蘭玉彬，王林琳，張亞莉

（1. 華南農(nóng)業(yè)大學(xué)工程學(xué)院，廣州 510642；2. 國(guó)家精準(zhǔn)農(nóng)業(yè)航空施藥技術(shù)國(guó)際聯(lián)合研究中心，廣州 510642）

0 引 言

自2004年以來，中央一號(hào)文件連續(xù)14年聚焦“三農(nóng)”問題，近四年的主題均與“加快推進(jìn)農(nóng)業(yè)現(xiàn)代化”有關(guān)，并明確提出“要加強(qiáng)農(nóng)用航空建設(shè)”[1]?？萍疾亢娃r(nóng)業(yè)部在“十二五”科研規(guī)劃中都將農(nóng)業(yè)航空應(yīng)用作為重要支持方向[2]。在黨的十九大報(bào)告中，習(xí)近平總書記首次提出了“實(shí)施鄉(xiāng)村振興戰(zhàn)略”，并提出要堅(jiān)持農(nóng)業(yè)農(nóng)村優(yōu)先發(fā)展，加快推進(jìn)農(nóng)業(yè)農(nóng)村現(xiàn)代化。

隨著中國(guó)農(nóng)業(yè)現(xiàn)代化穩(wěn)步推進(jìn)，農(nóng)業(yè)生產(chǎn)對(duì)農(nóng)業(yè)機(jī)械的需求日益增長(zhǎng)，中國(guó)的農(nóng)用航空器得到了快速發(fā)展。農(nóng)用無人機(jī)是農(nóng)用航空器的重要組成部分，是中國(guó)精準(zhǔn)農(nóng)業(yè)航空領(lǐng)域的一支新興力量。2016年農(nóng)業(yè)部農(nóng)機(jī)化司對(duì)全國(guó)31個(gè)省份（不含香港特別行政區(qū)、澳門特別行政區(qū)和臺(tái)灣省）以及新疆建設(shè)兵團(tuán)的植保無人飛機(jī)實(shí)際擁有量和作業(yè)情況進(jìn)行了專項(xiàng)調(diào)查統(tǒng)計(jì)，結(jié)果表明：截止2016年6月30日，全國(guó)實(shí)際田間作業(yè)植保無人飛機(jī)擁有量為4 262架，其中，以電動(dòng)多旋翼植保無人飛機(jī)為主；2015年全國(guó)農(nóng)用植保無人飛機(jī)的作業(yè)面積達(dá)476 035.67 hm2[1]。

由于農(nóng)用無人機(jī)起降操作靈活，作業(yè)效率高，防治效果好，經(jīng)濟(jì)效益明顯，不但有利于資源節(jié)約與環(huán)境友好，且廣泛適用于地面機(jī)械難以耕作的農(nóng)業(yè)區(qū)域[2-6]。因此，它在實(shí)踐推廣應(yīng)用中已表現(xiàn)出明顯特點(diǎn)和優(yōu)勢(shì)。但作為新生事物，在安全系數(shù)的提高、作業(yè)流程的規(guī)范、管理機(jī)制的健全、數(shù)據(jù)信息的采集等方面，農(nóng)用無人機(jī)的人工智能程度尚待完善與提高。

在2017年9月《農(nóng)業(yè)部辦公廳財(cái)政部辦公廳中國(guó)民用航空局綜合司關(guān)于開展農(nóng)機(jī)購(gòu)置補(bǔ)貼引導(dǎo)植保無人飛機(jī)規(guī)范應(yīng)用試點(diǎn)工作的通知》中，試點(diǎn)產(chǎn)品的技術(shù)條件首次明確指明：補(bǔ)貼機(jī)型需加裝避障系統(tǒng)軟件等，以期實(shí)現(xiàn)作業(yè)飛行可識(shí)別、可監(jiān)測(cè)、可追查。但農(nóng)田作業(yè)環(huán)境復(fù)雜多變，病蟲害爆發(fā)期，尤其夜間作業(yè)或環(huán)境可視度低時(shí)，若主要依靠肉眼觀察判斷，作業(yè)受限因素多且危險(xiǎn)性高，因此，實(shí)現(xiàn)障礙物的自主識(shí)別與有效回避將是農(nóng)用無人機(jī)智能化發(fā)展的必然趨勢(shì)之一。

農(nóng)用無人機(jī)避障技術(shù)指的是農(nóng)用無人機(jī)能夠自主識(shí)別障礙物類型并完成指定避障動(dòng)作的核心智能技術(shù)，理想的避障系統(tǒng)能夠自動(dòng)地、及時(shí)地避開飛行路徑中出現(xiàn)的各類障礙物，避免因操作失誤、自主飛行失效或其他突發(fā)故障引發(fā)的意外事故，有效地減少不必要的財(cái)產(chǎn)損失及人員傷亡。

1 農(nóng)用無人機(jī)避障技術(shù)所涉難點(diǎn)、重點(diǎn)

1.1 農(nóng)田作業(yè)環(huán)境復(fù)雜

由于氣象條件不可控，尤其在強(qiáng)風(fēng)洪澇、高溫干旱、低溫冷害、沙暴揚(yáng)塵等惡劣天氣下，作業(yè)難度系數(shù)急劇提高。以主要受光強(qiáng)影響的機(jī)器視覺避障技術(shù)為例，當(dāng)農(nóng)田作業(yè)環(huán)境存在鏡面反射等光污染時(shí)，不僅易使飛手產(chǎn)生眩暈及不適感，更易對(duì)避障系統(tǒng)的識(shí)別判斷功能造成光學(xué)失真和噪聲等干擾[7]；當(dāng)農(nóng)田作業(yè)環(huán)境光照不足時(shí)，飛手視物能力削弱，機(jī)器視覺避障技術(shù)則需輔助紅外技術(shù)才能夜視功能，如廣州極飛科技有限公司的Xcope天目自主避障系統(tǒng)，采用的主動(dòng)近紅外照射技術(shù)實(shí)現(xiàn)暗環(huán)境作業(yè)。

1.2 農(nóng)田障礙物類型復(fù)雜

農(nóng)田作業(yè)中，農(nóng)用無人機(jī)的飛行速度、高度等作業(yè)參數(shù)將直接對(duì)霧滴沉積、病蟲害防治效果產(chǎn)生影響，作業(yè)參數(shù)的設(shè)定與農(nóng)作物的種類、生長(zhǎng)發(fā)育狀況、作業(yè)區(qū)的地形地勢(shì)等有關(guān)[8-11]。但實(shí)現(xiàn)農(nóng)用無人機(jī)的低空低量精準(zhǔn)噴施作業(yè)的同時(shí)，應(yīng)保證農(nóng)用無人機(jī)作業(yè)的安全性。農(nóng)田中為生產(chǎn)需要放置的不同輔助農(nóng)具，如農(nóng)田防護(hù)網(wǎng)、攀援植物的支撐引導(dǎo)架等，農(nóng)田周圍的民居建筑、綠化建設(shè)、電網(wǎng)設(shè)施、通信設(shè)施、照明設(shè)施等，以及出沒無規(guī)律性的各類生物都增加了農(nóng)用無人機(jī)避障環(huán)境的復(fù)雜程度，對(duì)農(nóng)用無人機(jī)避障技術(shù)的要求也有所提高。

