK基站和云技術等解決方案時需投入大量經費。

超聲波測距具有結構簡單、造價低等優(yōu)點，可廣泛適用于不同介質，與其他非距離檢測式測距方法相比，指向性強且能耗低，不易受光強強弱、顏色深淺等因素干擾，可在較差的如昏暗、粉塵、煙霧等環(huán)境中使用[29-30]。但超聲波的探測范圍較小，一般在10 m以內，且存在探測盲區(qū)，會限制超聲波測距系統(tǒng)的使用范圍[31-32]。發(fā)射出的超聲波速度受環(huán)境溫度、濕度和大氣壓強的影響[33]，在大氣中傳播中，除超聲波反射、聲波間的串擾等引起的損失外，還存在由環(huán)境和其他條件引起的逾量衰減，主要包括大氣中的聲吸收，雨、雪、霧的影響，草地、灌木林、樹林等地面效應[34]。目前，超聲波傳感器更多是作為輔助安全裝置，主要應用于農用無人機的下視系統(tǒng)，以獲取飛行的高度參數，實現農用無人機的自主起飛、著陸或在地形復雜的環(huán)境下超低空飛行。例如，廣州極飛電子科技有限公司的植保無人機P20 2017，機體下方設置有防水型超聲波傳感器，以實現高精度仿地飛行，防止藥液漂移。美國 Kickstarter平臺的眾籌項目eBumper4超聲波避障模組，它的四個聲納傳感器為無人機提供關于前方，右側，左側和上方的物理環(huán)境信息，以防止無人機靠近障礙物。

激光傳感器由于獲取距離信息精度高、方向性好、抗干擾能力強，主要應用于軍工無人機的自主導航（激光陀螺儀、激光自導）系統(tǒng)中，極少在農用無人機中出現。它受光學系統(tǒng)的制約，并不適合在濕度高、光污染嚴重、粉塵煙霧等環(huán)境中使用[35-36]，同時它的制作成本、體積質量等亦難以滿足農用無人機的要求。目前激光掃描只能獲取場景的離散信息，且掃描時間受掃描點數量限制難以在實時性和范圍上獲得很好的平衡[37-38]，如二維激光掃描只能獲取前方固定角度的深度信息，無法獲取整個場景三維深度信息；三維激光掃描雖然能夠獲取三維場景信息，但掃描整個場景用時較久[39]，掃描速度難以滿足無人機自主避障的實時性要求。

紅外傳感技術，屬于被動探測系統(tǒng)，其抗干擾能力強，隱蔽性好，可在夜間及惡劣氣候條件下測距及輪廓描述[40-42]，但探測距離較小，系統(tǒng)發(fā)出的光容易受到外界環(huán)境干擾，必須避開太陽光的主要能量波段[43-44]，避免因太陽光的直射、反射等對避障系統(tǒng)造成干擾甚至失效，因此，在無人機上的應用多為短距離的環(huán)境感知系統(tǒng)。以深圳市大疆創(chuàng)新科技有限公司的消費級無人機為例，紅外傳感器更多只是輔助地應用于識別距離飛行器最近的物體距離，在無人機升降、懸停時對周圍環(huán)境保持監(jiān)控，避免碰撞。例如，inspire 2“悟”頂部紅外障礙物感知范圍是0~5 m，Phantom4 Pro機身兩側的紅外感知器系統(tǒng)最大檢測距離為7 m。

結構光是激光從激光器發(fā)出，經過不同結構的透鏡后匯聚成不同形狀的光帶，呈現線狀的光帶稱為線結構光，發(fā)射激光的激光器與各種結構的透鏡構成結構光傳感器[45]。由于線結構光視覺傳感器具有抗干擾能力強、精度高、實時性強、主動受控等優(yōu)點，特別適合于應用在復雜環(huán)境里的機器人測量和控制任務中[46]。但相鄰結構光傳感器存在互相干擾，在室外環(huán)境時，自然光使結構光傳感器幾乎失效，因此結構光傳感器更多應用于非農用型無人機的室內避障。

