论文部分内容阅读
摘 要：无人机由于其构造简单、易于操控、成本低等优点，在物流、巡航、航拍等民用和军用领域有着极高的应用价值。高效精確的避障技术是实现无人机飞行的重要保障，文章阐述了无人机避障的概念，详细介绍了传感器、威胁锥和势函数法3种避障方法，并对这几种方法进行分析比较。最后，总结了目前无人机避障技术存在的问题和未来发展趋势。
关键词：无人机飞行;避障方法;发展趋势
中图分类号：V279;V249 文献标识码：A 文章编号：1674-1064（2021）04-097-02
DOI：10.12310/j.issn.1674-1064.2021.04.048
随着无人机（Unmanned Aerial Vehicle，UAV）不断体现出的性价比高、灵活性高、飞行成本低等优势和特点，在执行任务过程中机动性好、隐蔽性高并且不存在人身安全问题，适合在枯燥、恶劣的生存环境中工作。因此，无人机技术在军用和民用领域得到了广泛的应用，比如电力巡检[1]、应急救援[2]、区域侦察[3]、协同探测[4-5]等，受到世界各国的认可[6]。近年来，随着航空航天、自动控制和电子信息等技术的巨大发展，世界各国对无人机领域也给予了持续关注并不断加大投入，无人机技术在理论与应用方面都取得了长足的进步与发展，是当前高科技领域的热点发展方向，众多关键性成果不断涌现。
随着无人机的广泛使用，无人机的作业范围也不断扩大，从中高空不断向低空、超低空拓展，其所面临的障碍环境也日趋复杂[7]，甚至会在高山、树木、建筑物等复杂环境周围工作。在这些复杂环境下，无人机极易与障碍物发生碰撞，在无法保证完成任务的同时造成巨大经济损失。此时，无人机飞行过程中在线检测并规避障碍物成为迫切需求[8]，研究无人机避障技术具有重要的价值与意义。
文章对当前主要的无人机避障控制技术进行了综述，重点介绍了几种常见的无人机避障技术，包括基于传感器的避障控制技术、基于威胁锥的避障控制技术、基于势函数法的避障控制技术，这些技术能够保证无人机实现避障任务。文章在此基础上，对未来在无人机避障领域具有巨大潜力的发展方向进行了展望。
1 常用的无人机避障控制技术
无人机执行任务过程中，通常会携带遥控器接收机，由专门操作人员进行遥控。遥控过程是避开人眼可视范围内的障碍物的[9]，遇到突发情况或者人眼未识别到障碍物，无人机可能会撞到障碍物从空中坠落，对人们的生命财产安全产生威胁[10]。此外，过分依赖人眼观察，当人长时间工作以至疲劳时，会加大无人机碰到障碍物的概率。因此，无人机自主避障问题已然成为科研领域的一大研究热点。
1.1 基于传感器的避障控制技术
基于传感器的无人机避障，是指无人机通过传感器感知到飞行过程中周边的静态或动态障碍物，并按照一定的方法重新规划路线，绕开障碍物，最终到达目标点。
由于无人机载荷有限，起初无人机只携带单一传感器用于检测环境以发现障碍物。文献[11]采用单目视觉传感器获取障碍物图像并识别出障碍物，具有较高的实时性。但是无人机飞行环境复杂多变，采用单一传感器难以准确探测到障碍物，稍有遮挡就无法识别，而且准确性也有待提高。因此，多传感器融合技术随之产生。多传感器信息融合是对两个及其以上数目的传感器的信息进行深层次、多角度、多空间的处理和优化，利用融合多个传感器的信息使整个系统所测得的数据更具有综合性与参考性。文献[12]使用激光雷达和毫米波雷达两种传感器，利用其测量出的数据并进行融合处理，有效实现了无人机避障。
1.2 基于威胁锥的避障控制技术
当目标障碍信息通过视觉传感器获得以后，必须有一套障碍威胁判定标准来判断已知的障碍是否构成威胁，即障碍预判。
文献[13]提出了“威胁锥”（Collision Cone）的定义，这个“威胁锥”由障碍安全边界的一系列切线构成，如果本机与障碍之间的相对运动矢量位于这个威胁锥内，这个障碍将被视为威胁障碍。当同时出现多个障碍时，最近的障碍被定义为最危险的障碍，具有最高的处理等级。当所有的障碍经过威胁判定并确定威胁等级之后，机载计算机将依据预先设定的避障策略，给出可以达到预定航迹点同时避开障碍威胁的最佳航迹。南京航空航天大学的方挺[14]在其博士学位论文中定义了三维空间内的障碍模型并改进传统的比例导引避障策略，实现无人机在飞行过程中的避障。