氣象條件多變、作業(yè)環(huán)境復(fù)雜導(dǎo)致農(nóng)用無人機(jī)避障技術(shù)需要克服光照變化、場(chǎng)景旋轉(zhuǎn)、圖像分辨率低、運(yùn)動(dòng)速度、目標(biāo)遮擋甚至淹沒特征、目標(biāo)特征不穩(wěn)定等因素的干擾[12-13]，以保證在不同的外界條件下正常工作。例如，視覺避障傳感器需避免高速作業(yè)時(shí)因運(yùn)動(dòng)模糊造成的系統(tǒng)誤識(shí)別，降低鏡頭畸變，提高成像質(zhì)量，減少圖像的變形和失真。

要解決農(nóng)用無人機(jī)的避障問題，實(shí)現(xiàn)避障系統(tǒng)對(duì)障礙物的實(shí)時(shí)感知、圖像快速解析、智能識(shí)別、潛在區(qū)域獲取、避障行為決策等功能，需要從根本上分析農(nóng)田障礙物的物理特征，如大小、形狀、種類等，從而明確針對(duì)不同障礙物的最小識(shí)別距離、避障動(dòng)作指令及響應(yīng)時(shí)間等避障參數(shù)。因此，下文將根據(jù)作業(yè)環(huán)境中可能出現(xiàn)的各類農(nóng)田障礙物特點(diǎn)提供2種分類方法。

1.2.1 根據(jù)障礙物特征分類

1）微小型障礙物：電線及斜拉線、樹枝、長(zhǎng)勢(shì)突出的農(nóng)作物、各類電網(wǎng)或通信線、田間樹立的木桿或藤架、測(cè)試桿、網(wǎng)狀物（尼龍網(wǎng)、鐵絲網(wǎng)）等；

2）中小型障礙物：零星樹木、電線桿、草垛、風(fēng)力渦輪機(jī)等；

3）大型障礙物：防護(hù)林、高壓塔桿、房屋、氣象塔等；

4）無特征規(guī)律障礙物：飛禽走獸、人、表面紋理模糊或易產(chǎn)生鏡面反射的物體，如水塘、溫室大棚的塑料薄膜、PC陽(yáng)光板等。

1.2.2 根據(jù)障礙物相對(duì)距離分類

1）短距障礙物：距離農(nóng)用無人機(jī)5 m以內(nèi)的障礙物；

2）中長(zhǎng)距障礙物：距離農(nóng)用無人機(jī)5~15 m的障礙物；

3）長(zhǎng)距障礙物：距離農(nóng)用無人機(jī)15 m以外的障礙物。

1.3 作業(yè)視場(chǎng)避障分區(qū)

對(duì)于飛行狀態(tài)中的農(nóng)用無人機(jī)，需對(duì)其飛行主方向的視場(chǎng)區(qū)域進(jìn)行劃分，并結(jié)合其自身傳感器系統(tǒng)探測(cè)到的障礙物遠(yuǎn)近，對(duì)每個(gè)區(qū)域的不同障礙物執(zhí)行不同的避障策略。將前方視場(chǎng)區(qū)域劃分為安全區(qū)（15 m外，安全飛行，保持警惕）、避障預(yù)警區(qū)（5~15 m,自動(dòng)預(yù)警，持續(xù)追蹤）和避障執(zhí)行區(qū)（5 m內(nèi)，執(zhí)行避障動(dòng)作指令），如圖1所示。

圖1 避障分區(qū)圖Fig.1 Obstacle avoidance zone

障礙物遠(yuǎn)近隨農(nóng)用無人機(jī)的運(yùn)動(dòng)而改變，是相對(duì)的；但由障礙分區(qū)圖 1可知，農(nóng)用無人機(jī)主視場(chǎng)的避障分區(qū)是固定的，絕對(duì)的。安全區(qū)內(nèi)的障礙物暫時(shí)可忽略，直到其進(jìn)入預(yù)警區(qū)，方可進(jìn)行避障預(yù)處理。避障執(zhí)行區(qū)內(nèi)需執(zhí)行避障動(dòng)作指令，主要回避短距障礙物；避障預(yù)警區(qū)需對(duì)中長(zhǎng)距障礙物進(jìn)行自動(dòng)預(yù)警，并持續(xù)追蹤，以防突發(fā)事故。

大型、中小型障礙物由于其特征明顯，因此，當(dāng)它位于避障安全區(qū)時(shí)即可被避障傳感器整體或局部有效識(shí)別，進(jìn)入避障預(yù)警區(qū)、執(zhí)行區(qū)后相對(duì)容易成功躲避。微小型、無特征規(guī)律障礙物由于其視場(chǎng)中占比小，出沒具有突發(fā)性、無規(guī)律性，即使它進(jìn)入避障預(yù)警區(qū)、執(zhí)行區(qū)，仍難以及時(shí)地完全地識(shí)別并成功躲避。

值得注意的是，在農(nóng)田作業(yè)環(huán)境中出現(xiàn)的多為微小型、無特征規(guī)律型障礙物，而對(duì)于這類障礙物，避障系統(tǒng)的技術(shù)難點(diǎn)、重點(diǎn)在于如何實(shí)現(xiàn)障礙物的實(shí)時(shí)感知、大量圖像的快速解析、智能識(shí)別，高度還原出障礙物潛在區(qū)域，并根據(jù)障礙物的類型、遠(yuǎn)近，優(yōu)化避障路徑并執(zhí)行不同的避障動(dòng)作，這其中還涉及避障系統(tǒng)的避障動(dòng)作響應(yīng)時(shí)間、執(zhí)行效率，避障前后及避障時(shí)農(nóng)用無人機(jī)飛行速度、高度、姿態(tài)等參數(shù)的調(diào)整，避障后作業(yè)路徑的重規(guī)劃，避障全程定位信號(hào)防丟失及抗磁場(chǎng)干擾，單一、多重、靜態(tài)、動(dòng)態(tài)農(nóng)田障礙物的單獨(dú)或隨機(jī)組合出現(xiàn)時(shí)的避障決策等復(fù)雜問題。

目前大多無人機(jī)“炸機(jī)”事故，除了人為的操作不當(dāng)或機(jī)器的突發(fā)故障，更多的是避障不及時(shí)，尤其是電線、樹枝等微小障礙物。雖然因微小障礙物導(dǎo)致的 “炸機(jī)”事故率較低，但由此引發(fā)的財(cái)產(chǎn)損失率、人員傷亡率卻極高，不能因其事故率低而忽略它的高危險(xiǎn)性。因此，微小型障礙物如何避障，應(yīng)作為當(dāng)前農(nóng)用無人機(jī)避障問題研究中的重中之重。