飛行時差測距（time of flight，TOF），屬于雙向測距技術，是目前應用廣泛的測距方法之一，主要利用測量信號在節(jié)點間的往返飛行時間來測量距離。與其他測距方法相比，具有能量消耗低、易于部署等特點，適用于對測距精度要求較高的場合。測量信號一般是電磁波信號，傳播速度接近于光速，由于光波信號的傳遞特性，反射、折射、衍射等非直線傳播的因素會造成測量時間的偏差，而微小的時間偏差就能導致巨大的距離計算誤差[47-49]。故在空曠的環(huán)境下，TOF測距能夠具有很高準確性，在復雜環(huán)境下的情況下，TOF測距通常包含大量的誤差。當TOF測距應用于農用無人機避障，更適用于TOF測距原理與其他傳感器結合衍生的安全輔助裝置。

毫米波雷達，是指工作在微波波段的探測雷達，它的頻域為 30～300 GHz[50]。由于農田作業(yè)環(huán)境復雜，超聲波及其他基于光學原理的傳感器易受氣候條件的影響，而毫米波雷達可全天候工作、穿透能力強、作用距離大、檢測可靠、抗電磁干擾[51-53]，目前毫米波雷達已廣泛應用于汽車避障問題中，例如，車輛的自動巡航導航、前后向防碰撞系統(tǒng)及盲點探測系統(tǒng)與并道輔助系統(tǒng)等，都應用了毫米波雷達傳感器來探知車身周圍的環(huán)境信息[54]。但汽車駕駛場景為二維環(huán)境，而農用無人機的避障問題涉及農田復雜的三維環(huán)境，相比于其他測距傳感器，毫米波雷達分辨率較低，造價高，只能探測平行距離，無法描述避障對象的輪廓及其在視場中的角度[55-56]。它的短距探測能力在農用無人機的避障應用中具有可替換性，如前文提到的超聲波、激光、紅外等避障測距傳感器等都能取而代之。因此，毫米波雷達目前主要應用于農用無人機的仿地飛行系統(tǒng)。如廣州極飛科技有限公司的2018款新機型的仿地模塊都采用毫米波雷達，最大探測范圍可達 30 m，適應復雜多變的農田地貌。深圳大疆創(chuàng)新科技有限公司植保無人機MG-1S的前方、后方與下方分別設置了一部高精度毫米波雷達。前后兩部斜視雷達可預先探測地形，并結合下視雷達進行精準定高，但MG-1S也可通過毫米波雷達感知1.5~30 m范圍內的障礙物，感知到障礙物后提示飛手，在障礙物前自動穩(wěn)定懸停并暫停作業(yè)。

在視覺避障中，單目視覺測距多采用基于已知運動的測量方法，即利用攝像機的移動信息和攝像機捕獲的圖片測得深度距離[57-59]。它結構簡單、技術成熟且運算速度快[60]，但無法直接獲取障礙物的深度信息。利用單個特征點進行測量，容易因特征點提取的不準確性，產生誤差。對一幅或多幅圖片進行特征點的匹配時，匹配誤差對測量結果有明顯影響，同時處理時間隨圖片數量的增加而增長[59]。因此，單目視覺測距大多需要在光照均勻的環(huán)境下拍攝，且圖片必須分辨率高、紋理清晰才能進行有效處理[61]。由于農田作業(yè)環(huán)境復雜，環(huán)境信息量大，算法計算量劇增，單目測距難以滿足農用無人機避障問題對實時性、準確率的要求。

雙目立體視覺技術是通過借鑒人類雙眼感知立體空間的能力，經過雙目圖像采集、圖像校正、立體匹配等步驟得到了視差結果，并計算出場景的深度信息圖，進而重建出空間景物的三維信息。立體視覺技術實現障礙物的識別與測距，具備隱蔽性好、信息量全面（障礙物的顏色、紋理等），且能獲取場景三維深度信息等優(yōu)勢[7,62-67]。但立體匹配是雙目視覺中最困難也最關鍵的問題，光照變化、場景旋轉、目標遮擋、圖像分辨率低等因素的影響、干擾甚至淹沒目標特征，都易導致目標特征不穩(wěn)定，使目標物的檢測精度下降，同時也缺乏一種能有效平衡雙目匹配精度和運算速度的立體匹配算法[7,47]。目前雙目立體視覺技術更多地應用于消費級、專業(yè)級無人機，例如深圳大疆創(chuàng)新科技有限公司的“御”MAVIC系列，“精靈”Phantom 4系列及“悟” Inspire 2；深圳零度智能飛行器有限公司即將發(fā)布的Xplorer 2機型；YUNEEC昊翔公司的臺風H及H520等機型均有使用雙目立體視覺來實現障礙物的感知及自動避障。在農用無人機的應用中，無錫漢和航空技術有限公司的CD-15型植保無人直升機提供“前后雙目+激光”避障系統(tǒng)供用戶選配；廣州極飛科技有限公司的P30 2018植保無人機則配置了天目Xcope自主避障系統(tǒng)，感知前向環(huán)境，可在20 m外識別半徑大于5 cm的障礙物并自主繞行，但電線等微小障礙物仍無法實時識別。

