無人機在室內(nèi)環(huán)境中自主飛行與避障

呂 倩，陶 鵬，吳 宏，胡向陽，張璦涵

（上海工程技術(shù)大學(xué)電子電氣工程學(xué)院，上海 210600）

0 引言

微型飛行器（Micro Air Vehicle，MAV）與其它空中機器人相比，由于四旋翼飛行器機械和控制的簡單性、高機動性及低入門、低成本的特點，備受學(xué)術(shù)界和工業(yè)界青睞，近年來成為研究熱點。隨著MAV 飛行控制技術(shù)的日趨成熟及GPS 技術(shù)在民用領(lǐng)域的普及，MAV 在空中操縱［1］、智能監(jiān)視和偵察（Intelligent Surveillance and Reconnaissance，ISR）［2］、航空攝影、結(jié)構(gòu)檢測［3］、機器人應(yīng)急［4］、建筑［5］和計算機視覺［6］等領(lǐng)域應(yīng)用廣泛，相關(guān)研究也推動了四旋翼飛行器的進一步發(fā)展。

無人機高度依賴周圍環(huán)境實際測量數(shù)據(jù)的準確性。在室外環(huán)境中可利用良好的GPS 信號，在實驗室環(huán)境中可使用超寬帶（Ultra Wide Band，UWB）技術(shù)［7］或通過適當(dāng)放置的特殊標簽獲悉環(huán)境實況。然而在飛行過程中，實際環(huán)境是動態(tài)的，GPS 信號也可能因建筑物遮擋等因素中斷或處于較弱的信號狀態(tài)，而放置標簽又只能在已知環(huán)境下采用。針對以上問題，本文提出一種僅依靠無人機機載計算機在無GPS 的未知環(huán)境中，實現(xiàn)無人機自主飛行、規(guī)避障礙物與穿越特定障礙物的方法。

計算能力有限的純機載傳感平臺地圖構(gòu)建工作可以使用激光測距儀實現(xiàn)［8］。由于激光掃描匹配限制及計算能力有限，該方法僅限于慢速飛行情況，且由無人機攜帶的體積小、重量輕的激光測距儀僅能測量單個平面中的距離，因此該方法需要對環(huán)境進行簡化假設(shè)。

隨著計算能力的增長和更高效算法的提出，將視覺用于無人機狀態(tài)估計成為可能［9］。為了最小化無人機機體重量與飛行過程中的功率消耗，可以僅使用單個向下或向前的攝像機。MAV 中大多數(shù)單目視覺算法［10］依賴于并行跟蹤與建圖（Parallel Tracking and Mapping，PTAM）。然而，PTAM 主要應(yīng)用于增強現(xiàn)實，在大規(guī)模復(fù)雜環(huán)境中操作還需多次修改。隨著視覺算法的改進和小型計算機可用計算能力的增長，相機現(xiàn)已成為無人機檢測與識別環(huán)境障礙物的首選傳感器。

視覺導(dǎo)航的出現(xiàn)解決了無GPS 信號或弱GPS 信號下無法準確獲取無人機位置與姿態(tài)的難題，但僅依賴于相機傳感器識別障礙物準確度不高，而且會由于光線明暗、距離遠近不同等原因?qū)е伦R別錯誤。本文通過融合更多機載傳感器測得的數(shù)據(jù)，更真實地反映無人機及其周圍環(huán)境的狀況，從而獲得真實準確的信息，為無人機在室內(nèi)等無GPS 或弱GPS 信號下的飛行與避障提供保障。

1 硬件平臺設(shè)計

硬件平臺設(shè)計的指導(dǎo)原則是保證無人機快速靈活地飛行。為達到20m/s 的速度，要求飛行器必須在大多數(shù)傳感器檢測距離（約20～25m）內(nèi)使無人機速度減為0，這意味著平臺必須能達到10m/s2的加速度。為保證飛行器可在保持高度的同時達到該加速度，飛行器推力重量比約為1.5。為了在高加速階段保證飛行器有一定的控制力，該平臺需具有足夠的推力，故在滿載時提供給飛行器的推重比需超過2.0。