2 農(nóng)用無人機(jī)避障技術(shù)的應(yīng)用現(xiàn)狀

2.1 國(guó)外農(nóng)用無人機(jī)避障技術(shù)的應(yīng)用現(xiàn)狀

美國(guó)農(nóng)業(yè)航空對(duì)農(nóng)業(yè)的直接貢獻(xiàn)率為15%以上[14]。美國(guó)在農(nóng)用航空作業(yè)中使用的農(nóng)用飛機(jī)約有20多個(gè)機(jī)型[15]，以有人駕駛固定翼飛機(jī)為主，但這類農(nóng)用飛機(jī)與新增電線、新生樹木等微小障礙物碰撞導(dǎo)致的安全事故不在少數(shù)，且引發(fā)的人身傷亡率極高，危害極大。美國(guó)小型農(nóng)用無人機(jī)主要用來獲取農(nóng)作物生長(zhǎng)狀況，如PRECISIONHAWK公司是美國(guó)最大的農(nóng)業(yè)數(shù)據(jù)分析提供商之一，通過利用無人機(jī)自主飛行獲取農(nóng)業(yè)遙感圖像，并進(jìn)行處理和分析；3D Robotics公司Solo無人機(jī)的Site Scan程序可掃描農(nóng)業(yè)用地，目前其定點(diǎn)掃描技術(shù)已整合進(jìn)中國(guó)的大疆無人機(jī)。

澳大利亞、加拿大、巴西、俄羅斯等國(guó)家由于農(nóng)田作業(yè)環(huán)境條件相似，戶均耕地面積較大，其農(nóng)用飛機(jī)作業(yè)機(jī)型也以有人駕駛固定翼飛機(jī)和直升機(jī)為主[14]。

日本是第一個(gè)使用農(nóng)用無人直升機(jī)進(jìn)行農(nóng)藥噴施的國(guó)家，截止2015年植保無人飛機(jī)保有量為2 668臺(tái)[1]。日本植保無人飛機(jī)的發(fā)展經(jīng)歷了有人直升機(jī)到植保無人飛機(jī)的發(fā)展階段，最終選擇以植保無人飛機(jī)為主的病蟲害防治手段[16-17]，也與其丘陵地形地貌和小型農(nóng)戶耕作的農(nóng)業(yè)生產(chǎn)模式密切相關(guān)。YAMAHA公司無人直升機(jī)目前的機(jī)載GPS飛行控制系統(tǒng)并未增加避障模塊，主要依靠飛手與觀察員進(jìn)行避障操作，其飛機(jī)的故障率為5.8%，引發(fā)墜機(jī)的主要原因是飛機(jī)與電線、樹枝的接觸。由于每次修理費(fèi)用昂貴，因此每架無人機(jī)都有保險(xiǎn)[18-21]。

韓國(guó)與日本農(nóng)田作業(yè)環(huán)境條件相似，人均耕地面積較小，于2003年首次引進(jìn)直升機(jī)用于農(nóng)業(yè)航空作業(yè)，農(nóng)業(yè)航空作業(yè)面積逐年增加。截至2010年，全國(guó)共有農(nóng)用飛機(jī)121架，其中，農(nóng)用植保無人飛機(jī)101架，有人駕駛直升機(jī)20架，約 80%的農(nóng)用飛機(jī)歸地方農(nóng)協(xié)所有。但韓國(guó)本身并不生產(chǎn)農(nóng)用無人機(jī)，主要是引進(jìn)日本的設(shè)備及施藥技術(shù)[1,18,22]。

加拿大AG-NAV有限公司研發(fā)了多重障礙物的相關(guān)技術(shù)，并在其導(dǎo)航系統(tǒng)里實(shí)現(xiàn)了相應(yīng)功能。飛行員可通過美國(guó)聯(lián)邦航空局下載各州障礙物文件，得到作業(yè)區(qū)域周圍所有探明的障礙物信息，并可自行通過谷歌地球或在飛行過程中標(biāo)記新的障礙物，障礙物依其高度被繪成不同顏色。同時(shí)設(shè)置了電力線報(bào)警的相應(yīng)功能。受體積、質(zhì)量所限，目前該套系統(tǒng)只應(yīng)用于有人駕駛固定翼飛機(jī)與直升機(jī)。

法國(guó) Parrot派諾特公司針對(duì)精準(zhǔn)農(nóng)業(yè)的 Disco-Pro AG無人機(jī)可通過移動(dòng)設(shè)備制定飛行任務(wù)，創(chuàng)建農(nóng)作物地圖。Parrot Sequoia傳感器包含2部分：機(jī)身下方的多光譜傳感器可捕獲農(nóng)作物的RGB圖片，通過捕獲植物吸收和反射的光量來分析植物的活力；背部的陽(yáng)光傳感器，可記錄太陽(yáng)光的光強(qiáng)，從而執(zhí)行輻射校準(zhǔn)，以確保數(shù)據(jù)測(cè)量的一致性。還可通過 AIRINOV First+農(nóng)業(yè)云平臺(tái)生成的 NDVI地圖來了解農(nóng)作物生長(zhǎng)狀況。而該公司的Parrot S.L.A.M dunk開源開發(fā)套件平臺(tái)具備自主導(dǎo)航、避障、室內(nèi)導(dǎo)航、3D重建等能力，即使在在多障礙及GPS信號(hào)弱的環(huán)境中依然能夠進(jìn)行避障。它的2個(gè)60 fps廣角攝像頭可獲取環(huán)境深度圖，幫助無人機(jī)了解周圍環(huán)境。

目前，東南亞、南非、巴西、烏拉圭、阿根廷、智利、澳大利亞、新西蘭等國(guó)家也都在使用無人機(jī)定位牧群，監(jiān)控農(nóng)作物的生長(zhǎng)、收獲及旱澇病蟲害的情況[23]。

2.2 國(guó)內(nèi)農(nóng)用無人機(jī)避障技術(shù)的應(yīng)用現(xiàn)狀

據(jù)不完全統(tǒng)計(jì)，目前國(guó)內(nèi)共有植保無人飛機(jī)生產(chǎn)企業(yè)約 200 多家，其中絕大多數(shù)企業(yè)為中小型企業(yè)，技術(shù)力量和研發(fā)水平較低。通過調(diào)研以及國(guó)家工商管理系統(tǒng)查尋到的生產(chǎn)植保無人飛機(jī)的部分企業(yè)名單及區(qū)域分布，發(fā)現(xiàn)廣東省（35家）、山東省（24家）、河南?。?1家）等省市的植保無人飛機(jī)生產(chǎn)企業(yè)數(shù)量較多[1]。本節(jié)將以典型企業(yè)的實(shí)際生產(chǎn)機(jī)型為代表，分析國(guó)內(nèi)農(nóng)用無人機(jī)避障技術(shù)的應(yīng)用現(xiàn)狀。