將上述各類避障傳感器列表進行對比分析，并進行是否適用于農用無人機避障的判斷，如表1所示。

表1 各類避障傳感器對比Table 1 Comparison of various obstacle avoidance sensors

3 展 望

通過分析國內外農用無人機避障技術的應用現狀及各傳感器避障方法的對比，由于不同的避障傳感器適用于不同的植保環(huán)境與避障距離，總體上可以看出，未來農用無人機避障技術的研究方向和研究熱點將集中在如下3方面。

3.1 多種組合避障形式

隨著精準農業(yè)航空技術的進一步發(fā)展，多傳感器融合的避障系統(tǒng)[68-69]將成為農用無人機實時避障系統(tǒng)的主流趨勢。視覺與非視覺傳感器的結合，也將提高植保作業(yè)的安全性，為自主噴施、智能導航的實現提供多種可能性，因此未來應考慮采用多種組合形式的避障傳感器以實現較理想的避障效果。

3.2 實時性主動避障技術

目前農用無人機廣泛適用于地面機械難以耕作的農業(yè)區(qū)域，但提前標定障礙物來獲取安全飛行路徑的作業(yè)模式或搭建飛手臨時觀察臺的方法，并不適用于農情緊急或植保人員無法深入的大面積農田區(qū)域。同時基于我國農業(yè)生產勞動力持續(xù)短缺的嚴峻現狀，實現全天候自主作業(yè)將是農用無人機發(fā)展的未來趨勢之一，自主噴施、連續(xù)作業(yè)、協同作業(yè)[25]的實現離不開避障技術、續(xù)航能力的突破。而實時性主動避障技術的實現將大幅提高農用植保無人機農田作業(yè)的安全性及智能化程度，為農用無人機變量噴施順利實施連續(xù)作業(yè)[70]提供保障，對精準農業(yè)航空應用發(fā)展及農業(yè)航空避障技術的發(fā)展起重要的推動作用。

3.3 避障輔助系統(tǒng)開發(fā)及避障流程標準化

由于農田環(huán)境的復雜多變性及不同傳感器適用環(huán)境的局限性，難免存在避障傳感器無法有效直接檢測到微小型障礙物或僅獲得不連續(xù)、零散的障礙物碎片信息的情況，若僅停留在識別障礙物本身上，技術難度大且短期內難以實現并達到成熟，因此可考慮間接識別方法。例如識別微小型障礙物的替代物，以它作為農用無人機輔助避障方法，并建立農田障礙物的特征數據庫，該方法以識別微小型障礙物為主，微小型障礙物的替代物為輔，如電線的替代物為電線桿（塔），樹枝的替代物為樹冠，以期實現微小型障礙物的有效避障。由于農田作業(yè)環(huán)境中出現的多為10 kV高壓線，一般通過設立一定間距的電線桿來承受電線質量及平衡外界各作用力，但不排除電線塔出現的可能。顯然，電線塔比電線桿更易識別。

結合第 1節(jié)的作業(yè)視場分區(qū)和障礙物分類，以雙目視覺傳感器為例，選取微小型障礙物高壓電線為避障目標，農用無人機的微小型障礙物避障流程圖如圖2所示。

圖2 農用無人機微小型障礙物的避障流程圖Fig.2 Obstacle avoidance flow chart of micro obstacles for agricultural UAV

