無人機拒止環(huán)境導航關鍵技術分析

本文介紹了無人機拒止環(huán)境導航的典型方法，包括慣性導航、視景匹配導航、地形匹配導航，以及近年來在自動駕駛領域廣泛使用的視覺SLAM導航、激光SLAM導航等。本文對比了不同技術的優(yōu)缺點以及對應的應用場景，闡述了相關技術未來的發(fā)展方向，希望為無人機拒止環(huán)境導航技術發(fā)展提供參考。

無人機在軍事、工業(yè)、農(nóng)業(yè)等領域被廣泛應用并發(fā)揮著重要作用，但在執(zhí)行任務過程中，無人機可能因信號干擾或建筑物遮擋等原因導致GPS導航失效，從而影響飛行安全。因此，通過機載傳感器實現(xiàn)無人機拒止環(huán)境導航，對于保證無人機飛行安全、拓展無人機應用場景具有重要意義。

傳統(tǒng)拒止環(huán)境導航技術

在無人機、導彈等飛行器的自主導航任務中，常用的自主導航方法包括慣性導航技術、視景匹配導航技術以及地形匹配導航技術。慣性導航技術通過測量加速度和角速度等自身物理量來實現(xiàn)導航，視景匹配、地形匹配導航技術通過預存的環(huán)境特征進行匹配來確定位置，這些方法具備很強的自主性，但其環(huán)境適應性受到較大限制。

慣性導航技術

慣性測量單元（IMU）被廣泛應用于航空、航天以及汽車等領域，用于測量物體的位置和姿態(tài)。慣性導航技術通過IMU的陀螺儀和加速度計實現(xiàn)物體的角速度和加速度測量，然后對角速度和加速度進行積分并結合物體的初始狀態(tài)、受力情況以及時間等相關信息，得到物體的姿態(tài)、速度及位置信息。根據(jù)測量原理的不同，IMU可分為基于微機電系統(tǒng)（MEMS）、光纖陀螺、激光陀螺等。不同類型的IMU成本以及測量精度存在巨大差異，激光陀螺成本高達數(shù)十萬元但能夠實現(xiàn)10km/h的高精度導航，MEMS慣性導航成本低，但其精度相對較低，且誤差會隨著時間快速積累，可能導致導航失效。

慣性導航技術通過測量自身加速度、角速度獲得狀態(tài)信息，而不需要測量地形、圖像等環(huán)境信息，因此具有很高的自主性，能夠實現(xiàn)全天候、各類環(huán)境場景的自主導航。但由于慣性導航的測量原理是通過對測量值進行積分，因此慣性導航的測量誤差會隨時間增加而快速累積，其適用于短時間的高精度導航而無法滿足長時間的高精度導航需求。在拒止環(huán)境自主導航任務中，為實現(xiàn)長時間、高精度的導航，需要將慣性導航與視景匹配導航、地形匹配導航等方法進行結合，來糾正定位誤差累積。

視景匹配導航技術

視景匹配導航通過遙感衛(wèi)星獲得無人機飛行航路上的地圖信息，在無人機執(zhí)行任務前加載航線沿途的地圖圖片，在飛行過程中，根據(jù)無人機當前位置，計算得到待匹配區(qū)域，然后在區(qū)域內(nèi)收集待匹配地圖，并將無人機機載攝像頭拍攝得到的圖片與待匹配地圖進行對比，獲得最佳匹配圖片，然后通過坐標變換，計算得到無人機的當前位置和姿態(tài)信息。

視景匹配導航技術能夠利用預先存儲的高精度地圖數(shù)據(jù)，在GPS拒止環(huán)境下實現(xiàn)長時間、遠距離的自主導航，并獲得較為精確的無人機位姿估計。因此，該技術被廣泛應用于無人機、導彈等飛行器的自主導航任務中。視景匹配導航需要通過匹配獲得位姿估計，因此當環(huán)境紋理不明顯，或夜間、雨霧等光線條件不佳時，將會導航失效。另外，視景

匹配導航需要進行圖片特征提取、圖像匹配等計算，對無人機機載處理設備的處理能力有較高要求。最后，對于無人直升機等低空飛行器，其拍攝高度與遙感衛(wèi)星差異巨大，將會因圖像分辨率差異較大導致匹配失效，因此視景匹配無法應用于超低空飛行器的拒止環(huán)境定位。

