隨著消費(fèi)級無人機(jī)技術(shù)的不斷成熟,不斷完善的自動避障系統(tǒng)可以極大的減少因操作失誤而帶來的各項(xiàng)損失,目前避障能力正逐漸成為了無人機(jī)自動化或智能化的關(guān)鍵點(diǎn)所在。

而根據(jù)無人機(jī)避障技術(shù)的原理和發(fā)展趨勢,可以將無人機(jī)避障技術(shù)分為三重階段：即感知障礙物階段、繞過障礙物和場景建模和路徑搜索。

感知障礙階段

"在開闊場地飛行,盡量避開人群,避免因操作失誤而帶來的安全事故”是目前大部分消費(fèi)級無人機(jī)的使用說明上都會出現(xiàn)的一項(xiàng)標(biāo)注,因此各無人機(jī)開發(fā)商為了降低安全事故的發(fā)生幾率,都將避障技術(shù)作為了開發(fā)的重點(diǎn)。而如何實(shí)現(xiàn)無人機(jī)自動避障,首先要實(shí)現(xiàn)的是如何精確的測量無人機(jī)與障礙物之間的距離，只有先測量出危險范圍內(nèi)的距離，才可以有時間在撞向障礙物之前停止無人機(jī)的前進(jìn)動作,進(jìn)而避免事故的發(fā)生。就如人類或其他動物在前進(jìn)的過程中,只有先看見前方的障礙物,并且會大致估算出自己與障礙物之間的距離,才能決定下一步的行為方向,因此雖然看似測距停止的這種思路很簡單粗暴,但在實(shí)際應(yīng)用中還是有一定的存在意義。

而目前的無人機(jī)領(lǐng)域被廣泛應(yīng)用到的障礙物檢測方法有超聲波測距、紅外或激光測距、雙目視覺、電子地圖等。其中雙目視覺技術(shù)更是利用了人眼如何估計視覺的原理,是目前較受無人機(jī)開發(fā)商青睞的一種技術(shù)。超聲波測距其實(shí)是一種比較成熟的測距技術(shù),而成本相對較低,目前被大量的應(yīng)用于家用的汽車倒車?yán)走_(dá)上,但是其測量距離較近,而且對反射面有著一定的要求 ,因此常被用來測量無人機(jī)與地面之間的距離,而非與障礙物之間的距離。

紅外或激光測距又稱TOF是利用傳感器發(fā)射定頻率的信號，通過計算反射信號與原信號之間的相位差來確定信號的飛行時間,并最終確定的無人機(jī)與障礙物之間的距離，該技術(shù)一旦達(dá)到高等級 ,還可以獲得障礙物的深度圖。

而雙目視覺技術(shù)是運(yùn)用了人眼計算距離的原理,是機(jī)器視覺的一種重要形式，主要基于視察原理并利用成像設(shè)備從不同的位置獲取被測物體的兩幅圖像，并通過計算圖像對應(yīng)點(diǎn)之間的位偏差,來確定物體三維幾何信息的方法。雖然該技術(shù)的難度較高.但是已經(jīng)開始逐漸應(yīng)用到無人機(jī)避障技術(shù)中來。

電子地圖則是借助GPS系統(tǒng)、細(xì)粒度的數(shù)字高程地圖和城市建筑3D地圖，比較適用于無人機(jī)的禁區(qū)功能，不僅可以避免重要建筑物受到撞擊，還可實(shí)現(xiàn)多種情況下的避障功能。

在看過基本的障礙物測量原理之后，我們可以繼續(xù)看無人機(jī)的避障功能，最簡單的概況就是通過各項(xiàng)障礙物測量技術(shù)，來保障無人機(jī)與障礙物之間的距離并且根據(jù)距離實(shí)行下一步的飛行計劃，然而在遇到障礙物之后就保持距離并進(jìn)行等待,只能說是無人機(jī)避障功能的最初級階段。

繞過障礙階段

當(dāng)無人機(jī)遇到障礙物之后進(jìn)行懸停等待，等待已經(jīng)完全不能滿足操作者們的使用需求目標(biāo),但是獲取前方障礙物距離容易，獲取精準(zhǔn)的障礙物輪廓并繞過去卻是新的技術(shù)障礙，而關(guān)鍵點(diǎn)則如何精確獲得障礙物的深度圖像。