1.3 基于势函数法的避障控制技术
人工势场法原理是将环境虚拟表示成目标点的引力场和障碍物的斥力场的叠加，智能体在斥力和引力的合力作用下从势场高点向势场低点移动，形成一条无碰撞的最优路径。但是，人工势场法存在局部最优点的问题，且完成避障任务后存在副作用。对此，目前国内外学者做了大量研究。
文献[15]利用人工势场框架进行运行规划，利用正式的验证方法，随机可达（SR）集，为移动障碍生成精确的势场。预先计算少量的SR集合，然后生成代表障碍物随机运动的势场，用于在线路径规划，在含有大量障碍物的情况下获得了很好的避障性能。文献[16]提出了一种相对速度的改进的人工势场法，针对传统路径规划中的局部最小值问题，提出设置中间目标点的方法，给机器人一个外力以避免其在局部最小点处停止或者徘徊。文献[17]将势场法应用于有向拓扑下二阶随机多智能体系统，并将其与领导者—跟随者编队方法相结合，使智能体在保持预定编队模式和避免与障碍物碰撞的情况下，沿期望路径运动。
2 比较与展望
2.1 比较
前文提出了几种关于无人机避障控制的方法。各种方法均有其优势和不足。对于基于避障传感器的方法而言，其控制策略只是利用机载传感器，比如超声波、相机，实时测量障碍物信息，然后控制无人机做绕开障碍物的运动。这种控制方法相对简单可靠，被广泛应用到实际系统中。而基于威胁锥的避障控制策略能够对威胁进行预判，进而采用比例导引律，将无人机避碰模式转为导引控制模式。此控制策略尤其适合固定翼无人机避障，由于其引导路径可以被设置得很平滑，符合固定翼无人机的动力学约束。基于势函数的避障控制技术也是十分常用的控制策略，在无人机与障碍之前设置虚拟斥力，无人机可自动排斥周边障碍物以避障。其实现比较简单，但是无法对避障路径进行优化。 在实际应用过程中，可以根据自身情况选择合适的避障控制策略，完成无人机避障任务。
2.2 展望
随着高精度传感器与人工智能技术[18]的发展，未来无人机避障策略必将更加多样。利用信息融合技术，将各避障传感器的信息进行有效融合，有效避免了因部分避障传感器测量偏差或彻底失效带来的无人机碰撞风险。此外，融合最新的人工智能技术，利用强化学习、深度学习等算法提升无人机智能自主性，能使得其像人一样识别并避开障碍物。
无人机避开高速移动的障碍物或威胁目标，仍是当前研究的难题。随着控制器性能的提升，可以预先判断障碍物的位置有效避障，或利用发射武器清理掉这些障碍。此外，也可以采用无人机集群行动方式，不局限于单个无人机的存活问题，充分利用数量优势，只要有部分无人机存活并完成任务，则达到了预期。
3 结语
对于保证无人机在执行任务过程中的安全，有效的避障控制具有十分重要的作用。文章对已有的无人机避障控制技术做了详细的分析与比较，如基于传感器的避障控制、基于威胁锥的避障控制、基于势函数法的避障控制等。最后，对无人机避障的研究难题与未来解决方案进行了展望。
参考文献
[1] 王盛誉，毛鹏飞，谢晓君.智能识别技术在无人机电力巡检中的应用[J].集成电路应用，2021，38（3）：98-99.
[2] 刘卫宏，陈顺峰，黎建.多旋翼无人机在机动应急广播中的应用分析[J].电视技术，2021，45（2）：42-44，51.
[3] 赵贤.基于警用无人机技术的视频侦察方法研究[J].警察技术，2021（2）：86-90.
[4] 颜宝苹，周洁，申强，等.基于传染-免疫机制的无人机集群协同探测与跟踪[J].中国测试，2021，47（1）：88-95.
[5] 陈小龙，张海，孙嘉辰，等.机载预警雷达网络化协同探测模式及性能分析[J].太赫兹科学与电子信息学报，2020，18（2）：215-221.
