低空自主無(wú)人機(jī)數(shù)字孿生系統(tǒng)設(shè)計(jì)

摘" 要： 為了提高無(wú)人機(jī)在城市低空空域執(zhí)行巡檢、配送等任務(wù)的安全性和自主性，文中設(shè)計(jì)了一種基于數(shù)字孿生技術(shù)的無(wú)人機(jī)自主飛行系統(tǒng)。該系統(tǒng)綜合物理空間和虛擬空間的數(shù)據(jù)，精準(zhǔn)控制無(wú)人機(jī)的飛行。采用實(shí)景三維建模技術(shù)創(chuàng)建了高度逼真的虛擬空間，并通過(guò)通用橫軸墨卡托（UTM）投影方法實(shí)現(xiàn)了虛擬空間與物理空間的高度對(duì)應(yīng)。利用多傳感器融合的同步定位與建圖（SLAM）技術(shù)實(shí)現(xiàn)無(wú)人機(jī)的精確定位，并在虛擬空間中進(jìn)行全局的三維路徑規(guī)劃用于控制無(wú)人機(jī)的飛行。實(shí)驗(yàn)結(jié)果表明，虛實(shí)空間的平均映射誤差為0.38 m，這表明虛擬空間數(shù)據(jù)在保障無(wú)人機(jī)安全飛行方面具有可行性。通過(guò)在實(shí)際環(huán)境中的飛行測(cè)試，進(jìn)一步驗(yàn)證了所設(shè)計(jì)的無(wú)人機(jī)數(shù)字孿生系統(tǒng)的有效性，可為小型自主無(wú)人機(jī)的設(shè)計(jì)與應(yīng)用提供參考。

關(guān)鍵詞： 無(wú)人機(jī)； 數(shù)字孿生； 虛實(shí)映射； 自主飛行； 精確定位； 路徑規(guī)劃

中圖分類(lèi)號(hào)： TN965?34；V279" " " " " " " " " " "文獻(xiàn)標(biāo)識(shí)碼： A" " " " " " " " " " " 文章編號(hào)： 1004?373X（2024）13?0123?06

Design of digital twin system for low altitude autonomous UAV

ZOU Zehai1， ZHENG Enhui1， DING Kai1， QUE Jianfei2， WANG Jiqiang1， YAO Yuwen1

（1. School of Mechanical and Electrical Engineering， China Jiliang University， Hangzhou 310000， China;

2. Sichuan Highway Planning， Survey， Design and Research Institute Ltd.， Chengdu 610000， China）

Abstract： An autonomous unmanned aerial vehicle （UAV） flight system based on digital twin technology is designed to improve the safety and autonomy performance of UAV in performing inspection and distribution tasks in urban low?altitude airspace. In the system， data from physical space and virtual space are synthesized to control the flight of the UAV precisely. A highly realistic virtual space is created with real 3D modeling technology. A high degree of correspondence between the virtual space and the physical space is achieved by the universal transverse Mercator （UTM） projection method. The simultaneous localization and mapping （SLAM） technique with multi?sensor fusion is used to achieve precise positioning of the UAV， and global 3D path planning in the virtual space is used to control the UAV flight. The experimental results show that the average mapping error of the virtual space is 0.38 meters， which indicates the feasibility of virtual space data in guaranteeing the safe flight of UAV. The effectiveness of the designed UAV digital twin system is further verified by flight tests in real environments， which can provide a reference for the design and application of small autonomous UAV.