本間接避障方法與具體傳感器類別無關，即如果用非視覺傳感器能實現同樣的檢測效果，也適用于本避障控制流程。當避障系統(tǒng)檢測到的電線輪廓清晰并能有效判別距離時，則可直接根據其深度信息，執(zhí)行相應的避障指令，該類情況屬于直接識別，是一種理想的避障情況。當直接識別微小型障礙物本身失敗時，即僅獲得輪廓間斷、不清晰的障礙物碎片，或根本無法識別時，可間接通過識別視場范圍內面積、體積或密度較大的微小型障礙物替代物（如電線的代替物電線桿），再結合微小型障礙物的碎片信息（如不完整的電線輪廓碎片），對缺失的障礙物信息進行評估、補充，還原出障礙物的潛在區(qū)域，最后結合深度信息，根據不同的避障區(qū)域，執(zhí)行不同的避障指令。該類間接識別方法可在維持原機身載重量的基礎上，利用原有的避障傳感器進行避障輔助系統(tǒng)開發(fā)，減少直接識別失敗時，誤識別、誤判定對植保作業(yè)的影響，并為農用無人機避障問題的研究提供了新思路。避障流程標準化則有利于實現避障動作規(guī)范化，避障動作規(guī)范化將有利于未來多機型協同作業(yè)時獲得最佳飛行秩序，促進農業(yè)生產效益。避障流程標準化研究將推動農用無人機避障技術的建章立制，為農用無人機實現安全作業(yè)及成功避障提供理論支撐和決策支持。

4 結 論

隨著國家農機購置補貼引導植保無人飛機規(guī)范應用試點工作的推進，深入研究農用無人機避障技術的迫切性不容忽視。加深對新興避障技術應用的理解，將為農用無人機提供更好的避障方案，為中國農用無人機避障技術的有序發(fā)展提供參考，中國必將在精準農業(yè)航空避障基礎理論研究和相關設備研發(fā)方面取得突破，這將有力推動精準農業(yè)航空避障技術的快速發(fā)展和應用普及，真正實現高效、環(huán)保、安全的農業(yè)植保要求。

[參 考 文 獻]

[1] 國家精準農業(yè)航空施藥技術國際聯合研究中心. 2016年我國農用植保無人飛機發(fā)展形勢分析與政策建議[Z].廣州,2016.

[2] 張東彥, 蘭玉彬, 陳立平, 等. 中國農業(yè)航空施藥技術研究進展與展望[J]. 農業(yè)機械學報, 2014，45(10):53－59.Zhang Dongyan, Lan Yubin, Chen Liping, et al. China current status and future trends of agricultural aerial spraying technology in China[J]. Transactions of The Chinese Society of Agricultural Machinery, 2014,45(10):53－59. (in Chinese with English abstract)

[3] 婁尚易, 薛新宇, 顧偉, 等. 農用植保無人機的研究現狀及趨勢[J]. 農機化研究, 2017,39(12):1－6.Lou Shangyi, Xue Xinyu, Gu Wei, et al. Current status and trends of agricultural plant protection unmanned aerial vehicle[J]. Journal of Agricultural Mechanization Research,2017,39(12):1－6. (in Chinese with English abstract)

[4] 陳盛德, 蘭玉彬, 李繼宇, 等. 小型無人直升機噴霧參數對雜交水稻冠層霧滴沉積分布的影響[J]. 農業(yè)工程學報,2016,32(17):40－46.Chen Shengde, Lan Yubin, Li Jiyu, et al. Effect of spray parameters of small unmanned helicopter on distribution regularity of droplet deposition in hybrid rice canopy[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE),2016,32(17):40－46.(in Chinese with English abstract)

[5] 薛新宇, 梁建, 傅錫敏. 我國航空植保技術的發(fā)展前景[J].農業(yè)技術與裝備, 2010,277(5):27－28.Xue Xinyu, Liang Jian, Fu Ximin. Prospect of aviation plant protection in China[J]. Agricultural Technology& Equipment,2010,277(5):27－28. (in Chinese with English abstract)

[6] Hilz E, Vermeer A W P. Spray drift review: The extent to which a formulation can contribute to spray drift reduction[J].Crop Protection, 2013, 44(1):75－83.