[6] 钟柱梁，李庭威，陈嵘杰，等.军用无人机现状及发展趋势[J].电脑知识与技术，2018，14（8）：250-251.
[7] 祁圣君，井立，王亚龙.无人机系统及发展趋势综述[J].飞航导弹，2018（4）：17-21.
[8] Tsai C P，Chuang C T，Lu M C，et al.Machine-vision based obstacle avoidance system for robot system[C].//2013 International Conference on System Science and Engineering （ICSSE）.IEEE，2013：273-277.
[9] Aguilar W G，Casaliglla V P，Pólit J L.Obstacle avoidance for low-cost UAVs[C].//2017 IEEE 11th international conference on semantic computing （ICSC）.IEEE，2017：503-508.
[10] 韋意豪.四旋翼多旋翼无人机轨迹跟踪与避障控制研究[D].哈尔滨：哈尔滨工业大学，2018.
[11] 马浩森.基于单目视觉的旋翼无人机避障技术研究[D].南京：南京邮电大学，2020.
[12] 潘枭.基于多传感器融合的多旋翼无人机避障系统设计[D].南京：南京信息工程大学，2020.
[13] Chakravarthy A，Ghose D.Obstacle avoidance in a dynamic environment： A collision cone approach[J].IEEE Transactions on Systems，Man，and Cybernetics-Part A：Systems and Humans，1998，28（5）：562-574.
[14] 方挺.无人机协同编队飞行中的视觉感知关键技术研究[D].南京：南京航空航天大学，2008.
[15] N Malone，HT Chiang，K Lesser，et al.Hybrid Dynamic Moving Obstacle Avoidance Using a Stochastic Reachable Set-Based Potential Field[J].IEEE Transactions on Robotics，2017，33（5）：1124-1138.
[16] 徐飞.基于改进人工势场法的机器人避障及路径规划研究[J].计算机科学，2016，43（12）：293-296.
[17] G Wen，P Chen，YJ Liu.Formation Control With Obstacle Avoidance for a Class of Stochastic Multi-agent Systems[J].IEEE Transactions on Industrial Electronics，2018，65（7）：5847-5855.
[18] 吴兆香，欧阳权，王志胜，等.基于人工智能的无人机区域侦察方法研究现状与发展[J].航空科学技术，2020，31（10）：57-68.
关键词：无人机飞行;避障方法;发展趋势
中图分类号：V279;V249 文献标识码：A 文章编号：1674-1064（2021）04-097-02
DOI：10.12310/j.issn.1674-1064.2021.04.048
随着无人机（Unmanned Aerial Vehicle，UAV）不断体现出的性价比高、灵活性高、飞行成本低等优势和特点，在执行任务过程中机动性好、隐蔽性高并且不存在人身安全问题，适合在枯燥、恶劣的生存环境中工作。因此，无人机技术在军用和民用领域得到了广泛的应用，比如电力巡检[1]、应急救援[2]、区域侦察[3]、协同探测[4-5]等，受到世界各国的认可[6]。近年来，随着航空航天、自动控制和电子信息等技术的巨大发展，世界各国对无人机领域也给予了持续关注并不断加大投入，无人机技术在理论与应用方面都取得了长足的进步与发展，是当前高科技领域的热点发展方向，众多关键性成果不断涌现。
随着无人机的广泛使用，无人机的作业范围也不断扩大，从中高空不断向低空、超低空拓展，其所面临的障碍环境也日趋复杂[7]，甚至会在高山、树木、建筑物等复杂环境周围工作。在这些复杂环境下，无人机极易与障碍物发生碰撞，在无法保证完成任务的同时造成巨大经济损失。此时，无人机飞行过程中在线检测并规避障碍物成为迫切需求[8]，研究无人机避障技术具有重要的价值与意义。