Keywords： UAV; digital twin; virtual?real mapping; autonomous flight; precise positioning; path planning

0" 引" 言

隨著技術(shù)的創(chuàng)新和低空空域的有序開(kāi)放，無(wú)人機(jī)在軍用和民用領(lǐng)域?qū)l(fā)揮更重要的作用，為各個(gè)領(lǐng)域提供更大的便利和效益[1?2]。然而，無(wú)人機(jī)存在著一些潛在的風(fēng)險(xiǎn)和問(wèn)題，如無(wú)人機(jī)失控和意外碰撞[3]。為增強(qiáng)無(wú)人機(jī)的安全自主運(yùn)行能力，研究者們投入了大量精力研究基于同步定位與建圖（Simultaneous Localization and Mapping， SLAM）技術(shù)的定位與導(dǎo)航算法[4?7]。然而，依靠定位與導(dǎo)航算法來(lái)提高無(wú)人機(jī)的自主運(yùn)行能力會(huì)受到無(wú)人機(jī)硬件資源的限制。

近年來(lái)，數(shù)字孿生技術(shù)作為一種有效的智能化提升手段，受到了廣泛關(guān)注。這項(xiàng)新興技術(shù)無(wú)疑為無(wú)人機(jī)系統(tǒng)的開(kāi)發(fā)提供了新思路。文獻(xiàn)[8]中采用數(shù)字孿生技術(shù)對(duì)四旋翼無(wú)人機(jī)單兵作戰(zhàn)系統(tǒng)進(jìn)行建模，在實(shí)現(xiàn)物理實(shí)體與虛擬實(shí)體之間交互映射的基礎(chǔ)上探索并行智能的應(yīng)用實(shí)踐。文獻(xiàn)[9]中對(duì)四旋翼飛行器的數(shù)字孿生系統(tǒng)做出設(shè)計(jì)，從工程應(yīng)用上體現(xiàn)了數(shù)字孿生技術(shù)對(duì)無(wú)人機(jī)飛行仿真的重要作用。文獻(xiàn)[10]中將數(shù)字孿生引入無(wú)人機(jī)單目視覺(jué)導(dǎo)航中，降低了應(yīng)用、算法開(kāi)發(fā)和部署成本，提高了導(dǎo)航策略的遷移能力。文獻(xiàn)[11]中構(gòu)建了云平臺(tái)、5G以及虛擬現(xiàn)實(shí)技術(shù)融合的無(wú)人機(jī)數(shù)字孿生系統(tǒng)，用于無(wú)人機(jī)系統(tǒng)的人機(jī)交互、實(shí)時(shí)監(jiān)管。

在相關(guān)的研究中，虛擬空間和物理空間的關(guān)聯(lián)度不高，虛擬空間的信息不能很好地指導(dǎo)無(wú)人機(jī)執(zhí)行任務(wù)。本文構(gòu)建了一個(gè)高效實(shí)用的無(wú)人機(jī)數(shù)字孿生系統(tǒng)，結(jié)合數(shù)字孿生技術(shù)實(shí)現(xiàn)了自主無(wú)人機(jī)的關(guān)鍵技術(shù)，為提高無(wú)人機(jī)的安全性和自主性提供了一種技術(shù)實(shí)現(xiàn)途徑。

1" 無(wú)人機(jī)數(shù)字孿生系統(tǒng)框架

本文將數(shù)字孿生五維模型[12]與自主無(wú)人機(jī)應(yīng)用需求結(jié)合，構(gòu)建了如圖1所示的無(wú)人機(jī)數(shù)字孿生系統(tǒng)。該系統(tǒng)建立了無(wú)人機(jī)飛行區(qū)域的實(shí)景三維模型，通過(guò)軌跡映射模塊將虛擬空間和物理空間關(guān)聯(lián)起來(lái)，并通過(guò)數(shù)據(jù)傳輸通道實(shí)現(xiàn)虛擬空間的交互，為虛實(shí)融合分析提供基礎(chǔ)。