地形匹配導航技術

地形匹配導航技術利用地形高層特征實現(xiàn)自主導航，其被廣泛應用于無人機、導彈等各類型飛行器的自主導航與定位。地形匹配導航的原理是將實時獲取的地形高度數(shù)據(jù)與預先存儲的數(shù)字高層地圖進行匹配，從而確定當前位置信息。地形匹配導航可分為數(shù)據(jù)采集、數(shù)據(jù)對比和誤差修正幾個主要步驟。在數(shù)據(jù)采集過程中，無人機通過雷達高度計、激光測高儀或氣壓計實時測量飛行器與地面的垂直高度差，綜合慣性導航系統(tǒng)獲得地形高度信息；在數(shù)據(jù)對比環(huán)節(jié)，將預先存儲的任務區(qū)域的高精度數(shù)字高層地圖作為待匹配地圖，通過將測量得到的地形高層剖面與高層地圖候選區(qū)域進行逐段匹配，獲得無人機位置信息；最后利用慣導數(shù)據(jù)對匹配信息進行糾正，獲得準確的無人機的位置和姿態(tài)信息。

地形匹配導航與視景匹配導航一樣，不需要外部信號通信，因此同樣具有抗干擾性強、隱蔽性好、穩(wěn)定性高的特點。另外，由于地形高層信息不受季節(jié)、光線等影響，因此其穩(wěn)定性更好，可以全天候工作。但同時，地形匹配導航需要依賴地形的顯著起伏變化，因而在平原、沙漠等地形不明顯或地形變化區(qū)域將會導致匹配失敗，并且地形匹配導航在特征計算、地形匹配等過程中同樣具有較大的算力需求，因此對機載設備應急計算能力要求較高。

實時環(huán)境感知導航技術

實時環(huán)境感知導航技術是指無人機通過機載的光電、激光雷達等傳感器，實時感知并建立環(huán)境地圖，然后依靠建立的地圖實現(xiàn)無人機定位，由于建圖與定位是同時進行的，因此這種技術也被稱為同時定位與建圖（simulationmappingandlocation，SLAM）技術。根據(jù)傳感器類型不同，SLAM技術主要分為視覺SLAM和激光SLAM兩種，SLAM算法因其在拒止環(huán)境中實現(xiàn)自主導航的能力，被廣泛應用于自動駕駛和無人機自主導航等領域。

視覺SLAM技術通過RGB、黑白、紅外相機等視覺傳感器感知環(huán)境的視覺信息并建立特征點地圖實現(xiàn)無人機定位，由于視覺SLAM傳感器成本低、重量小、適用范圍廣，因此被廣泛應用于室內(nèi)、隧道、地下車庫等GPS拒止區(qū)域機器人的自主導航任務中。近年來，視覺SLAM技術的快速發(fā)展使得其能夠實現(xiàn)厘米級的高精度定位。視覺SLAM技術可分為圖像處理、前端計算、后端優(yōu)化、回環(huán)檢測和地圖構建等步驟。在圖像處理環(huán)節(jié)，視覺SLAM算法通過視覺傳感器獲得圖像信息，并利用ORB、SIFT等特征點提取算法，提出圖像特征點；前端計算算法對兩幀圖像進行特征點匹配，通過PNP、ICP等算法獲得兩幀圖像的相對位姿變換；后端優(yōu)化算法將多幀圖像間的相對位姿變換作為優(yōu)化量，通過優(yōu)化計算得到無人機的最優(yōu)位態(tài)估計；回環(huán)檢測通過圖像判斷無人機是否回到同一位置，從而對無人機位姿進行糾正，消除累積誤差；最后通過提取關鍵幀建立環(huán)節(jié)特征點地圖，基于地圖實現(xiàn)無人機定位。

視覺SLAM算法無需存儲環(huán)境的視景或地形信息，因此適用于陌生環(huán)境的無人機自主導航任務，具有更加廣泛的應用場景，并且ORB-SLAM3、VINS-FUSION等先進的視覺SLAM算法能夠實現(xiàn)厘米級的定位精度，具有更高的定位精度。視覺SLAM算法依賴于視覺信息的特征提取和匹配，這使得其在弱紋理區(qū)域容易出現(xiàn)匹配失敗，從而導致定位失效。同時，視覺SLAM算法對環(huán)境光線條件較為敏感，難以在全天候條件下穩(wěn)定工作。此外，特征提取和后端優(yōu)化等步驟對計算資源要求較高，需要機載系統(tǒng)具備較強的算力，以實現(xiàn)高效的實時導航。