在自然界中,動物們都知道前方遇到障礙物時該如何繞過去,而不是只在障礙物之前等待,而原因在于動物們可以知道障礙物的大致輪廓,只要找到邊緣處所在,就可以從邊上繞過去,然而看似簡單的做法卻包含著很深的套路。

很簡單的就是目前的測障技術(shù)很難滿足障礙物輪廓獲取的需求,當(dāng)無人機(jī)采用超聲波進(jìn)行測距時,只能大致測出前方的距離,只能獲得二維的數(shù)值，而非三維的畫面。

但是目前的TOF和雙目視覺技術(shù)則是聲稱可以獲得障礙物深度圖像的技術(shù)。也就是說利用這兩種技術(shù)來進(jìn)行障礙物距離測量,只要障礙物沒有充滿整個視覺范圍,其邊緣總會被獲取到,而無人機(jī)則可以根據(jù)測量的結(jié)果繼續(xù)選擇下一步的飛行路線。

看似問題已經(jīng)解決，其實(shí)不然。舉例來說，當(dāng)我們出門想到達(dá)一個目的地的時候，如果目的地前方有一座高樓，我們可以通過發(fā)現(xiàn)高樓的邊緣從而繞過它來到達(dá)目的地,但是我們不可預(yù)知的是高樓背后是否有其他的建筑物的存在。無人機(jī)也是如此，一旦障礙物之后的近距離還有障礙物的存在，那么依然存在較高的事故發(fā)生率。因此如何應(yīng)對多重障礙物的存在就成為了無人機(jī)避障技術(shù)下一步需要探討的對象。

場景建模和路徑探索

上文說到無人機(jī)的避障功能已經(jīng)需要一個可以應(yīng)對多重障礙物的技術(shù)出現(xiàn)，也就是說在目前的技術(shù)中,如何對飛行場景進(jìn)行精準(zhǔn)建模,實(shí)時獲取場景模型,并通過飛控來設(shè)置最優(yōu)避障飛行路徑是重點(diǎn),這也拉開了無人機(jī)避障功能中的場景建模和路徑搜索階段的帷幕。

其實(shí)就是基于電子地圖等來源獲取場景模型,利用機(jī)載計算機(jī)中的算法來得出最優(yōu)路徑,如果應(yīng)用在自然界中來說,就是當(dāng)動物經(jīng)過一些障礙物時，它們的大腦里面會存在相關(guān)場景的一個地圖,當(dāng)再一次經(jīng)過的時候，就會根據(jù)上次記憶的場景模型來獲取最佳避障路線。無人機(jī)雖然不能通過兩次飛行去獲取記憶的場景模型,但是它可以通過其他的科技手段來獲取,也就是說飛行場地的3D地圖等。

基于該項(xiàng)理論的基礎(chǔ)上，卓翼智能聯(lián)合北航專業(yè)視覺導(dǎo)航團(tuán)隊研發(fā)出，基于機(jī)器視覺無人平臺自主導(dǎo)航避障系統(tǒng)，具有立體視覺、運(yùn)動估計、稠密重建、Slam導(dǎo)航、路徑規(guī)劃、自主避礙等功能。

系統(tǒng)結(jié)合目前熱門研究領(lǐng)域與研究方向，集無人機(jī)、無人車、雙目視覺、機(jī)載AI視覺處理板卡于一體，形成全套的無人平臺控制、通訊鏈路、視覺圖像采集、圖像識別、三維重建、定位解算等軟件算法解決方案。

為各科研團(tuán)隊、高校實(shí)驗(yàn)室提供硬件完善、功能齊全、開發(fā)環(huán)境完整、引領(lǐng)行業(yè)發(fā)展的全系統(tǒng)全功能開發(fā)測試環(huán)境，讓各科研團(tuán)隊專注于slam導(dǎo)航避障算法研究。

該系統(tǒng)提供全套的學(xué)科教學(xué)課程以及示例算法等，可快速展開相關(guān)課程設(shè)計，進(jìn)行實(shí)際教學(xué)應(yīng)用階段。教科書級專業(yè)指導(dǎo)，永葆技術(shù)先進(jìn)性。