在對現(xiàn)有平臺進行調(diào)研的基礎(chǔ)上，最終選擇DJI M600飛行平臺，包括飛行器、電機、螺旋槳和速度控制器，該組合非常符合硬件平臺性能要求。每個DJI 3510 發(fā)動機和螺旋槳組合具有大約1.6kgf 的額定最大推力，則四旋翼配置總推力約為6.4kgf。

飛行平臺采用DJI Guidance 視覺傳感器導(dǎo)航系統(tǒng)，該系統(tǒng)視覺處理模塊為64g，視覺傳感模塊為43g，每根VBUS 線纜為11.6g。該平臺相機采用大疆禪思X4S，型號為ZENMUSE X4S，重量為253g。飛行平臺還使用了加速計，陀螺儀，氣壓計等其它傳感器。板載計算機采用妙算MANIFOLD。基座平臺由DJI M100 飛行器及其飛控系統(tǒng)A1 組成，質(zhì)量約為1.6kg；加上傳感器和計算負載，平臺重量為2.1kg。為達到飛行時間要求，需選擇合適的電池，同時需保證平臺最大總質(zhì)量在3kg 左右。

由于無人機電池是能量和功率密度高的基于鋰聚合物化學(xué)的電池。DJI M100 推進系統(tǒng)需額定電壓約為22.2V。鑒于此，可用的主要設(shè)計選擇是電池容量。典型的鋰聚合物電池比能值在130～140Wh/kg，四旋翼機懸停所需功率約為200W/kg，所以對于總質(zhì)量在3～3.5kg 左右的平臺，功耗為600～700W。假設(shè)電池整體效率約為60%，從電池供電到螺旋槳機械功率輸出，電池5min 飛行時間能量容量約為69.4～83.4Wh。在實踐中，為了保護電池使用壽命，不會消耗電池全部容量，需為不可預(yù)見的情況預(yù)留一些容量。假設(shè)使用電池額定容量的80%，則需要電池能量容量為86.8～104.1Wh。使用135Wh/kg 的平均比能值，期望電池質(zhì)量在0.64～0.77kg 之間，這與整個平臺總質(zhì)量預(yù)算非常吻合。根據(jù)可用電池容量，選擇TB47D 型號電池，以便在性能和續(xù)航能力方面提供一定靈活性。該型號電池容量為4 500mAh，電池整體重量為600g，電池能量為99.9Wh。無人機飛行平臺如圖1 所示。

Fig.1 UAV hardware platform圖1 無人機硬件平臺

2 傳感器數(shù)據(jù)融合

在無人機平臺上有多個傳感器，每個傳感器均提供機器人狀態(tài)信息。例如加速計測量無人機加速度，經(jīng)積分運算后可獲得無人機速度與位移；陀螺儀測量角速度，積分運算后可獲得角度；氣壓計與高度傳感器可測量飛行高度等。此外，傳感器以不同速率提供輸出，例如，以40hz 的速度運行單目攝像機，以20hz 的速度運行向下的高度傳感器，以200hz 的速度運行加速計。主要利用卡爾曼濾波器變體完成傳感器融合任務(wù)，將這些信息合并成無人機整體狀態(tài)的一致估計。四旋翼飛行器旋轉(zhuǎn)自由度決定了無人機是一個非線性系統(tǒng)，需使用擴展卡爾曼濾波器（Extended Kalman Filter，EKF）或無跡卡爾曼濾波器（Unscented Kal?man Filter，UKF）。由于UKF 具有較好的處理系統(tǒng)與非線性的優(yōu)點，且計算量增加較少，所以選擇UKF 執(zhí)行傳感器融合任務(wù)［11］。

圖2 為運行在無人機上的UKF 模塊數(shù)據(jù)輸入和輸出流程。根據(jù)相機傳感器拍攝到的視頻數(shù)據(jù)識別環(huán)境中的障礙物，再根據(jù)加速計、氣壓計、大疆視覺傳感導(dǎo)航系統(tǒng)DJI Guidance、陀螺儀等其它機載傳感器測量得到的數(shù)據(jù)，經(jīng)無跡卡爾曼濾波融合數(shù)據(jù)后控制無人機飛行方向、距離與飛行速度，從而避開障礙物。