文章对当前主要的无人机避障控制技术进行了综述，重点介绍了几种常见的无人机避障技术，包括基于传感器的避障控制技术、基于威胁锥的避障控制技术、基于势函数法的避障控制技术，这些技术能够保证无人机实现避障任务。文章在此基础上，对未来在无人机避障领域具有巨大潜力的发展方向进行了展望。
1 常用的无人机避障控制技术
无人机执行任务过程中，通常会携带遥控器接收机，由专门操作人员进行遥控。遥控过程是避开人眼可视范围内的障碍物的[9]，遇到突发情况或者人眼未识别到障碍物，无人机可能会撞到障碍物从空中坠落，对人们的生命财产安全产生威胁[10]。此外，过分依赖人眼观察，当人长时间工作以至疲劳时，会加大无人机碰到障碍物的概率。因此，无人机自主避障问题已然成为科研领域的一大研究热点。
1.1 基于传感器的避障控制技术
基于传感器的无人机避障，是指无人机通过传感器感知到飞行过程中周边的静态或动态障碍物，并按照一定的方法重新规划路线，绕开障碍物，最终到达目标点。
由于无人机载荷有限，起初无人机只携带单一传感器用于检测环境以发现障碍物。文献[11]采用单目视觉传感器获取障碍物图像并识别出障碍物，具有较高的实时性。但是无人机飞行环境复杂多变，采用单一传感器难以准确探测到障碍物，稍有遮挡就无法识别，而且准确性也有待提高。因此，多传感器融合技术随之产生。多传感器信息融合是对两个及其以上数目的传感器的信息进行深层次、多角度、多空间的处理和优化，利用融合多个传感器的信息使整个系统所测得的数据更具有综合性与参考性。文献[12]使用激光雷达和毫米波雷达两种传感器，利用其测量出的数据并进行融合处理，有效实现了无人机避障。
1.2 基于威胁锥的避障控制技术
当目标障碍信息通过视觉传感器获得以后，必须有一套障碍威胁判定标准来判断已知的障碍是否构成威胁，即障碍预判。
文献[13]提出了“威胁锥”（Collision Cone）的定义，这个“威胁锥”由障碍安全边界的一系列切线构成，如果本机与障碍之间的相对运动矢量位于这个威胁锥内，这个障碍将被视为威胁障碍。当同时出现多个障碍时，最近的障碍被定义为最危险的障碍，具有最高的处理等级。当所有的障碍经过威胁判定并确定威胁等级之后，机载计算机将依据预先设定的避障策略，给出可以达到预定航迹点同时避开障碍威胁的最佳航迹。南京航空航天大学的方挺[14]在其博士学位论文中定义了三维空间内的障碍模型并改进传统的比例导引避障策略，实现无人机在飞行过程中的避障。
1.3 基于势函数法的避障控制技术
人工势场法原理是将环境虚拟表示成目标点的引力场和障碍物的斥力场的叠加，智能体在斥力和引力的合力作用下从势场高点向势场低点移动，形成一条无碰撞的最优路径。但是，人工势场法存在局部最优点的问题，且完成避障任务后存在副作用。对此，目前国内外学者做了大量研究。
文献[15]利用人工势场框架进行运行规划，利用正式的验证方法，随机可达（SR）集，为移动障碍生成精确的势场。预先计算少量的SR集合，然后生成代表障碍物随机运动的势场，用于在线路径规划，在含有大量障碍物的情况下获得了很好的避障性能。文献[16]提出了一种相对速度的改进的人工势场法，针对传统路径规划中的局部最小值问题，提出设置中间目标点的方法，给机器人一个外力以避免其在局部最小点处停止或者徘徊。文献[17]将势场法应用于有向拓扑下二阶随机多智能体系统，并将其与领导者—跟随者编队方法相结合，使智能体在保持预定编队模式和避免与障碍物碰撞的情况下，沿期望路径运动。
2 比较与展望
2.1 比较
前文提出了几种关于无人机避障控制的方法。各种方法均有其优势和不足。对于基于避障传感器的方法而言，其控制策略只是利用机载传感器，比如超声波、相机，实时测量障碍物信息，然后控制无人机做绕开障碍物的运动。这种控制方法相对简单可靠，被广泛应用到实际系统中。而基于威胁锥的避障控制策略能够对威胁进行预判，进而采用比例导引律，将无人机避碰模式转为导引控制模式。此控制策略尤其适合固定翼无人机避障，由于其引导路径可以被设置得很平滑，符合固定翼无人机的动力学约束。基于势函数的避障控制技术也是十分常用的控制策略，在无人机与障碍之前设置虚拟斥力，无人机可自动排斥周边障碍物以避障。其实现比较简单，但是无法对避障路径进行优化。 在实际应用过程中，可以根据自身情况选择合适的避障控制策略，完成无人机避障任务。
2.2 展望
随着高精度传感器与人工智能技术[18]的发展，未来无人机避障策略必将更加多样。利用信息融合技术，将各避障传感器的信息进行有效融合，有效避免了因部分避障传感器测量偏差或彻底失效带来的无人机碰撞风险。此外，融合最新的人工智能技术，利用强化学习、深度学习等算法提升无人机智能自主性，能使得其像人一样识别并避开障碍物。