物理無(wú)人機(jī)在執(zhí)行任務(wù)時(shí)，定位模塊進(jìn)行實(shí)時(shí)定位，并將結(jié)果同步到虛擬空間，驅(qū)動(dòng)虛擬無(wú)人機(jī)同步運(yùn)動(dòng)。控制和避障模塊根據(jù)無(wú)人機(jī)的實(shí)時(shí)位置和目標(biāo)位置控制飛行。在線(xiàn)監(jiān)測(cè)模塊通過(guò)數(shù)據(jù)庫(kù)存儲(chǔ)的歷史數(shù)據(jù)和傳感器的實(shí)時(shí)數(shù)據(jù)融合，分析出無(wú)人機(jī)運(yùn)行過(guò)程中可能出現(xiàn)的傳感器故障、碰撞等問(wèn)題。由于虛擬空間的飛行環(huán)境是基于現(xiàn)實(shí)環(huán)境三維重建的結(jié)果，通過(guò)路徑規(guī)劃模塊得到的飛行路徑可以直接用來(lái)控制物理無(wú)人機(jī)的飛行。用戶(hù)決策模塊可以在無(wú)人機(jī)執(zhí)行飛行任務(wù)前進(jìn)行任務(wù)設(shè)置，并在無(wú)人機(jī)飛行過(guò)程中根據(jù)在線(xiàn)檢測(cè)模塊的分析結(jié)果進(jìn)行必要的人工介入。

2" 虛擬空間建模

搭建一個(gè)數(shù)字孿生系統(tǒng)的前提是要建立一個(gè)虛擬空間模型，本文的研究考慮了無(wú)人機(jī)模型和飛行區(qū)域的場(chǎng)景環(huán)境模型。對(duì)于虛擬空間的可視化展示與集成開(kāi)發(fā)，本文使用了Unity這個(gè)強(qiáng)大的游戲引擎和開(kāi)發(fā)工具，使用Unity的物理引擎和特定的規(guī)則算法可以模擬無(wú)人機(jī)的運(yùn)動(dòng)、碰撞等。

2.1" 飛行區(qū)域?qū)嵕叭S建模

為了快速準(zhǔn)確地重建飛行區(qū)域場(chǎng)景環(huán)境，本文采用無(wú)人機(jī)傾斜攝影技術(shù)進(jìn)行實(shí)景三維建模。為了提高影像重疊率，進(jìn)而獲取結(jié)構(gòu)特征質(zhì)量更好的三維模型，采用錄制視頻采集原始影像數(shù)據(jù)的方式。從數(shù)據(jù)采集到實(shí)景三維模型建立的流程如下：

1） 使用支持傾斜攝影航線(xiàn)規(guī)劃功能的無(wú)人機(jī)進(jìn)行數(shù)據(jù)采集。無(wú)人機(jī)起飛前主要根據(jù)重建范圍規(guī)劃無(wú)人機(jī)航線(xiàn)，并設(shè)置無(wú)人機(jī)拍攝時(shí)記錄包含時(shí)間同步數(shù)據(jù)的SRT文件。

2） 數(shù)據(jù)預(yù)處理。整理錄制的原始視頻以及對(duì)應(yīng)的同步SRT文件，將視頻抽幀導(dǎo)出為圖像，將SRT文件中對(duì)應(yīng)的航點(diǎn)數(shù)據(jù)寫(xiě)入對(duì)應(yīng)圖像元數(shù)據(jù)中，并標(biāo)定無(wú)人機(jī)相機(jī)獲取內(nèi)參數(shù)據(jù)。

3） 空中三角測(cè)量。將處理后的圖像數(shù)據(jù)和相機(jī)標(biāo)定數(shù)據(jù)導(dǎo)入Metashape軟件處理得到每張圖像優(yōu)化后的相機(jī)位姿。

4） 模型三維重建。將處理后的圖像數(shù)據(jù)、相機(jī)標(biāo)定數(shù)據(jù)和空中三角測(cè)量結(jié)果導(dǎo)入ContextCapture軟件處理得到逼真的實(shí)景三維模型。

2.2" 虛擬無(wú)人機(jī)仿真模型

虛擬無(wú)人機(jī)的仿真模型包含基本的幾何形狀、物理屬性、傳感器模型。將制作好的無(wú)人機(jī)3D模型導(dǎo)入U(xiǎn)nity，添加物理碰撞模型、虛擬相機(jī)、虛擬激光雷達(dá)。碰撞模型如圖2a）所示，物理碰撞模型的形狀為一個(gè)能夠包含無(wú)人機(jī)的長(zhǎng)方體包圍盒。虛擬相機(jī)如圖2b）所示，可設(shè)置安裝角度、視場(chǎng)角等參數(shù)。虛擬激光雷達(dá)模型如圖2c）所示。