激光SLAM技術

激光SLAM導航技術通過激光雷達傳感器實現(xiàn)環(huán)境探測并完成定位與建圖。激光雷達通過發(fā)射激光脈沖并接收反射信號，對障礙物的距離和角度進行測量，從而實現(xiàn)無人機的高精度定位。激光SLAM算法的流程可以分為前端處理、后端優(yōu)化、回環(huán)檢測和環(huán)境建圖4個部分。在前端處理環(huán)節(jié)，激光SLAM算法接收激光雷達點云數(shù)據(jù)并提取點云數(shù)據(jù)中的平面、邊緣、角點等特征，然后利用ICP、NDT等配準算法計算得到兩幀點云的位置變換；在后端優(yōu)化環(huán)節(jié)，激光SLAM算法將多幀點云位置變換作為輸入，對位姿進行整體優(yōu)化提高定位精度；在回環(huán)檢測環(huán)節(jié)，激光SLAM算法利用激光點云數(shù)據(jù)判斷是否回到同一位置，并將該條件作為約束項，從而減小算法累積誤差；最后，利用定位結果和點云數(shù)據(jù)，建立環(huán)境的激光點云地圖。

激光雷達傳感器能夠實現(xiàn)厘米級的高精度測量，使得激光SLAM算法能夠實現(xiàn)比視覺SLAM算法更高精度的導航性能。激光SLAM算法是依靠環(huán)境的結構特征來實現(xiàn)定位，因此其不受光照、天氣影響，能夠全天候工作，相較于視覺SLAM算法具有更好的環(huán)境適應性。但是，激光SLAM算法需要依靠地形結構實現(xiàn)導航，因此受限于激光雷達傳感器探測范圍，激光SLAM更適用于低空飛行的無人機。此外，激光SLAM需要依靠環(huán)境結構特征進行定位，因此在海面、平地等結構不明顯區(qū)域，由于其特征缺失導致定位失效，因此需要與慣性導航、視覺SLAM導航等其他方法進行融合，提高導航的可靠性。

不同導航技術對比分析

不同的無人機導航方式對比如表1所示，慣性導航魯棒性高、環(huán)境適應性好，能夠實現(xiàn)短期的高精度導航，但是導航定位誤差將會隨時間而累計增長，因此不適用于長時間的導航任務；視景匹配和地形匹配能夠實現(xiàn)穩(wěn)定的中高精度導航，但是其需要預存地圖信息以及高層信息，并且在圖像以及高層信息不明顯區(qū)域將會出現(xiàn)失效；視覺SLAM技術能夠在特征明顯區(qū)域實現(xiàn)高精度的導航效果，但是對環(huán)境紋理、光照穩(wěn)定性有較高需求；激光SLAM能夠實現(xiàn)高精度定位與建圖，但是容易受到雨霧等影響，并且需要環(huán)境具備明顯的點、面等特征，在海面等場景會導致失效。

無人機拒止導航技術挑戰(zhàn)與未來發(fā)展方向

慣性導航、視景匹配導航、地形匹配導航技術已在無人機、導彈等飛行器上獲得廣泛應用，這些技術抗干擾能力強，能夠提供較好的全局定位精度。然而，它們通常適用于時間較短、特征明顯且預先存儲了地圖信息的特定場景。在弱紋理、地形特征不明顯的陌生復雜區(qū)域，這些技術可能會因導航失效而無法滿足無人機自主導航的需求。視覺SLAM、激光SLAM等實時定位算法在機器人、自動駕駛領域獲得廣泛應用并表現(xiàn)出巨大的發(fā)展前景，但其在無人機領域的應用仍需要突破魯棒性、可靠性等技術難點。

因此，在無GPS、弱紋理等復雜拒止環(huán)境的自主導航任務中，單一、傳統(tǒng)的導航方式已經(jīng)無法滿足無人機拒止導航需求，無人機導航技術正朝著多模態(tài)融合和智能化方向發(fā)展。一方面，慣性導航、視覺/激光SLAM、地形/視景匹配的多傳感器融合將會成為主流，通過多種定位方式互補，多傳感器融合將實現(xiàn)高精度且魯棒性高的定位效果；另一方面，基于深度學習的端到端導航方法逐步成熟，并在自動駕駛等領域的定位和導航任務中得到廣泛應用，這種方法顯著提高了對復雜場景的適應性，展現(xiàn)出在無人機自主導航領域的巨大應用潛力。