[7] Stefano Mattoccia, Stereo Vision: Algorithms and Applications[Z/OL]. Citeseer, 2011. http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.368.1660

[8] 陳盛德, 蘭玉彬, 李繼宇, 等. 植保無人機航空噴施作業(yè)有效噴幅的評定與試驗[J].農業(yè)工程學報, 2017,33(7):82－90.Chen Shengde, Lan Yubin, Li Jiyu, et al. Evaluation and test of effective spraying width of aerial spraying on plant protection UAV[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE),2017,33(7):82－90. (in Chinese with English abstract)

[9] 王昌陵, 何雄奎, 王瀟楠, 等. 無人植保機施藥霧滴空間質量平衡測試方法[J]. 農業(yè)工程學報, 2016,32(11):54－61.Wang Changling, He Xiongkui, Wang Xiaonan, et al. Testing method of spatial pesticide spraying deposition quality balance for unmanned aerial vehicle[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016,32(11):54－61. (in Chinese with English abstract)

[10] 王大帥, 張俊雄, 李偉, 等. 植保無人機動態(tài)變量施藥系統(tǒng)設計與試驗[J]. 農業(yè)機械學報, 2017,48(5):86－93.Wang Dashuai, Zhang Junxiong, Li Wei, et al. Design and test of dynamic variable spraying system of plant protection UAV[J]. Transactions of The Chinese Society of Agricultural Machinery, 2017,48(5):86－93.(in Chinese with English abstract)

[11] Zhang P, Deng L, Lü Q, et al. Effects of citrus tree-shape and spraying height of small unmanned aerial vehicle on droplet distribution[J]. International Journal of Agricultural and Biological Engineering(IJABE),2017,33(1):117－123.

[12] 楊道錕. 仿鷹眼大視場目標搜索與目標區(qū)域空間分辨率提高技術[D]. 北京: 北京理工大學, 2016.Yang Daokun. Object Search and Area Resolution Improved in Large Visual Field Based on Biological Eagle Vision[D].Beijing: Beijing Institute of Technology, 2016.(in Chinese with English abstract)

[13] Eltner A, Schneider D. Analysis of different methods for 3D reconstruction of natural surface from parallel-axes UAV images[J]. The Photogrammetric Record, 2015, 30(151):279－ 299.

[14] 周志艷, 臧英, 羅錫文, 等. 中國農業(yè)航空植保產業(yè)技術創(chuàng)新發(fā)展戰(zhàn)略[J]. 農業(yè)技術與裝備, 2014,281(3):19－25.Zhou Zhiyan, Zang Ying, Luo Xiwen, et al. Technology innovation development strategy on agricultural aviation industry for plant protection in China[J]. Agricultural Technology & Equipment, 2014,281(3):19－25. (in Chinese with English abstract)

[15] 薛新宇, 蘭玉彬. 美國農業(yè)航空技術現狀和發(fā)展趨勢分析[J]. 農業(yè)機械學報, 2013,44(5):194－201.Xue Xinyu, Lan Yubin. Agricultural aviation applications in USA[J]. Transactions of the Chinese Society of Agricultural Machinery, 2013,44(5):194－201. (in Chinese with English abstract)

[16] 尹選春, 蘭玉彬, 文晟, 等. 日本農業(yè)航空技術發(fā)展及對我國的啟示[J]. 華南農業(yè)大學學報, 2018,39(2):1－8.Yin Xuanchun, Lan Yubin, Wen Sheng, et al. The development of Japan agricultural aviation technology and its enlightenment for China[J]. Journal of South China Agricultural University, 2018,39(2):1－8. (in Chinese with English abstract)

[17] 芳賀俊郎. 航空 (有人ヘリ) 防除及び無人ヘリ防除の歩みと今後の展望[J].日本農薬學會誌,2013,38(2): 224－228.

[18] He X. K., Bonds J, Herbst A, et al. Recent development of unmanned aerial vehicle for plant protection in East Asia[J].International Journal of Agricultural & Biological Engineering, 2017,10(3):18－30.

[19] 何雄奎, 程景鴻, 孫海艷, 等. 日本和韓國水稻田植保機械應用考察[C]//第二十八屆中國植保信息交流暨農藥械交易會論文匯編.北京:中國農業(yè)出版,2012:95－99.

[20] Qin Weicai, Qiu Baijing, Xue Xinyu, et al. Droplet deposition and control effect of insecticides sprayed with an unmanned aerial vehicle against plant hoppers[J]. Crop Protection, 2016,85:79－88.

[21] Enderle Bruce. Commercial Applications of UAV's in Japanese agriculture[C]//Proceedings of the AIAA 1st technical conference and workshop on unmanned aerospace vehicles. Portsmouth, Virginia: American Institute of Aeronautics and Astronautics. AIAA-2002-3400, 2002.