安陽(yáng)全豐航空植保科技股份有限公司是由“安陽(yáng)全豐生物科技有限公司”投資組建的現(xiàn)代農(nóng)業(yè)智能裝備高新技術(shù)企業(yè)，目前安陽(yáng)全豐航空植保科技股份有限公司已完成了具有自主知識(shí)產(chǎn)權(quán)的3WQF120-12、3WQF80-10、3WQF125-16、3WQFDX-10及3WQF294-35型多款農(nóng)用無人飛機(jī)機(jī)型的研發(fā)、生產(chǎn)與推廣。目前安陽(yáng)全豐正在籌劃避障系統(tǒng)的研發(fā)。

無錫漢和航空技術(shù)有限公司現(xiàn)發(fā)售的植保無人機(jī)有CD-15型農(nóng)藥噴灑無人直升機(jī)和水星一號(hào)第三代農(nóng)用植保無人機(jī)。目前，無錫漢和植保無人機(jī)的避障系統(tǒng)作為選配供用戶選擇，例如CD-15型的自主避障系統(tǒng)采用的是“前后雙目+激光”探測(cè)障礙物，下方采用定高雷達(dá)實(shí)現(xiàn)仿地飛行。

北京韋加無人飛機(jī)科技股份有限公司目前的植保無人機(jī)有四旋翼5 kg級(jí)無人機(jī)“四妹”JF01-04型、六旋翼10 kg級(jí)無人機(jī)“六叔”JF01-10型以及八旋翼20 kg級(jí)無人機(jī)“八爺”JF01-20 型等。韋加為用戶提供兩種避障手段，航線避障和探測(cè)避障。前者是韋加植保無人機(jī)的標(biāo)配，即通過航線規(guī)劃來避開作業(yè)范圍內(nèi)的大中型障礙物，屬于被動(dòng)避障，具有依賴性，后者為選配，屬于主動(dòng)避障，但選擇用戶較少。目前，韋加已分別就雷達(dá)、紅外以及視覺類等傳感器進(jìn)行避障測(cè)試，認(rèn)為相對(duì)成熟的方法仍是采用組合傳感器避障模式。

深圳高科新農(nóng)技術(shù)有限公司生產(chǎn)的HY-B-15L、S40、M23等型號(hào)植保無人飛機(jī)在全國(guó)得到了廣泛應(yīng)用。目前，高科新農(nóng)正在研發(fā)一套可進(jìn)行實(shí)時(shí)避障的毫米波雷達(dá)避障系統(tǒng)，未來作為標(biāo)配搭載在其生產(chǎn)的植保機(jī)型上，如外形尺寸較大的無人直升機(jī)類將在前后方向各放置一套毫米波雷達(dá)避障系統(tǒng)，多旋翼類則只在前視方向安裝。該套系統(tǒng)目前已在測(cè)試中，測(cè)試目標(biāo)包括植保作業(yè)中可能遇到的多種障礙物，障礙物的規(guī)格不同，探測(cè)距離不同。飛機(jī)遇障將自主懸停，未解除危險(xiǎn)時(shí)，遇障方向的前進(jìn)功能將會(huì)自動(dòng)鎖死。

廣州極飛科技有限公司 (XAIRCRAFT)的植保無人機(jī)機(jī)型有P20 2017、P10 2018、P20 2018、P30 2018等四款，分別適用于不同面積的作業(yè)地塊，可在機(jī)身前視方向選配Xcope天目自主避障系統(tǒng)。全新推出的Xcope天目自主避障系統(tǒng)可在20 m外識(shí)別半徑大于5 cm的障礙物，實(shí)現(xiàn)自主繞行避障，并利用主動(dòng)近紅外照射技術(shù)，使植保無人機(jī)具有夜視能力，保障夜間安全作業(yè)。2018款新機(jī)型的下視方向已采用毫米波雷達(dá)仿地模塊取代2017款的超聲波仿地模塊，性能大大提高，探測(cè)范圍由不超過4 m提升至30 m，可適應(yīng)復(fù)雜多變的農(nóng)田地貌。

深圳大疆創(chuàng)新科技有限公司于2015 年12月開始進(jìn)軍農(nóng)業(yè)植保領(lǐng)域。2016年底發(fā)布產(chǎn)品MG-1S型植保無人機(jī)，與MG-1的調(diào)頻連續(xù)波雷達(dá)相比，MG-1S的前方、后方與下方各設(shè)置了一部高精度毫米波雷達(dá)，可通過不間斷掃描，提前感知飛行方向的地形變化，并根據(jù)地形和作物高度及時(shí)調(diào)整飛行高度，實(shí)現(xiàn)仿地飛行。2017年底新發(fā)布的 MG-1S Advanced、MG-1P 系列的第二代高精度雷達(dá)將上一代 3個(gè)定向雷達(dá)與一個(gè)避障雷達(dá)融合一體，提升了靈敏度，可感知前方15 m處半徑 0.5 cm的橫拉電線。大疆非農(nóng)用型無人機(jī)則應(yīng)用有雙目視覺、3D傳感系統(tǒng)、紅外感知系統(tǒng)、超聲波避障模塊等避障系統(tǒng)。

在植保無人機(jī)選配類避障模塊的市場(chǎng)中，用戶選配率低的現(xiàn)象普遍存在，主要是因?yàn)槟壳跋嚓P(guān)行業(yè)配套尚不成熟，整體成本較高，而農(nóng)田作業(yè)環(huán)境復(fù)雜，障礙物多變，現(xiàn)有的主動(dòng)避障模塊尚不能完全滿足用戶的需求。同時(shí)由于 1）缺少對(duì)農(nóng)田障礙物的定義與劃分；2）缺乏避障系統(tǒng)技術(shù)性能的指標(biāo)，如響應(yīng)時(shí)間、遇障避讓速度等；3）目前的避障系統(tǒng)沒有進(jìn)行統(tǒng)一的、具體的避障動(dòng)作分解及規(guī)范，僅停留在懸停警報(bào)、自主繞行、緊急迫降等看似具體實(shí)則含糊的指令，將無法滿足未來農(nóng)用無人機(jī)自主噴施、實(shí)時(shí)避障、連續(xù)作業(yè)、協(xié)同作業(yè)[24-25]的要求。但這與中國(guó)現(xiàn)階段的精準(zhǔn)農(nóng)業(yè)航空產(chǎn)業(yè)鏈不完善、很多領(lǐng)域尚處于空白或起步階段有關(guān)，假以時(shí)日，隨著科研的發(fā)展，科技的進(jìn)步，各方面政策法規(guī)的完善，中國(guó)精準(zhǔn)農(nóng)業(yè)航空的現(xiàn)代化進(jìn)程將厚積薄發(fā)。

2.3 農(nóng)用無人機(jī)避障技術(shù)的應(yīng)用

由于農(nóng)田作業(yè)環(huán)境復(fù)雜，作業(yè)時(shí)常會(huì)遇到以樹枝、電線和長(zhǎng)勢(shì)突出的農(nóng)作物等為代表的各類障礙物，當(dāng)飛手距無人機(jī)較遠(yuǎn)時(shí)，難以判斷其周邊飛行環(huán)境。因此，隨著科技的快速發(fā)展，實(shí)現(xiàn)障礙物的自主識(shí)別與有效回避將是農(nóng)用無人機(jī)智能化發(fā)展的必然趨勢(shì)之一。目前應(yīng)用在無人機(jī)[26]或無人車上的避障方法各有所長(zhǎng)，因此，下文首先對(duì)各類避障技術(shù)對(duì)比，并就其植保環(huán)境適用性進(jìn)行分析。