3" 系統(tǒng)關(guān)鍵技術(shù)

3.1" 虛實(shí)空間精準(zhǔn)映射

物理空間的絕對(duì)位置信息為地理坐標(biāo)系下的經(jīng)緯度坐標(biāo)，而虛擬空間中使用笛卡爾坐標(biāo)系，兩者需要進(jìn)行坐標(biāo)的投影變換。本文系統(tǒng)的軌跡映射模塊在投影變換過(guò)程中采用基于WGS84橢球體的通用橫軸墨卡托（Universal Transverse Mercator， UTM）投影方法[13]。UTM投影將該區(qū)域內(nèi)的失真降至最低，中央子午線(xiàn)附近的變形很小，適合局部小區(qū)域投影。本文相關(guān)符號(hào)定義為：

[k0=0.999 6t=tan?c=cos?l=λ-λ0ν2=e2cos2?N=a2b1+ν2FE=500 000FN=0或10 000 000] （1）

式中：[k0]為比例因子；[?]為緯度；[t]為緯度正切值；[c]為緯度余弦值；[λ]為經(jīng)度；[λ0]為中央子午線(xiàn)經(jīng)度；[l]為經(jīng)度差；[e]為第二偏心率；[ν]為輔助量；[N]為卯酉圈曲率半徑；[a]為橢球體長(zhǎng)半軸；[b]為橢球體短半軸；FE和FN為坐標(biāo)偏移，F(xiàn)N在北半球?yàn)?，在南半球?yàn)?0 000 000。所有的長(zhǎng)度都以米為單位，所有的地理坐標(biāo)都以弧度為單位。

將經(jīng)緯度坐標(biāo)通過(guò)UTM投影正解公式轉(zhuǎn)換為笛卡爾坐標(biāo)系中的平面坐標(biāo)[（x，y）]，即：

[x=FE+k0Ncl+N6c3l3l3+N120c5l5l5+" " " " " " " " " " " " "N5 040c7l7l7y=FN+k0M+Nt2c2l2+Nt24c4l4l4+" " " " " " " " " " " " " Nt720c6l6l6+Nt40 320c8l8l8] （2）

式中：[M]為赤道到緯度的子午線(xiàn)弧長(zhǎng)；[l3]、[l4]、[l5]、[l6]、[l7]、[l8]為相應(yīng)項(xiàng)的系數(shù)，對(duì)應(yīng)的計(jì)算公式為：

[l3=1-t2+ν2l4=5-t2+9ν2+4ν4l5=5-18t2+t4+14ν2-58t2ν2l6=61-58t2+t4+270ν2-330t2ν2l7=61-479t2+179t4-t6l8=1 385-3 111t2+543t4-t6] （3）

將笛卡爾坐標(biāo)系中的平面坐標(biāo)通過(guò)UTM投影反解公式轉(zhuǎn)換為經(jīng)緯度坐標(biāo)，即：

[?=?f+tf2N2fx2Δx2+tf24N4fx4Δx4+tf720N6fx6Δx6+tf40 320N8fx8Δx8λ=λ0+1NfcfΔx+16N3fcfx3Δx3+1120N5fcfx5Δx5+15 040N7fcfx7Δx7] （4）

式中帶下標(biāo)[f]的參數(shù)需要通過(guò)底點(diǎn)緯度[?f]計(jì)算。[Δx]、[x2]、[x3]、[x4]、[x5]、[x6]、[x7]、[x8]的計(jì)算公式為：

[Δx=x-FEk0x2=-1-ν2fx3=-1-2t2f-ν2fx4=5+3t2f+6ν2f-6t2fν2f-3ν4f-9t2fν4fx5=5+28t2f+24t4f+6ν2f+8t2fν2fx6=-61-90t2f-45t4f-107ν2f+162t2fν2f+45t4fν2fx7=-61-662t2f-1 320t4f-720t6fx8=1 385+3 633t2f+4 095t4f+1 575t6f] （5）