[22] Bae Y, Koo Y M. Flight attitudes and spray patterns of a roll-balanced agricultural unmanned helicopter[J]. Applied Engineering in Agriculture, 2013,29(5):675－682.

[23] 檀律科, 何志文, 薛新宇, 等. 美國農用無人機的發(fā)展困境及啟示[J]. 浙江農業(yè)科學, 2014(11):1660－1664.

[24] Lan Y B, Chen S D, Fritz B K. Current status and future trends of precision agricultural aviation technologies[J].International Journal of Agricultural & Biological Engineering, 2017,10(3):1－17.

[25] Wang Zhigang, Lan Yubin, Clint H W, et al. Low altitude and multiple helicopter formation in precision aerial agriculture[C]//2013 ASABE Annual International Meeting.Kansas, ASABE, 2013, Paper No.131618681.

[26] Luongo S, Vito V D, Fasano G, et al. Automatic collision avoidance system: Design, development and flight tests[C]//Digital Avionics Systems Conference. IEEE, 2011.

[27] 盧璐, 耿長江, 邊玥, 等. 基于RTK的BDS在農業(yè)植保無人直升機中的應用[C]//第八屆中國衛(wèi)星導航學術年會論文集,上海, 2017:1－4.Lu Lu, Geng Zhangjiang, Bian Yue, et al. Application of agricultural plant protection UAV based on BDS-RTK[C]//8th China Satellite Navigation Conference. CSNC, 2017: 1－4.(in Chinese with English abstract)

[28] Fahlstrom P G, Gleason T J. Introduction to UAV systems[M]. John Wiley & Sons, 2012.

[29] 王盟.基于DSP與超聲波測距的農業(yè)機器人定位與避障控制[J]. 農機化研究, 2017,39(8):207－211.Wang Meng. Localization and obstacle avoidance control of agricultural robot based on DSP and ultrasonic distance measurement[J]. Journal of Agricultural Mechanization Research, 2017,39(8):207－211. (in Chinese with English abstract)

[30] 劉海波, 李冀. 淺析無人機自動避障系統(tǒng)[J]. 中國計量,2017(9):84－85.

[31] 程珩, 李瑾, 靳寶全. 基于無源自振抑制的小盲區(qū)超聲測距方法[J]. 振動·測試與診斷, 2015(2):369－374.Cheng Heng, Li Jin, Jin Baoquan. Research of small blind zone ultrasonic ranging method based on natural vibration restraining[J].Journal of Vibration, Measurement &Diagnosis.2015(2):369－374. (in Chinese with English abstract)

[32] 黃娟, 張碧星, 閻守國, 等.一種無人機避障裝置和方法CN201710294617.2 [P]. 2017-10-03.

[33] 劉慧. 基于超聲波測距技術的小型無人機高度測量方法研究[D]. 內蒙古: 內蒙古工業(yè)大學, 2015.Liu Hui. Research on Method of Altitude Measuring based on Ultrasonic Ranging for SUAV[D]. Inner Mongolia: Inner Mongolia University of Technology, 2015. (in Chinese with English abstract)

[34] 馬大猷, 沈?. 聲學手冊[M]. 北京：科學出版社, 2004.

[35] 文恬, 高嵩, 鄒海春. 基于激光測距的無人機地形匹配飛行方法研究[J]. 計算機測量與控制, 2015(9):3209－3212.Wen Tian, Gao Song, Zou Haichun. Based on laser ranging method research of UAV terrain matching flight[J].Computer Measurement & Control, 2015(9): 3209－3212.(in Chinese with English abstract)

[36] Zhao Huijing, Liu Yiming, Zhu Xiaolong, et al. Scene understanding in a large dynamic environment through a laser-based sensing[C]//IEEE International Conference on Robotics and Automation. IEEE, 2010,58(8):127－133.

[37] Kobayashi Y. Laser range finder: D723,080[P].2015-02-24.

[38] Houshiar H, Elseberg J, Borrmann D, et al. A study of projections for key point based registration of panoramic terrestrial 3D laser scan[J]. Geo-spatial Information Science,2015,18(1):11－31.