RTK技術(shù)（real time kincmatics）是一種基于載波相位實(shí)時(shí)動(dòng)態(tài)差分法的目前常用的GPS測(cè)量方法。與單點(diǎn)定位技術(shù)相比， RTK可以相對(duì)及時(shí)地得到厘米級(jí)定位精度。目前在測(cè)繪無人機(jī)、農(nóng)用無人機(jī)上均有應(yīng)用。搭載RTK定位系統(tǒng)后的農(nóng)用無人機(jī)，在航線制定后的噴施作用中可有效避免因航線偏移導(dǎo)致的重噴、漏噴等問題，并實(shí)現(xiàn)避障停噴、斷點(diǎn)續(xù)噴[27-28]，不僅節(jié)約了人力成本，更提高了噴灑作業(yè)的效率和準(zhǔn)確性[24]。但由于造價(jià)昂貴，部署困難，耗時(shí)費(fèi)力等原因，RTK技術(shù)在農(nóng)用無人機(jī)上的應(yīng)用未能完全實(shí)現(xiàn)。目前，廣州極飛電子科技有限公司除了現(xiàn)有的RTK技術(shù)，將開通云RTK網(wǎng)絡(luò)，讓偏遠(yuǎn)山區(qū)的用戶能夠更快捷地使用RTK定位服務(wù)，獲取地塊的作業(yè)地圖。當(dāng)RTK技術(shù)應(yīng)用于農(nóng)用無人機(jī)避障時(shí)，更適合于建立作業(yè)區(qū)障礙物地圖，而非實(shí)時(shí)性避障，且未來加入RTK基站和云技術(shù)等解決方案時(shí)需投入大量經(jīng)費(fèi)。

超聲波測(cè)距具有結(jié)構(gòu)簡(jiǎn)單、造價(jià)低等優(yōu)點(diǎn)，可廣泛適用于不同介質(zhì)，與其他非距離檢測(cè)式測(cè)距方法相比，指向性強(qiáng)且能耗低，不易受光強(qiáng)強(qiáng)弱、顏色深淺等因素干擾，可在較差的如昏暗、粉塵、煙霧等環(huán)境中使用[29-30]。但超聲波的探測(cè)范圍較小，一般在10 m以內(nèi)，且存在探測(cè)盲區(qū)，會(huì)限制超聲波測(cè)距系統(tǒng)的使用范圍[31-32]。發(fā)射出的超聲波速度受環(huán)境溫度、濕度和大氣壓強(qiáng)的影響[33]，在大氣中傳播中，除超聲波反射、聲波間的串?dāng)_等引起的損失外，還存在由環(huán)境和其他條件引起的逾量衰減，主要包括大氣中的聲吸收，雨、雪、霧的影響，草地、灌木林、樹林等地面效應(yīng)[34]。目前，超聲波傳感器更多是作為輔助安全裝置，主要應(yīng)用于農(nóng)用無人機(jī)的下視系統(tǒng)，以獲取飛行的高度參數(shù)，實(shí)現(xiàn)農(nóng)用無人機(jī)的自主起飛、著陸或在地形復(fù)雜的環(huán)境下超低空飛行。例如，廣州極飛電子科技有限公司的植保無人機(jī)P20 2017，機(jī)體下方設(shè)置有防水型超聲波傳感器，以實(shí)現(xiàn)高精度仿地飛行，防止藥液漂移。美國(guó) Kickstarter平臺(tái)的眾籌項(xiàng)目eBumper4超聲波避障模組，它的四個(gè)聲納傳感器為無人機(jī)提供關(guān)于前方，右側(cè)，左側(cè)和上方的物理環(huán)境信息，以防止無人機(jī)靠近障礙物。

激光傳感器由于獲取距離信息精度高、方向性好、抗干擾能力強(qiáng)，主要應(yīng)用于軍工無人機(jī)的自主導(dǎo)航（激光陀螺儀、激光自導(dǎo)）系統(tǒng)中，極少在農(nóng)用無人機(jī)中出現(xiàn)。它受光學(xué)系統(tǒng)的制約，并不適合在濕度高、光污染嚴(yán)重、粉塵煙霧等環(huán)境中使用[35-36]，同時(shí)它的制作成本、體積質(zhì)量等亦難以滿足農(nóng)用無人機(jī)的要求。目前激光掃描只能獲取場(chǎng)景的離散信息，且掃描時(shí)間受掃描點(diǎn)數(shù)量限制難以在實(shí)時(shí)性和范圍上獲得很好的平衡[37-38]，如二維激光掃描只能獲取前方固定角度的深度信息，無法獲取整個(gè)場(chǎng)景三維深度信息；三維激光掃描雖然能夠獲取三維場(chǎng)景信息，但掃描整個(gè)場(chǎng)景用時(shí)較久[39]，掃描速度難以滿足無人機(jī)自主避障的實(shí)時(shí)性要求。

紅外傳感技術(shù)，屬于被動(dòng)探測(cè)系統(tǒng)，其抗干擾能力強(qiáng)，隱蔽性好，可在夜間及惡劣氣候條件下測(cè)距及輪廓描述[40-42]，但探測(cè)距離較小，系統(tǒng)發(fā)出的光容易受到外界環(huán)境干擾，必須避開太陽(yáng)光的主要能量波段[43-44]，避免因太陽(yáng)光的直射、反射等對(duì)避障系統(tǒng)造成干擾甚至失效，因此，在無人機(jī)上的應(yīng)用多為短距離的環(huán)境感知系統(tǒng)。以深圳市大疆創(chuàng)新科技有限公司的消費(fèi)級(jí)無人機(jī)為例，紅外傳感器更多只是輔助地應(yīng)用于識(shí)別距離飛行器最近的物體距離，在無人機(jī)升降、懸停時(shí)對(duì)周圍環(huán)境保持監(jiān)控，避免碰撞。例如，inspire 2“悟”頂部紅外障礙物感知范圍是0~5 m，Phantom4 Pro機(jī)身兩側(cè)的紅外感知器系統(tǒng)最大檢測(cè)距離為7 m。

結(jié)構(gòu)光是激光從激光器發(fā)出，經(jīng)過不同結(jié)構(gòu)的透鏡后匯聚成不同形狀的光帶，呈現(xiàn)線狀的光帶稱為線結(jié)構(gòu)光，發(fā)射激光的激光器與各種結(jié)構(gòu)的透鏡構(gòu)成結(jié)構(gòu)光傳感器[45]。由于線結(jié)構(gòu)光視覺傳感器具有抗干擾能力強(qiáng)、精度高、實(shí)時(shí)性強(qiáng)、主動(dòng)受控等優(yōu)點(diǎn)，特別適合于應(yīng)用在復(fù)雜環(huán)境里的機(jī)器人測(cè)量和控制任務(wù)中[46]。但相鄰結(jié)構(gòu)光傳感器存在互相干擾，在室外環(huán)境時(shí)，自然光使結(jié)構(gòu)光傳感器幾乎失效，因此結(jié)構(gòu)光傳感器更多應(yīng)用于非農(nóng)用型無人機(jī)的室內(nèi)避障。