3.2" 基于多源融合SLAM的無(wú)人機(jī)自主定位

系統(tǒng)需要計(jì)算全局經(jīng)緯度信息以將無(wú)人機(jī)定位結(jié)果映射到虛擬空間，同時(shí)要計(jì)算連續(xù)且無(wú)漂移的位置信息以確保映射的準(zhǔn)確性。本文設(shè)計(jì)了一種多源信息融合的SLAM位姿估計(jì)方法，其核心在于不同信息源的融合，考慮到無(wú)人機(jī)的重量和成本，將全球?qū)Ш叫l(wèi)星系統(tǒng)（Global Navigation Satellite System， GNSS）和基于相機(jī)與慣性測(cè)量單元（Inertial Measurement Unit， IMU）的視覺(jué)慣性里程計(jì)（Visual?inertial Odometry， VIO）融合起來(lái)。

以開(kāi)源的GVINS[14]為基礎(chǔ)，采用緊耦合方式融合GNSS、IMU和相機(jī)數(shù)據(jù)。為了改善GVINS的初始化過(guò)程，系統(tǒng)將通過(guò)虛擬空間進(jìn)行輔助優(yōu)化，具體算法框圖如圖3所示。

本文中，對(duì)于GNSS數(shù)據(jù)，首先過(guò)濾低俯仰角和不良衛(wèi)星信號(hào)，確保進(jìn)入系統(tǒng)的衛(wèi)星能夠連續(xù)鎖定一定時(shí)間，以消除不穩(wěn)定的信號(hào)。IMU測(cè)量值被預(yù)積分，圖像則被抽象為稀疏的特征點(diǎn)序列。在初始化階段，通過(guò)將IMU預(yù)積分的結(jié)果與純視覺(jué)運(yùn)動(dòng)結(jié)構(gòu)（Structure from Motion， SFM）的結(jié)果進(jìn)行對(duì)齊，實(shí)現(xiàn)視覺(jué)慣性初始化。如果視覺(jué)慣性系統(tǒng)成功對(duì)齊，則進(jìn)行從粗到精的優(yōu)化過(guò)程，以初始化GNSS狀態(tài)。在GNSS初始化過(guò)程中，利用虛擬空間加快初始化并優(yōu)化結(jié)果。具體而言，當(dāng)觀察到無(wú)人機(jī)起飛點(diǎn)位置時(shí)，在虛擬空間提取無(wú)人機(jī)坐標(biāo)作為先驗(yàn)信息發(fā)送給無(wú)人機(jī)，以加快初始化，一旦GNSS初始化成功，系統(tǒng)將監(jiān)測(cè)和處理GNSS退化情況，即使無(wú)法進(jìn)行GNSS初始化，系統(tǒng)仍可在視覺(jué)慣性模式下進(jìn)行狀態(tài)估計(jì)。

3.3" 虛擬空間三維路徑規(guī)劃

由于機(jī)載計(jì)算機(jī)資源有限，不易維護(hù)全局地圖進(jìn)行路徑規(guī)劃，本文通過(guò)數(shù)字孿生技術(shù)在虛擬空間實(shí)現(xiàn)三維路徑規(guī)劃，為無(wú)人機(jī)實(shí)時(shí)提供全局路徑規(guī)劃，減輕機(jī)載計(jì)算機(jī)壓力。但無(wú)人機(jī)飛行區(qū)域?qū)嵕叭S模型數(shù)據(jù)量大，計(jì)算機(jī)加載實(shí)景三維模型在線(xiàn)構(gòu)建路徑規(guī)劃算法的搜索圖計(jì)算消耗大。為了能夠從虛擬空間的實(shí)景三維模型進(jìn)行實(shí)時(shí)路徑規(guī)劃，本文實(shí)現(xiàn)了一種將離線(xiàn)保存的八叉樹(shù)地圖與Lazy Theta*算法[15]相結(jié)合的路徑規(guī)劃方法。