[39] 周龍. 基于立體視覺和激光掃描的無人機自主導航場景測量研究[D]. 南京: 南京航空航天大學, 2012.Zhou Long. Scene Measurement in UAV Navigation based on Stereo Vision and Laser Scanning[D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2012. (in Chinese with English abstract)

[40] 黃士科, 夏濤, 張?zhí)煨? 基于紅外圖像的被動測距方法[J].紅外與激光工程, 2007(1):109－112.Huang Shike, Xia Tao, Zhang Tianxu. Passive ranging method based on infrared images[J]. Infrared and Laser Engineering, 2007(1):109－112. (in Chinese with English abstract)

[41] 路遠, 馮云松, 凌永順, 等. 紅外三色被動測距[J]. 光學精密工程, 2012,20(12):2680－2685.Lu Yuan, Feng Yunsong, Ling Yongshun, et al. Infrared three-color passive ranging by colorimetric method[J]. Optics and Precision Engineering, 2012,20(12):268－2685. (in Chinese with English abstract)

[42] 王和平, 汪駿, 申爭光. 基于紅外與雷達一體化吊艙的直升機安全避障技術[J]. 科技創(chuàng)新導報, 2014(29):56－59.Wang Heping, Wang Jun, Shen Zhengguang. Helicopter pods-based obstacle avoidance technology using infrared imaging and radar[J]. Science and Technology Innovation Herald, 2014(29):56－59. (in Chinese with English abstract)

[43] Uzkent B, Hoffman M J, Vodacek A, et al. Feature matching with an adaptive optical sensor in a ground target tracking system[J]. Sensor Journal, IEEE, 2015, 15(1):510－519.

[44] 朱麗華. 無人飛行器自主檢測與避障技術研究[D].南京:東南大學,2016.Zhu Lihua. Sense and Avoid Technology for Unmanned Aircraft Vehicles[D]. Nanjing: Southeast University, 2016.(in Chinese with English abstract)

[45] 王云舒, 劉建業(yè), 曾慶化, 等. 結構光輔助的慣性/視覺室內導航三維環(huán)境重構方法[J]. 中國慣性技術學報,2016(1):51－58.Wang Yunshu, Liu Jianye, Zeng Qinghua, et al. 3D environment restructure method with structured light for indoor vision/inertial navigation[J]. Journal of Chinese Inertial Technology, 2016(1):51－58. (in Chinese with English abstract)

[46] 劉艷. 機器人結構光視覺系統(tǒng)標定研究[D]. 北京: 北京理工大學, 2015.Liu Yan. Research on Robotic Structured Light Vision System Calibration[D]. Beijing: Beijing Institute of Technology, 2015. (in Chinese with English abstract)

[47] Thorbjornsen B, White N M, Brown A D, et al. Radio frequency (RF) time-of-flight ranging for wireless sensor networks[J]. Measurement Science & Technology, 2010,21(3): 35202.

[48] 車志平. 基于 TOF測距的無線傳感器網絡定位技術研究[D]. 大連：大連理工大學, 2016.Che Zhiping. The Research of Localization Technology based on TOF Ranging in Wireless Sensor Network[D].Dalian: Dalian University of Technology, 2016. (in Chinese with English abstract)

[49] Lanzisera S, Lin D T, Pister K S J. RF time of flight ranging for wireless sensor network localization[C]// International Workshop on Intelligent Solutions in Embedded Systems.Vienna, IEEE, 2006,53(2):1－12.

[50] 冀連營. 小型民用毫米波雷達及其應用[Z].

[51] 丁鷺飛, 耿富錄, 陳建春. 雷達原理（第五版）[M].電子工業(yè)出版社,2015.

[52] Rankin G, Tirkel A, Leukhin A. Millimeter wave array for UAV imaging MIMO radar[C]//16th International Radar Symposium(IRS). Dresden, IEEE, 2015:499－504.

[53] 萬永倫,劉進軍.一種基于毫米波雷達的無人機避障系統(tǒng)CN107678030A[P].2018-02-09.

[54] 褚紅軍. 24GHz汽車毫米波雷達系統(tǒng)分析與頻率源關鍵技術研究[D]. 哈爾濱:哈爾濱工業(yè)大學, 2015.Chu Hongjun..Analysis And Research Of 24GHz Automotive Radar System and the Key Techniques of the Frequency Source[D]. Harbin: Harbin Institute of Technology, 2015.(in Chinese with English abstract)

[55] 向敬成, 張明友. 毫米波雷達及其應用[M]. 北京：國防工業(yè)出版社, 2005.