整體解決方案

基于機(jī)器視覺無人平臺自主導(dǎo)航避障系統(tǒng)組成架構(gòu)：

硬件組成

基于機(jī)器視覺無人平臺自主導(dǎo)航避障系統(tǒng)硬件由：開發(fā)工作站、無人機(jī)系統(tǒng)、機(jī)載雙目視覺、機(jī)載圖像處理板、VR三維顯示等組成。

1、開發(fā)工作站

開發(fā)工作站是系統(tǒng)開發(fā)實(shí)驗(yàn)控制平臺，主要用于雙目視覺目標(biāo)識別訓(xùn)練系統(tǒng)開發(fā)使用，為前期視覺系統(tǒng)控制平臺，當(dāng)在上位機(jī)中控制成功后即可以移植到TX2上進(jìn)行實(shí)時自主控制。

2、無人機(jī)平臺

無人機(jī)平臺專為基于機(jī)器視覺無人平臺自主導(dǎo)航避障系統(tǒng)研發(fā)，具有飛行穩(wěn)定?？赏ㄟ^串口、USB接口、網(wǎng)絡(luò)通訊等多種通訊控制接口控制?？纱钶d超聲波、激光、光流GPS、PTK等諸多傳感器，適應(yīng)多種應(yīng)用環(huán)境與系統(tǒng)組合。

3、機(jī)載雙目視覺系統(tǒng)

機(jī)載雙目視覺系統(tǒng)包括雙目相機(jī)、圖傳系統(tǒng)，雙目相機(jī)固定于無人機(jī)底部，實(shí)時采集無人機(jī)巡視拍攝信息，發(fā)送至TX2機(jī)載處理板卡進(jìn)行避障、跟隨以及slam計算，或下傳至地面圖傳接收機(jī)由開發(fā)工作站進(jìn)行處理。機(jī)載雙目視覺系統(tǒng)所使用的雙目視覺相機(jī)為小覓雙目視覺相機(jī)。

采用小覓雙目攝像頭標(biāo)準(zhǔn)版，雙目幀在硬件上同步。以60Hz的頻率采集圖像，分辨率達(dá)到752×480像素，如圖2.2為小覓雙目標(biāo)準(zhǔn)攝像頭。內(nèi)置六軸IMU傳感器，頻率可以達(dá)到500Hz。雙目基線120mm。采用全局快門，可實(shí)現(xiàn)兩個攝像頭的所有像元同時曝光。在高速移動的拍攝場景中，能有效降低圖像畸變，提供更加精準(zhǔn)的圖像源。

特點(diǎn)

（1）IMU 六軸傳感器，IMU 與圖像的同步精度高達(dá)0.05ms，為 SLAM 算法以及 空間移動算法的研發(fā)提供數(shù)據(jù)校正；

（2）IR 主動光，2顆IR主動光探測器發(fā)射的紅外結(jié)構(gòu)光,有效增強(qiáng)白墻和玻璃等物體 的識別精度,適用于完全黑暗環(huán)境；

自動白平衡，精準(zhǔn)調(diào)教的感光元件和鏡頭提供室內(nèi)外感光的自適應(yīng)和調(diào)節(jié)；

（3）雙目幀同步，提供兩顆攝像頭的硬件級幀同步，減小因圖像不同步而導(dǎo)致的誤 差；

（4）全局快門，實(shí)現(xiàn)每個像元的同時曝光有效降低高速移動拍攝時的圖像畸變；

（5）灰度鏡頭，提供清晰的黑白視覺研究圖像源，分辨率為752x480/60fps；

（6）基線長度，120mm 的基線長度適用絕大多數(shù)雙目應(yīng)用場景；

（7）鋁合金外殼，陽極鋁加工外殼堅固耐用，采用標(biāo)準(zhǔn) 1/4”螺絲接口；

（8）適用于雙目SLAM研究，支持 VINS,OKVIS, ORB_SLAM2,VIORB 等多個開源 VSLAM 項(xiàng)目,并在 SDK 中提供樣例；

（9）CUDA 加速，提供基于 CUDA 加速的實(shí)時深度輸出,使 GPU 能夠解決復(fù)雜的計算問題；

（10）豐富數(shù)據(jù)信息，通過 SDK 獲取原始數(shù)據(jù)/校正雙目圖像、視差圖像、實(shí)時深度圖像、實(shí)時點(diǎn)云圖像、IMU 數(shù)據(jù)等；