八叉樹(shù)地圖構(gòu)建過(guò)程是將無(wú)人機(jī)飛行區(qū)域?qū)嵕叭S模型劃分為大立方體網(wǎng)格，并不斷細(xì)分至最大深度。采用八叉樹(shù)數(shù)據(jù)結(jié)構(gòu)構(gòu)建路徑節(jié)點(diǎn)網(wǎng)格地圖可顯著減少路徑節(jié)點(diǎn)數(shù)量，縮短搜索時(shí)間。八叉樹(shù)地圖構(gòu)建流程如圖4所示。

首先，通過(guò)Unity獲取實(shí)景三維模型所有的三角形網(wǎng)格信息，對(duì)每個(gè)三角形的3三個(gè)頂點(diǎn)分別沿著頂點(diǎn)法線(xiàn)方向加上一個(gè)安全距離擴(kuò)展障礙物表面，使規(guī)劃出來(lái)的路徑點(diǎn)與障礙物保持足夠的安全距離；然后，根據(jù)每個(gè)三角形的頂點(diǎn)判斷三角形網(wǎng)格是否與八叉樹(shù)當(dāng)前節(jié)點(diǎn)表示的立方體網(wǎng)格相交，若相交，則標(biāo)記當(dāng)前節(jié)點(diǎn)為包含障礙物，并創(chuàng)建8個(gè)子節(jié)點(diǎn)，對(duì)每個(gè)子節(jié)點(diǎn)重復(fù)操作，直到八叉樹(shù)擴(kuò)展到設(shè)置的最大深度；最后，將八叉樹(shù)所有節(jié)點(diǎn)的信息保存到文件。系統(tǒng)在運(yùn)行時(shí)提前從文件讀取八叉樹(shù)地圖數(shù)據(jù)，結(jié)合具體的路徑搜索算法實(shí)現(xiàn)實(shí)時(shí)路徑規(guī)劃。

4" 系統(tǒng)實(shí)驗(yàn)驗(yàn)證

4.1" 數(shù)據(jù)傳輸

有效的數(shù)據(jù)傳輸是整個(gè)無(wú)人機(jī)數(shù)字孿生系統(tǒng)運(yùn)行的關(guān)鍵，本文實(shí)現(xiàn)了兩種數(shù)據(jù)傳輸方式：第一種是在云服務(wù)器部署MySQL數(shù)據(jù)庫(kù)實(shí)現(xiàn)數(shù)據(jù)遠(yuǎn)程傳輸和存儲(chǔ)；第二種是通過(guò)Unity?ROS通信框架，其需要兩個(gè)工具包來(lái)實(shí)現(xiàn)，作為ROS節(jié)點(diǎn)運(yùn)行的TCP端點(diǎn)和Unity端的TCP連接器，通過(guò)異地組網(wǎng)建立虛擬局域網(wǎng)也可以實(shí)現(xiàn)遠(yuǎn)程傳輸。圖5所示為在4G網(wǎng)絡(luò)環(huán)境下連續(xù)傳輸100次無(wú)人機(jī)位置、姿態(tài)和速度信息來(lái)測(cè)試兩種不同數(shù)據(jù)傳輸方式的傳輸時(shí)間。從測(cè)試結(jié)果來(lái)看，在4G網(wǎng)絡(luò)下通過(guò)云服務(wù)器進(jìn)行數(shù)據(jù)傳輸?shù)臅r(shí)間在40 ms左右，滿(mǎn)足實(shí)時(shí)通信需求。對(duì)于圖像回傳顯示等非實(shí)時(shí)處理數(shù)據(jù)，可通過(guò)構(gòu)建的虛擬局域網(wǎng)進(jìn)行傳輸。

4.2" 虛實(shí)映射精度分析

為了驗(yàn)證虛擬空間和物理空間中對(duì)應(yīng)位置點(diǎn)的映射精度，在虛擬空間均勻地選取9個(gè)位置，然后在物理空間對(duì)應(yīng)位置用RTK設(shè)備測(cè)量其經(jīng)緯度坐標(biāo)，把這些坐標(biāo)通過(guò)UTM投影轉(zhuǎn)換后的三維坐標(biāo)與虛擬空間選取位置的三維坐標(biāo)進(jìn)行對(duì)比評(píng)估其映射精度。如圖6所示，誤差最大值為0.51 m，誤差最小值為0.19 m，誤差平均值為0.38 m。