飛行時(shí)差測(cè)距（time of flight，TOF），屬于雙向測(cè)距技術(shù)，是目前應(yīng)用廣泛的測(cè)距方法之一，主要利用測(cè)量信號(hào)在節(jié)點(diǎn)間的往返飛行時(shí)間來測(cè)量距離。與其他測(cè)距方法相比，具有能量消耗低、易于部署等特點(diǎn)，適用于對(duì)測(cè)距精度要求較高的場(chǎng)合。測(cè)量信號(hào)一般是電磁波信號(hào)，傳播速度接近于光速，由于光波信號(hào)的傳遞特性，反射、折射、衍射等非直線傳播的因素會(huì)造成測(cè)量時(shí)間的偏差，而微小的時(shí)間偏差就能導(dǎo)致巨大的距離計(jì)算誤差[47-49]。故在空曠的環(huán)境下，TOF測(cè)距能夠具有很高準(zhǔn)確性，在復(fù)雜環(huán)境下的情況下，TOF測(cè)距通常包含大量的誤差。當(dāng)TOF測(cè)距應(yīng)用于農(nóng)用無人機(jī)避障，更適用于TOF測(cè)距原理與其他傳感器結(jié)合衍生的安全輔助裝置。

毫米波雷達(dá)，是指工作在微波波段的探測(cè)雷達(dá)，它的頻域?yàn)?30～300 GHz[50]。由于農(nóng)田作業(yè)環(huán)境復(fù)雜，超聲波及其他基于光學(xué)原理的傳感器易受氣候條件的影響，而毫米波雷達(dá)可全天候工作、穿透能力強(qiáng)、作用距離大、檢測(cè)可靠、抗電磁干擾[51-53]，目前毫米波雷達(dá)已廣泛應(yīng)用于汽車避障問題中，例如，車輛的自動(dòng)巡航導(dǎo)航、前后向防碰撞系統(tǒng)及盲點(diǎn)探測(cè)系統(tǒng)與并道輔助系統(tǒng)等，都應(yīng)用了毫米波雷達(dá)傳感器來探知車身周圍的環(huán)境信息[54]。但汽車駕駛場(chǎng)景為二維環(huán)境，而農(nóng)用無人機(jī)的避障問題涉及農(nóng)田復(fù)雜的三維環(huán)境，相比于其他測(cè)距傳感器，毫米波雷達(dá)分辨率較低，造價(jià)高，只能探測(cè)平行距離，無法描述避障對(duì)象的輪廓及其在視場(chǎng)中的角度[55-56]。它的短距探測(cè)能力在農(nóng)用無人機(jī)的避障應(yīng)用中具有可替換性，如前文提到的超聲波、激光、紅外等避障測(cè)距傳感器等都能取而代之。因此，毫米波雷達(dá)目前主要應(yīng)用于農(nóng)用無人機(jī)的仿地飛行系統(tǒng)。如廣州極飛科技有限公司的2018款新機(jī)型的仿地模塊都采用毫米波雷達(dá)，最大探測(cè)范圍可達(dá) 30 m，適應(yīng)復(fù)雜多變的農(nóng)田地貌。深圳大疆創(chuàng)新科技有限公司植保無人機(jī)MG-1S的前方、后方與下方分別設(shè)置了一部高精度毫米波雷達(dá)。前后兩部斜視雷達(dá)可預(yù)先探測(cè)地形，并結(jié)合下視雷達(dá)進(jìn)行精準(zhǔn)定高，但MG-1S也可通過毫米波雷達(dá)感知1.5~30 m范圍內(nèi)的障礙物，感知到障礙物后提示飛手，在障礙物前自動(dòng)穩(wěn)定懸停并暫停作業(yè)。

在視覺避障中，單目視覺測(cè)距多采用基于已知運(yùn)動(dòng)的測(cè)量方法，即利用攝像機(jī)的移動(dòng)信息和攝像機(jī)捕獲的圖片測(cè)得深度距離[57-59]。它結(jié)構(gòu)簡(jiǎn)單、技術(shù)成熟且運(yùn)算速度快[60]，但無法直接獲取障礙物的深度信息。利用單個(gè)特征點(diǎn)進(jìn)行測(cè)量，容易因特征點(diǎn)提取的不準(zhǔn)確性，產(chǎn)生誤差。對(duì)一幅或多幅圖片進(jìn)行特征點(diǎn)的匹配時(shí)，匹配誤差對(duì)測(cè)量結(jié)果有明顯影響，同時(shí)處理時(shí)間隨圖片數(shù)量的增加而增長(zhǎng)[59]。因此，單目視覺測(cè)距大多需要在光照均勻的環(huán)境下拍攝，且圖片必須分辨率高、紋理清晰才能進(jìn)行有效處理[61]。由于農(nóng)田作業(yè)環(huán)境復(fù)雜，環(huán)境信息量大，算法計(jì)算量劇增，單目測(cè)距難以滿足農(nóng)用無人機(jī)避障問題對(duì)實(shí)時(shí)性、準(zhǔn)確率的要求。

雙目立體視覺技術(shù)是通過借鑒人類雙眼感知立體空間的能力，經(jīng)過雙目圖像采集、圖像校正、立體匹配等步驟得到了視差結(jié)果，并計(jì)算出場(chǎng)景的深度信息圖，進(jìn)而重建出空間景物的三維信息。立體視覺技術(shù)實(shí)現(xiàn)障礙物的識(shí)別與測(cè)距，具備隱蔽性好、信息量全面（障礙物的顏色、紋理等），且能獲取場(chǎng)景三維深度信息等優(yōu)勢(shì)[7,62-67]。但立體匹配是雙目視覺中最困難也最關(guān)鍵的問題，光照變化、場(chǎng)景旋轉(zhuǎn)、目標(biāo)遮擋、圖像分辨率低等因素的影響、干擾甚至淹沒目標(biāo)特征，都易導(dǎo)致目標(biāo)特征不穩(wěn)定，使目標(biāo)物的檢測(cè)精度下降，同時(shí)也缺乏一種能有效平衡雙目匹配精度和運(yùn)算速度的立體匹配算法[7,47]。目前雙目立體視覺技術(shù)更多地應(yīng)用于消費(fèi)級(jí)、專業(yè)級(jí)無人機(jī)，例如深圳大疆創(chuàng)新科技有限公司的“御”MAVIC系列，“精靈”Phantom 4系列及“悟” Inspire 2；深圳零度智能飛行器有限公司即將發(fā)布的Xplorer 2機(jī)型；YUNEEC昊翔公司的臺(tái)風(fēng)H及H520等機(jī)型均有使用雙目立體視覺來實(shí)現(xiàn)障礙物的感知及自動(dòng)避障。在農(nóng)用無人機(jī)的應(yīng)用中，無錫漢和航空技術(shù)有限公司的CD-15型植保無人直升機(jī)提供“前后雙目+激光”避障系統(tǒng)供用戶選配；廣州極飛科技有限公司的P30 2018植保無人機(jī)則配置了天目Xcope自主避障系統(tǒng)，感知前向環(huán)境，可在20 m外識(shí)別半徑大于5 cm的障礙物并自主繞行，但電線等微小障礙物仍無法實(shí)時(shí)識(shí)別。