（11）多平臺SDK，SDK 適配 Windows、Linux、ROS、Mac、Android、TX1/2 等多種平臺，并提供豐富工具。

4、Jetson TX2機(jī)載圖像處理板

Jetson TX2是無人機(jī)平臺搭載的深度學(xué)習(xí)目標(biāo)檢測算法運(yùn)行板，為后期將圖像處理移植于機(jī)載端進(jìn)行處理，是深度學(xué)習(xí)、計算機(jī)視覺、圖像處理和GPU計算的優(yōu)秀系統(tǒng)，非常適合于無人機(jī)、自主機(jī)器人、移動醫(yī)學(xué)成像等嵌入式系統(tǒng)應(yīng)用。

Jetson TX2為2017年3月發(fā)布的新一代產(chǎn)品，集成256核NVIDIA Pascal GPU和一個6核64位的ARMv8處理器集群，擁有8GBLPDDR4 128位內(nèi)存。ARMv8處理器集群包含一個雙核NVIDIA Denver 2以及一個4核ARM Cortex-A57。Jetson TX2模塊大小為50 x 87 mm，重量為85克，典型功耗為7.5瓦。

Jetson TX2基于16納米NVIDIA Tegra “Parker” SOC，其效能比Jetson TX1提升2倍，性能表現(xiàn)超過了Intel Xeon服務(wù)器級CPU

Jetson TX2提供兩種運(yùn)行模態(tài)：一種是MAX Q，能效比能達(dá)到最高，是上一代的TX1的2倍，功耗在7.5W以下;另一種是MAX P，性能可以做到最高，能效比同樣可以做到前一代的2倍，功耗則在15W以下。

5、VR眼鏡進(jìn)可選硬件

VR眼鏡主要應(yīng)用于三維顯示使用，其圖像來源為圖傳系統(tǒng)，顯示延遲為50ms。

6、可選硬件

可開設(shè)課程

雙目立體視覺立體深度解算算法設(shè)計與實(shí)現(xiàn)

三維空間稠密重建算法設(shè)計與實(shí)現(xiàn)

無人機(jī)自主slam運(yùn)動狀態(tài)估計算法設(shè)計與實(shí)現(xiàn)

無人機(jī)自主slam導(dǎo)航定位算法設(shè)計與實(shí)現(xiàn)

無人機(jī)自主slam導(dǎo)航路徑規(guī)劃算法設(shè)計與實(shí)現(xiàn)

無人機(jī)自主slam導(dǎo)航避障算法設(shè)計與實(shí)現(xiàn)

軟件開發(fā)與技術(shù)支持

1、基于機(jī)器視覺無人平臺自主導(dǎo)航避障系統(tǒng)軟件開發(fā)體系

基于機(jī)器視覺無人平臺自主導(dǎo)航避障系統(tǒng)軟件開發(fā)體系由視覺開發(fā)平臺、信息交互與任務(wù)控制平臺、無人機(jī)系統(tǒng)等組成。

雙目攝像頭采集圖像，通過立體匹配技術(shù)計算出二維圖像的深度信息，同時利用視覺慣性融合技術(shù)估計相機(jī)自身的運(yùn)動姿態(tài)，融合多幀深度信息，重建空間環(huán)境的體素地圖。由地圖獲取障礙物距離信息，生成可執(zhí)行路徑。

視覺開發(fā)平臺：由視覺開發(fā)訓(xùn)練環(huán)境Jetson TX2 視覺處理開發(fā)系統(tǒng)等組成、視覺定位平臺、環(huán)境重建系統(tǒng)等組成。信息交互與任務(wù)控制平臺：由信息交互程序、避障與路徑規(guī)劃算法、無人機(jī)位置導(dǎo)航控制程序等組成。

系統(tǒng)軟件運(yùn)行架構(gòu)如下圖所示：

2、技術(shù)服務(wù)

1）開發(fā)環(huán)境

提供全套基于機(jī)器視覺無人平臺自主導(dǎo)航避障系統(tǒng)軟件開發(fā)體系：視覺端開發(fā)環(huán)境、 Mavros開發(fā)環(huán)境、飛控開發(fā)環(huán)境