4.3" 無(wú)人機(jī)定位精度分析

為了測(cè)試系統(tǒng)定位精度，手持無(wú)人機(jī)在起點(diǎn)處行走一圈后返回，通過(guò)比較兩次坐標(biāo)值計(jì)算單點(diǎn)定位誤差。在實(shí)驗(yàn)中對(duì)比了VIO和GNSS觀測(cè)信息與VIO融合兩種定位算法，兩種算法的定位軌跡如圖7a）所示。從圖中可見(jiàn)，基于相機(jī)和慣性傳感器數(shù)據(jù)融合的VIO可在短時(shí)間內(nèi)提供精確定位信息，但長(zhǎng)時(shí)間運(yùn)行后存在累積誤差，導(dǎo)致定位軌跡漂移，系統(tǒng)運(yùn)行一圈后在起點(diǎn)的定位誤差為7.43 m。而本文將VIO和GNSS通過(guò)緊耦合的方式進(jìn)行融合的定位方法能夠充分利用兩者的優(yōu)勢(shì)，定位誤差僅為0.46 m。通過(guò)VIO和GNSS融合定位的軌跡映射到虛擬空間如圖7b）所示，可直觀看到圍繞水池行走一圈的軌跡。

4.4" 無(wú)人機(jī)自主飛行測(cè)試

為了驗(yàn)證本文設(shè)計(jì)的自主無(wú)人機(jī)數(shù)字孿生系統(tǒng)的有效性，選用大疆M210無(wú)人機(jī)作為實(shí)驗(yàn)平臺(tái)，并為其配備了由相機(jī)、IMU、GNSS接收機(jī)和機(jī)載計(jì)算機(jī)組成的定位模塊，無(wú)人機(jī)實(shí)物圖如圖8a）所示。測(cè)試時(shí)，首先根據(jù)4.2節(jié)和4.3節(jié)分析的虛實(shí)空間映射誤差、無(wú)人機(jī)定位誤差以及無(wú)人機(jī)機(jī)身尺寸，確定在虛擬空間規(guī)劃路徑的安全緩沖距離為2 m，以確保無(wú)人機(jī)在實(shí)際飛行時(shí)不會(huì)撞到障礙物。然后，在無(wú)人機(jī)數(shù)字孿生系統(tǒng)軟件界面，通過(guò)鼠標(biāo)選取無(wú)人機(jī)飛行的起點(diǎn)和終點(diǎn)，規(guī)劃出一條飛行路徑，如圖8b）所示。

最后，虛擬空間規(guī)劃的航點(diǎn)數(shù)據(jù)會(huì)上傳至云服務(wù)器的數(shù)據(jù)庫(kù)，無(wú)人機(jī)通過(guò)機(jī)載計(jì)算機(jī)從數(shù)據(jù)庫(kù)獲取航點(diǎn)數(shù)據(jù)，并控制無(wú)人機(jī)沿著飛行路徑自主飛行。圖8c）所示為無(wú)人機(jī)實(shí)際飛行路徑的定位軌跡映射到虛擬空間。

從可視化結(jié)果來(lái)看，無(wú)人機(jī)能夠很好地跟蹤在虛擬空間規(guī)劃的飛行路徑，成功穿越了兩棟建筑物間的間隙，驗(yàn)證了本文系統(tǒng)的有效性。

5" 結(jié)" 語(yǔ)