將上述各類避障傳感器列表進(jìn)行對(duì)比分析，并進(jìn)行是否適用于農(nóng)用無人機(jī)避障的判斷，如表1所示。

表1 各類避障傳感器對(duì)比Table 1 Comparison of various obstacle avoidance sensors

3 展 望

通過分析國(guó)內(nèi)外農(nóng)用無人機(jī)避障技術(shù)的應(yīng)用現(xiàn)狀及各傳感器避障方法的對(duì)比，由于不同的避障傳感器適用于不同的植保環(huán)境與避障距離，總體上可以看出，未來農(nóng)用無人機(jī)避障技術(shù)的研究方向和研究熱點(diǎn)將集中在如下3方面。

3.1 多種組合避障形式

隨著精準(zhǔn)農(nóng)業(yè)航空技術(shù)的進(jìn)一步發(fā)展，多傳感器融合的避障系統(tǒng)[68-69]將成為農(nóng)用無人機(jī)實(shí)時(shí)避障系統(tǒng)的主流趨勢(shì)。視覺與非視覺傳感器的結(jié)合，也將提高植保作業(yè)的安全性，為自主噴施、智能導(dǎo)航的實(shí)現(xiàn)提供多種可能性，因此未來應(yīng)考慮采用多種組合形式的避障傳感器以實(shí)現(xiàn)較理想的避障效果。

3.2 實(shí)時(shí)性主動(dòng)避障技術(shù)

目前農(nóng)用無人機(jī)廣泛適用于地面機(jī)械難以耕作的農(nóng)業(yè)區(qū)域，但提前標(biāo)定障礙物來獲取安全飛行路徑的作業(yè)模式或搭建飛手臨時(shí)觀察臺(tái)的方法，并不適用于農(nóng)情緊急或植保人員無法深入的大面積農(nóng)田區(qū)域。同時(shí)基于我國(guó)農(nóng)業(yè)生產(chǎn)勞動(dòng)力持續(xù)短缺的嚴(yán)峻現(xiàn)狀，實(shí)現(xiàn)全天候自主作業(yè)將是農(nóng)用無人機(jī)發(fā)展的未來趨勢(shì)之一，自主噴施、連續(xù)作業(yè)、協(xié)同作業(yè)[25]的實(shí)現(xiàn)離不開避障技術(shù)、續(xù)航能力的突破。而實(shí)時(shí)性主動(dòng)避障技術(shù)的實(shí)現(xiàn)將大幅提高農(nóng)用植保無人機(jī)農(nóng)田作業(yè)的安全性及智能化程度，為農(nóng)用無人機(jī)變量噴施順利實(shí)施連續(xù)作業(yè)[70]提供保障，對(duì)精準(zhǔn)農(nóng)業(yè)航空應(yīng)用發(fā)展及農(nóng)業(yè)航空避障技術(shù)的發(fā)展起重要的推動(dòng)作用。

3.3 避障輔助系統(tǒng)開發(fā)及避障流程標(biāo)準(zhǔn)化

由于農(nóng)田環(huán)境的復(fù)雜多變性及不同傳感器適用環(huán)境的局限性，難免存在避障傳感器無法有效直接檢測(cè)到微小型障礙物或僅獲得不連續(xù)、零散的障礙物碎片信息的情況，若僅停留在識(shí)別障礙物本身上，技術(shù)難度大且短期內(nèi)難以實(shí)現(xiàn)并達(dá)到成熟，因此可考慮間接識(shí)別方法。例如識(shí)別微小型障礙物的替代物，以它作為農(nóng)用無人機(jī)輔助避障方法，并建立農(nóng)田障礙物的特征數(shù)據(jù)庫(kù)，該方法以識(shí)別微小型障礙物為主，微小型障礙物的替代物為輔，如電線的替代物為電線桿（塔），樹枝的替代物為樹冠，以期實(shí)現(xiàn)微小型障礙物的有效避障。由于農(nóng)田作業(yè)環(huán)境中出現(xiàn)的多為10 kV高壓線，一般通過設(shè)立一定間距的電線桿來承受電線質(zhì)量及平衡外界各作用力，但不排除電線塔出現(xiàn)的可能。顯然，電線塔比電線桿更易識(shí)別。

結(jié)合第 1節(jié)的作業(yè)視場(chǎng)分區(qū)和障礙物分類，以雙目視覺傳感器為例，選取微小型障礙物高壓電線為避障目標(biāo)，農(nóng)用無人機(jī)的微小型障礙物避障流程圖如圖2所示。

圖2 農(nóng)用無人機(jī)微小型障礙物的避障流程圖Fig.2 Obstacle avoidance flow chart of micro obstacles for agricultural UAV

本間接避障方法與具體傳感器類別無關(guān)，即如果用非視覺傳感器能實(shí)現(xiàn)同樣的檢測(cè)效果，也適用于本避障控制流程。當(dāng)避障系統(tǒng)檢測(cè)到的電線輪廓清晰并能有效判別距離時(shí)，則可直接根據(jù)其深度信息，執(zhí)行相應(yīng)的避障指令，該類情況屬于直接識(shí)別，是一種理想的避障情況。當(dāng)直接識(shí)別微小型障礙物本身失敗時(shí)，即僅獲得輪廓間斷、不清晰的障礙物碎片，或根本無法識(shí)別時(shí)，可間接通過識(shí)別視場(chǎng)范圍內(nèi)面積、體積或密度較大的微小型障礙物替代物（如電線的代替物電線桿），再結(jié)合微小型障礙物的碎片信息（如不完整的電線輪廓碎片），對(duì)缺失的障礙物信息進(jìn)行評(píng)估、補(bǔ)充，還原出障礙物的潛在區(qū)域，最后結(jié)合深度信息，根據(jù)不同的避障區(qū)域，執(zhí)行不同的避障指令。該類間接識(shí)別方法可在維持原機(jī)身載重量的基礎(chǔ)上，利用原有的避障傳感器進(jìn)行避障輔助系統(tǒng)開發(fā)，減少直接識(shí)別失敗時(shí)，誤識(shí)別、誤判定對(duì)植保作業(yè)的影響，并為農(nóng)用無人機(jī)避障問題的研究提供了新思路。避障流程標(biāo)準(zhǔn)化則有利于實(shí)現(xiàn)避障動(dòng)作規(guī)范化，避障動(dòng)作規(guī)范化將有利于未來多機(jī)型協(xié)同作業(yè)時(shí)獲得最佳飛行秩序，促進(jìn)農(nóng)業(yè)生產(chǎn)效益。避障流程標(biāo)準(zhǔn)化研究將推動(dòng)農(nóng)用無人機(jī)避障技術(shù)的建章立制，為農(nóng)用無人機(jī)實(shí)現(xiàn)安全作業(yè)及成功避障提供理論支撐和決策支持。