无人机避开高速移动的障碍物或威胁目标，仍是当前研究的难题。随着控制器性能的提升，可以预先判断障碍物的位置有效避障，或利用发射武器清理掉这些障碍。此外，也可以采用无人机集群行动方式，不局限于单个无人机的存活问题，充分利用数量优势，只要有部分无人机存活并完成任务，则达到了预期。
3 结语
对于保证无人机在执行任务过程中的安全，有效的避障控制具有十分重要的作用。文章对已有的无人机避障控制技术做了详细的分析与比较，如基于传感器的避障控制、基于威胁锥的避障控制、基于势函数法的避障控制等。最后，对无人机避障的研究难题与未来解决方案进行了展望。
参考文献
[1] 王盛誉，毛鹏飞，谢晓君.智能识别技术在无人机电力巡检中的应用[J].集成电路应用，2021，38（3）：98-99.
[2] 刘卫宏，陈顺峰，黎建.多旋翼无人机在机动应急广播中的应用分析[J].电视技术，2021，45（2）：42-44，51.
[3] 赵贤.基于警用无人机技术的视频侦察方法研究[J].警察技术，2021（2）：86-90.
[4] 颜宝苹，周洁，申强，等.基于传染-免疫机制的无人机集群协同探测与跟踪[J].中国测试，2021，47（1）：88-95.
[5] 陈小龙，张海，孙嘉辰，等.机载预警雷达网络化协同探测模式及性能分析[J].太赫兹科学与电子信息学报，2020，18（2）：215-221.
[6] 钟柱梁，李庭威，陈嵘杰，等.军用无人机现状及发展趋势[J].电脑知识与技术，2018，14（8）：250-251.
[7] 祁圣君，井立，王亚龙.无人机系统及发展趋势综述[J].飞航导弹，2018（4）：17-21.
[8] Tsai C P，Chuang C T，Lu M C，et al.Machine-vision based obstacle avoidance system for robot system[C].//2013 International Conference on System Science and Engineering （ICSSE）.IEEE，2013：273-277.
[9] Aguilar W G，Casaliglla V P，Pólit J L.Obstacle avoidance for low-cost UAVs[C].//2017 IEEE 11th international conference on semantic computing （ICSC）.IEEE，2017：503-508.
[10] 韋意豪.四旋翼多旋翼无人机轨迹跟踪与避障控制研究[D].哈尔滨：哈尔滨工业大学，2018.
[11] 马浩森.基于单目视觉的旋翼无人机避障技术研究[D].南京：南京邮电大学，2020.
[12] 潘枭.基于多传感器融合的多旋翼无人机避障系统设计[D].南京：南京信息工程大学，2020.
[13] Chakravarthy A，Ghose D.Obstacle avoidance in a dynamic environment： A collision cone approach[J].IEEE Transactions on Systems，Man，and Cybernetics-Part A：Systems and Humans，1998，28（5）：562-574.
[14] 方挺.无人机协同编队飞行中的视觉感知关键技术研究[D].南京：南京航空航天大学，2008.
[15] N Malone，HT Chiang，K Lesser，et al.Hybrid Dynamic Moving Obstacle Avoidance Using a Stochastic Reachable Set-Based Potential Field[J].IEEE Transactions on Robotics，2017，33（5）：1124-1138.
[16] 徐飞.基于改进人工势场法的机器人避障及路径规划研究[J].计算机科学，2016，43（12）：293-296.
[17] G Wen，P Chen，YJ Liu.Formation Control With Obstacle Avoidance for a Class of Stochastic Multi-agent Systems[J].IEEE Transactions on Industrial Electronics，2018，65（7）：5847-5855.
[18] 吴兆香，欧阳权，王志胜，等.基于人工智能的无人机区域侦察方法研究现状与发展[J].航空科学技术，2020，31（10）：57-68.