Fig.2 Data flow of UAV unscented Kalman filter圖2 無人機無跡卡爾曼濾波數(shù)據(jù)流

UKF 使用的狀態(tài)向量為：

其中，p 是無人機在真實世界的位置坐標，p˙為無人機在真實世界的速度，bα是加速度計偏移，bω是陀螺儀偏移。使用ZYX 公約的歐拉角φ、θ 和ψ 表示方向，φ、θ 和ψ分別是橫滾、俯仰和偏航，歐拉角十分簡潔，因此用以表示方向。由于四旋翼無人機橫滾和俯仰角不會大于90°，故在該情況下使用歐拉角時不會受萬向鎖問題影響。

UKF 包括預(yù)測步驟和多個更新步驟。根據(jù)慣性測量單元（Inertial Measurement Unit，IMU）等傳感器測得的數(shù)據(jù)進行預(yù)測，更新步驟用于對預(yù)測值進行修正。由于加速度計與陀螺儀的測量在機體坐標系中，而位置和速度在世界坐標系中，所以預(yù)測步驟是非線性的，需要利用估計的方向?qū)y量從機體坐標系轉(zhuǎn)換到世界坐標系。

假設(shè)迭代狀態(tài)為k，xk（維數(shù)n）具有均值和協(xié)方差Pk，用具有均值和協(xié)方差Qk的過程噪聲（維度p）對其進行擴充，從而創(chuàng)建增廣狀態(tài)與協(xié)方差矩陣。

再將無跡變換應(yīng)用于增廣態(tài)，生成一組sigma 點。

其中L=n+p是增強狀態(tài)的維度，λ是縮放參數(shù)。

然后，利用過程模型傳播這些sigma 點，其中輸入為加速度計與陀螺儀測量值。

每當(dāng)新的傳感器測量值Yk+1到達時，即運行濾波器更新步驟。首先，以與預(yù)測步驟相同的方式生成一組新的sigma 點。

除了用于預(yù)測步驟的IMU 之外，對于UKF 的每個傳感器輸入均有一個單獨的測量函數(shù)h(x,n)，當(dāng)從任何一個傳感器接收到輸入時，將執(zhí)行完整的更新步驟。

考慮到在跨越障礙物時高度傳感器的跳躍問題，UKF保持了一個內(nèi)部基本高度參數(shù)。如果高度傳感器輸出與期望值相比有跳躍，則UKF 假設(shè)基礎(chǔ)高度已改變，并使用新的基礎(chǔ)高度作為高度傳感器的參考級別，較好地處理了傳感器輸出跳變。該方法局限性在于當(dāng)高度變化緩慢時，機器人只會相對于基礎(chǔ)高度保持所需高度，并且會隨著基礎(chǔ)高度的升降而上下移動。

由機載傳感器獲得的數(shù)據(jù)經(jīng)無跡卡爾曼濾波進行數(shù)據(jù)融合后，可使無人機獲取的環(huán)境信息更詳細，若只依靠單個傳感器片面測量飛行器某方面數(shù)據(jù)，則無法感知飛行器與環(huán)境的整體狀態(tài)，無人機也無法精確判斷障礙物和控制飛行方向及飛行速度，這將導(dǎo)致無人機無法精準避障，因此需與機載傳感器信息融合。

3 實驗結(jié)果

3.1 仿真平臺實驗

為測試系統(tǒng)性能，在開源自動駕駛仿真平臺Air?Sim［12-13］上進行仿真實驗，仿真環(huán)境如圖3 所示。該平臺模擬真實世界復(fù)雜未知環(huán)境，無GPS 與全球?qū)Ш叫l(wèi)星系統(tǒng)（Global Navigation Satellite System，GNSS）信號，無人機需要避開大型建筑物、密集樹木、廢舊汽車、路障等障礙物，并按照數(shù)字順序依次穿越紅色圓環(huán)，保證不碰撞圓環(huán)和其它障礙物，不漏穿錯穿圓環(huán)。