[56] Jin L, Fu M Y, Wang M L, et al. Vehicle detection based on vision and millimeter wave radar[J]. Journal of Infrared &Millimeter Waves, 2014,33(5):465－471.

[57] 韓邢健. 基于單目視覺的無人機自主避障算法研究[D].哈爾濱: 哈爾濱工程大學, 2016.Han Xingjian. Reasearch on Autonomous Obstacle Avoidance Algorithm for UAV based on Monocular Vision[D]. Harbin: Harbin Engineering University, 2016.(in Chinese with English abstract)

[58] Zhang Zhengyou. A flexible new technique for camera calibration[J]. Tpami, 2000, 22(11):1330－1334.

[59] 韓延祥, 張志勝, 戴敏. 用于目標測距的單目視覺測量方法[J]. 光學精密工程, 2011,19(5):1110－1117.Han Yanxiang, Zhang Zhisheng, Dai Min. Monocular vision system for distance measurement based on feature points[J].Optics and Precision Engineering, 2011,19(5):1110－1117.(in Chinese with English abstract)

[60] 張躍東, 李麗, 劉曉波, 等. 基于單目視覺的無人機障礙探測算法研究[J]. 激光與紅外, 2009(6):673－676.Zhang Yuedong, Li Li, Liu Xiaobo, et al. Obstacle detection for unmanned aerial vehicle based in monocular vision[J].Laser & Infrared, 2009(6):673－676. (in Chinese with English abstract)

[61] 趙海, 陳星池, 王家亮, 等. 基于四軸飛行器的單目視覺避障算法[J]. 光學精密工程, 2014,22(8):2232－2241.Zhao Hai, Chen Xingchi, Wang Jialiang, et al. Obstacle avoidance algorithm based on monocular vision for quad-rotor helicopter[J]. Optics and Precision Engineering,2014,22(8):2232－2241.(in Chinese with English abstract)

[62] 蘇東. 基于雙目視覺的小型無人飛行器的導航與避障[D].成都: 電子科技大學, 2014.Su Dong. Navigation And Obstacle Avoidance for Miniature UAV based on Binocular Stereo Vision[D]. Chengdu:University of Electronic Science and Technology of China,2014. (in Chinese with English abstract)

[63] 張梁, 徐錦法, 夏青元. 雙目立體視覺的無人機位姿估計算法及驗證[J]. 哈爾濱工業(yè)大學學報, 2014(5):66－72.Zhang Liang, Xu Jinfa, Xia Qingyuan. Pose estimation algorithm and verification based on binocular stereo vision for unmanned aerial vehicle[J]. Journal of Harbin Institute of Technology, 2014(5):66－72. (in Chinese with English abstract)

[64] Johnson E N, Calise Anthony J, Watanabe Y, et al.Real-Time vision-based relative aircraft navigation[J].Journal of Aerospace Computing Information &Communication, 2007,4(4):707－738.

[65] Wagter C D, Bijnens B, Mulder J A. Vision-only control of a flapping MAV on mars[C]//AIAA Guidance, Navigation and Control Conference and Exhibit,2013.

[66] 朱平, 甄子洋, 覃海群, 等. 基于立體視覺和光流的無人機避障算法研究[J].電光與控制, 2017,24(12): 31－35.Zhu Ping, Zhen Ziyang, Qin Haiqun, et al. Stereo vision and optical flow based obstacle avoidance algorithm for UAVs[J].Electronics Optics & Control, 2017,24(12): 31－35.

[67] 張?zhí)煲? 楊忠, 胡國雄, 等. 基于雙目視覺與光流融合的無人機避障方法及系統(tǒng): CN106681353A[P]. 2017-05-17.

[68] 李國紅, 李文宇, 張俊霞. 無人機系統(tǒng)關鍵技術專利態(tài)勢研究[J].電信網技術, 2017(3):30－36.Li Guohong, Li Wenyu, Zhang Junxia. Research on the patent situation of the key technology of UAV system[J].Telecommunications Network Technology, 2017(3):30－36.(in Chinese with English abstract)

[69] 徐興, 王臻杰, 李君, 等. 基于三級避障機制的果園植保無人機避障裝置及方法: CN201611251528.1[P]. 2016-12-30.

[70] Giles D K, Billing R, Singh W. Performance results, economic viability and outlook for remotely piloted aircraft for agricultural spraying[J]. Aspects of Applied Biology, 2016(132): 15－21.