本文從自主無(wú)人機(jī)應(yīng)用需求出發(fā)，構(gòu)建了無(wú)人機(jī)數(shù)字孿生系統(tǒng)，旨在提高無(wú)人機(jī)飛行的安全性和自主性。結(jié)合數(shù)字孿生技術(shù)，實(shí)現(xiàn)了虛實(shí)映射、自主定位和路徑規(guī)劃等關(guān)鍵技術(shù)。通過(guò)實(shí)驗(yàn)證明了系統(tǒng)的有效性和實(shí)用性，為未來(lái)研究和發(fā)展提供了參考。接下來(lái)，將結(jié)合大數(shù)據(jù)和深度學(xué)習(xí)技術(shù)，為基于數(shù)字孿生的無(wú)人機(jī)提供實(shí)時(shí)故障監(jiān)測(cè)和處理能力，進(jìn)一步提高飛行的安全性和自主性。

注：本文通訊作者為鄭恩輝。

參考文獻(xiàn)

[1] MOHSAN S A H， OTHMAN N Q H， KHAN M A， et al. A comprehensive review of micro UAV charging techniques [J]. Micromachines， 2022， 13（6）： 977.

[2] MOHSAN S A H， KHAN M A， NOOR F， et al. Towards the unmanned aerial vehicles （UAVs）： A comprehensive review [J]. Drones， 2022， 6（6）： 147.

[3] SHAKHATREH H， SAWALMEH A， Al?FUQAHA A I， et al. Unmanned aerial vehicles （UAVs）： A survey on civil applications and key research challenges [J]. IEEE access， 2019， 7： 48572?48634.

[4] 陳超，徐軍，張偉偉.多傳感器融合的移動(dòng)機(jī)器人同步定位與建圖[J].現(xiàn)代電子技術(shù)，2020，43（14）：164?169.

[5] QIN T， LI P L， SHEN S J. VINS?Mono： A robust and versatile monocular visual?inertial state estimator [J]. IEEE transactions on robotics， 2018， 34（4）： 1004?1020.

[6] CAMPOS C， ELVIRA R， RODRíGUEZ J J G， et al. ORB?SLAM3： An accurate open?source library for visual， visual?inertial， and multimap SLAM [J]. IEEE transactions on robotics， 2021， 37（6）： 1874?1890.

[7] SHAN T X， ENGLOT B J， MEYERS D， et al. LIO?SAM： Tightly?coupled lidar inertial odometry via smoothing and mapping [C]// 2020 IEEE/RSJ International Conference on Intelligent Robots and Systems （IROS）. New York： IEEE， 2020： 5135?5142.

[8] JI G， HAO J G， GAO J L， et al. Digital twin modeling method for individual combat quadrotor UAV [C]// 2021 IEEE 1st International Conference on Digital Twins and Parallel Intelligence （DTPI）. New York： IEEE， 2021： 1?4.

[9] 吳東陽(yáng)，竇建平，李俊.四旋翼飛行器的數(shù)字孿生系統(tǒng)設(shè)計(jì)[J].計(jì)算機(jī)工程與應(yīng)用，2021，57（16）：237?244.

[10] MIAO J S， ZHANG P. UAV visual navigation system based on digital twin [C]// 2022 18th International Conference on Mobi?lity， Sensing and Networking （MSN）. New York： IEEE， 2022： 865?870.

[11] MENG W， YANG Y L， ZANG J Y， et al. DTUAV： A novel cloud?based digital twin system for unmanned aerial vehicles [J]. Simulation， 2023， 99（1）： 69?87.

[12] 陶飛，劉蔚然，張萌，等.數(shù)字孿生五維模型及十大領(lǐng)域應(yīng)用[J].計(jì)算機(jī)集成制造系統(tǒng)，2019，25（1）：1?18.

[13] LAND T. The use of Google maps and universal transverse Mercator （UTM） coordinate in land measurement of region in different zone [J]. Journal of theoretical and applied information technology， 2018， 96（23）： 8071?8080.

[14] CAO S Z， LU X Y， SHEN S J. GVINS： Tightly coupled GNSS?visual?inertial fusion for smooth and consistent state estimation [J]. IEEE transactions on robotics， 2022， 38（4）： 2004?2021.

[15] NASH A， KOENIG S， TOVEY C A. Lazy theta*： Any?angle path planning and path length analysis in 3D [C]// Proceedings of the AAAI Conference on Artificial Intelligence. [S.l.]： AAAI， 2010： 147?154.