Fig.3 Simulation test environment圖3 仿真測試環(huán)境

機載相機傳感器采集經(jīng)過處理的仿真場景圖像，如圖4—圖6 所示。圖4 為實物圖，圖5 為深度圖，圖6 為分割圖。將相機采集到的視頻數(shù)據(jù)進行分割［14］，如圖6 所示，可區(qū)分可供無人機自由飛行的空曠區(qū)域、無人機需穿越的障礙圈與其它必須避開的無關(guān)障礙物。

Fig.4 Simulation platform scene acquired by camera圖4 相機獲取的仿真平臺場景

Fig.5 Depth image圖5 深度圖

無人機避開障礙物、穿越障礙圈的過程為：保證遠離除圓環(huán)之外的障礙物，并且需識別圓環(huán)；在開始之后進行4次判斷，首先判斷是否成功起飛，如果失敗則進入起飛失敗策略重新起飛，如果成功，則攝像頭開始啟動；在飛機前行的同時根據(jù)攝像頭拍攝的圖像開始識別與檢測，判斷是否發(fā)現(xiàn)圓環(huán)，若未發(fā)現(xiàn)圓環(huán)，飛機向左或向右移動，如果發(fā)現(xiàn)圓環(huán)，則飛機向圓環(huán)方向移動并開始穿越圓環(huán)；最后判斷是否穿越成功，如果穿越成功則記入成功數(shù)目，否則進入穿越圓環(huán)失敗策略。仿真流程圖如圖7 所示。

Fig.6 Segmentated image圖6 分割圖

Fig.7 Simulation test flow圖7 仿真測試流程

為完成該測試，系統(tǒng)不僅需準確避障，還需識別場景中特定紅色障礙圈。在仿真環(huán)境中所有障礙圈的顏色為紅色，并形成一塊特殊標識的連通區(qū)域，采用兩邊掃描法識別并標記圖片中所有連通區(qū)域。利用HSV 顏色空間識別紅色區(qū)域，再使用霍夫變換等方法檢測需要穿越的圓環(huán)位置與半徑，確保無人機盡可能從圓環(huán)中心穿過，避免與障礙物碰撞。圖8 為無人機在仿真平臺中穿越紅色障礙圈時刻。

Fig.8 Moment of UAV successfully crossing red obstacle circle in simulation environment圖8 仿真環(huán)境中無人機成功穿越紅色障礙圈時刻

3.2 硬件飛行實驗

在現(xiàn)實世界中無人機穿越障礙圈的時刻如圖9 所示。由于現(xiàn)實中有諸多不穩(wěn)定因素，包括光線明暗變化、無人機傳感器精度有限等一系列問題，造成穿越障礙圈的動作不能保證百分之百成功，但在現(xiàn)實世界中若測試參數(shù)設(shè)置合理，光線明暗適中，則可準確識別并成功穿過障礙圈。

Fig.9 Moment of UAV successfully crossing red obstacle circle in reality圖9 現(xiàn)實世界中無人機穿越障礙圈時刻

4 結(jié)語

本文設(shè)計了一種基于單目攝像機與IMU、DJI Guidance 等傳感器的無人機自主飛行及避障系統(tǒng)，并使用無跡卡爾曼濾波融合多傳感器信息，實現(xiàn)無人機與周圍環(huán)境信息區(qū)分、識別與檢測。在仿真平臺使用虛擬無人機與傳感器，在現(xiàn)實世界中使用自主搭建的硬件平臺，分別針對自主起飛、避開障礙物、穿越障礙圈等任務(wù)進行實驗。經(jīng)微軟AirSim 仿真平臺實驗與現(xiàn)實世界實驗驗證，該系統(tǒng)可精確避開無關(guān)障礙物，穩(wěn)定完成穿越指定障礙圈、目標識別、場景搜索、自主起飛與降落等飛行任務(wù)。