2）軟件源碼

提供全套基于機(jī)器視覺無人平臺自主導(dǎo)航避障系統(tǒng)相關(guān)源代碼：

a、視覺系統(tǒng)代碼

立體視覺：

主要是在雙目立體視覺系統(tǒng)中，獲取圖像的深度圖?；诹Ⅲw匹配的生成概率模型ELAS立體視覺算法，用于快速匹配高分辨率圖像。在雙目立體圖像間建立點(diǎn)點(diǎn)對應(yīng)然后根據(jù)對應(yīng)點(diǎn)的視差計算出深度。用左右圖像的互相推測，來執(zhí)行左右一致性檢查，消除遮擋區(qū)域中的虛假不匹配和視差。

運(yùn)動估計：

主要用于計算每幀圖像無人機(jī)的位姿。通過滑動窗口優(yōu)化進(jìn)行實(shí)時光流點(diǎn)跟蹤與匹配，視覺和IMU的緊耦合。通過稀疏特征點(diǎn)提取與跟蹤、IMU預(yù)積分與初始化處理、KLT光流法進(jìn)行后端融合優(yōu)化、利用共視的特征點(diǎn)進(jìn)行閉環(huán)檢測等步驟，完成利用視覺慣導(dǎo)融合的定位算法，實(shí)現(xiàn)無人機(jī)精確定位。

稠密重建：

主要實(shí)現(xiàn)單幀深度圖融合，重建出無人機(jī)的環(huán)境。采用在線實(shí)時動態(tài)增量式生ESDF算法。ESDF是基于體素網(wǎng)格的方法，每個點(diǎn)包含了該點(diǎn)到最近障礙物的歐幾里得距離。在計算機(jī)圖形和視覺應(yīng)用中，TSDF近來已經(jīng)成為一種常用的隱函數(shù)表面表示方法。因?yàn)門SDF的快速重建和過濾傳感器噪聲，并且可以使用子體素分辨率創(chuàng)建人類可讀的地圖網(wǎng)格。

航跡規(guī)劃：

根據(jù)傳感器的信息來不斷地更新其內(nèi)部的環(huán)境信息，從而確定出機(jī)器人在地圖中的當(dāng)前位置及周圍局部范圍內(nèi)的障礙物分布情況，并在此基礎(chǔ)上，規(guī)劃出一條從當(dāng)前點(diǎn)到某一子目標(biāo)點(diǎn)的最優(yōu)無碰撞路徑。

Mavros程序

Mavros的最底層程序完成Mavros消息發(fā)布與訂閱，負(fù)責(zé)將飛控發(fā)來的mavlink消息轉(zhuǎn)換為ros中的話題，為上層的程序提供消息訂閱，將任務(wù)層發(fā)出的ros話題轉(zhuǎn)換為mavlink消息發(fā)送給飛控。

b、無人機(jī)位置控制程序

位置控制程序包含位置估計程序與位置控制程序，代替了飛控中位置控制程序的一部分功能，然后在這個基礎(chǔ)上借助命令發(fā)布這個話題給上層應(yīng)用提供了接口，便于上層開發(fā)。位置估計做為飛控的位置姿態(tài)狀態(tài)估計，將雷達(dá)定位信息轉(zhuǎn)成飛控能夠使用的類型發(fā)送給飛控進(jìn)行解算。

c、任務(wù)層程序

無人機(jī)基本動作控制程序：一鍵起飛、降落、懸停、緊急上鎖、慣性系及機(jī)體系下的控制指令等無人機(jī)自主控制程序。

組合功能控制程序：自主著陸、自主跟蹤、路徑自主規(guī)劃等無人機(jī)自主復(fù)雜功能控制程序。

3）提供功能示例

利用雙目相機(jī)實(shí)現(xiàn)無人機(jī)自主避障功能及slam路徑規(guī)劃。

場景建模和路徑搜索作為無人機(jī)避障系統(tǒng)較新研究方向，相信會讓無人機(jī)自主避障礙方面的科學(xué)研究有更多的技術(shù)成果突破。而slam導(dǎo)航避障算法，會幫助更多高校進(jìn)行最新的無人機(jī)自主避障礙教學(xué)研究。

總結(jié)

以上是生活随笔為你收集整理的ros自己写避障算法_slam导航避障算法，让无人机自主避障教学研究迈向更高处...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。