4 結(jié) 論

隨著國(guó)家農(nóng)機(jī)購(gòu)置補(bǔ)貼引導(dǎo)植保無人飛機(jī)規(guī)范應(yīng)用試點(diǎn)工作的推進(jìn)，深入研究農(nóng)用無人機(jī)避障技術(shù)的迫切性不容忽視。加深對(duì)新興避障技術(shù)應(yīng)用的理解，將為農(nóng)用無人機(jī)提供更好的避障方案，為中國(guó)農(nóng)用無人機(jī)避障技術(shù)的有序發(fā)展提供參考，中國(guó)必將在精準(zhǔn)農(nóng)業(yè)航空避障基礎(chǔ)理論研究和相關(guān)設(shè)備研發(fā)方面取得突破，這將有力推動(dòng)精準(zhǔn)農(nóng)業(yè)航空避障技術(shù)的快速發(fā)展和應(yīng)用普及，真正實(shí)現(xiàn)高效、環(huán)保、安全的農(nóng)業(yè)植保要求。

[參 考 文 獻(xiàn)]

[1] 國(guó)家精準(zhǔn)農(nóng)業(yè)航空施藥技術(shù)國(guó)際聯(lián)合研究中心. 2016年我國(guó)農(nóng)用植保無人飛機(jī)發(fā)展形勢(shì)分析與政策建議[Z].廣州,2016.

[2] 張東彥, 蘭玉彬, 陳立平, 等. 中國(guó)農(nóng)業(yè)航空施藥技術(shù)研究進(jìn)展與展望[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2014，45(10):53－59.Zhang Dongyan, Lan Yubin, Chen Liping, et al. China current status and future trends of agricultural aerial spraying technology in China[J]. Transactions of The Chinese Society of Agricultural Machinery, 2014,45(10):53－59. (in Chinese with English abstract)

[3] 婁尚易, 薛新宇, 顧偉, 等. 農(nóng)用植保無人機(jī)的研究現(xiàn)狀及趨勢(shì)[J]. 農(nóng)機(jī)化研究, 2017,39(12):1－6.Lou Shangyi, Xue Xinyu, Gu Wei, et al. Current status and trends of agricultural plant protection unmanned aerial vehicle[J]. Journal of Agricultural Mechanization Research,2017,39(12):1－6. (in Chinese with English abstract)

[4] 陳盛德, 蘭玉彬, 李繼宇, 等. 小型無人直升機(jī)噴霧參數(shù)對(duì)雜交水稻冠層霧滴沉積分布的影響[J]. 農(nóng)業(yè)工程學(xué)報(bào),2016,32(17):40－46.Chen Shengde, Lan Yubin, Li Jiyu, et al. Effect of spray parameters of small unmanned helicopter on distribution regularity of droplet deposition in hybrid rice canopy[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE),2016,32(17):40－46.(in Chinese with English abstract)

[5] 薛新宇, 梁建, 傅錫敏. 我國(guó)航空植保技術(shù)的發(fā)展前景[J].農(nóng)業(yè)技術(shù)與裝備, 2010,277(5):27－28.Xue Xinyu, Liang Jian, Fu Ximin. Prospect of aviation plant protection in China[J]. Agricultural Technology& Equipment,2010,277(5):27－28. (in Chinese with English abstract)

[6] Hilz E, Vermeer A W P. Spray drift review: The extent to which a formulation can contribute to spray drift reduction[J].Crop Protection, 2013, 44(1):75－83.

[7] Stefano Mattoccia, Stereo Vision: Algorithms and Applications[Z/OL]. Citeseer, 2011. http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.368.1660

[8] 陳盛德, 蘭玉彬, 李繼宇, 等. 植保無人機(jī)航空噴施作業(yè)有效噴幅的評(píng)定與試驗(yàn)[J].農(nóng)業(yè)工程學(xué)報(bào), 2017,33(7):82－90.Chen Shengde, Lan Yubin, Li Jiyu, et al. Evaluation and test of effective spraying width of aerial spraying on plant protection UAV[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE),2017,33(7):82－90. (in Chinese with English abstract)

[9] 王昌陵, 何雄奎, 王瀟楠, 等. 無人植保機(jī)施藥?kù)F滴空間質(zhì)量平衡測(cè)試方法[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2016,32(11):54－61.Wang Changling, He Xiongkui, Wang Xiaonan, et al. Testing method of spatial pesticide spraying deposition quality balance for unmanned aerial vehicle[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016,32(11):54－61. (in Chinese with English abstract)

[10] 王大帥, 張俊雄, 李偉, 等. 植保無人機(jī)動(dòng)態(tài)變量施藥系統(tǒng)設(shè)計(jì)與試驗(yàn)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2017,48(5):86－93.Wang Dashuai, Zhang Junxiong, Li Wei, et al. Design and test of dynamic variable spraying system of plant protection UAV[J]. Transactions of The Chinese Society of Agricultural Machinery, 2017,48(5):86－93.(in Chinese with English abstract)

[11] Zhang P, Deng L, Lü Q, et al. Effects of citrus tree-shape and spraying height of small unmanned aerial vehicle on droplet distribution[J]. International Journal of Agricultural and Biological Engineering(IJABE),2017,33(1):117－123.

[12] 楊道錕. 仿鷹眼大視場(chǎng)目標(biāo)搜索與目標(biāo)區(qū)域空間分辨率提高技術(shù)[D]. 北京: 北京理工大學(xué), 2016.Yang Daokun. Object Search and Area Resolution Improved in Large Visual Field Based on Biological Eagle Vision[D].Beijing: Beijing Institute of Technology, 2016.(in Chinese with English abstract)

[13] Eltner A, Schneider D. Analysis of different methods for 3D reconstruction of natural surface from parallel-axes UAV images[J]. The Photogrammetric Record, 2015, 30(151):279－ 299.

[14] 周志艷, 臧英, 羅錫文, 等. 中國(guó)農(nóng)業(yè)航空植保產(chǎn)業(yè)技術(shù)創(chuàng)新發(fā)展戰(zhàn)略[J]. 農(nóng)業(yè)技術(shù)與裝備, 2014,281(3):19－25.Zhou Zhiyan, Zang Ying, Luo Xiwen, et al. Technology innovation development strategy on agricultural aviation industry for plant protection in China[J]. Agricultural Technology & Equipment, 2014,281(3):19－25. (in Chinese with English abstract)

[15] 薛新宇, 蘭玉彬. 美國(guó)農(nóng)業(yè)航空技術(shù)現(xiàn)狀和發(fā)展趨勢(shì)分析[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2013,44(5):194－201.Xue Xinyu, Lan Yubin. Agricultural aviation applications in USA[J]. Transactions of the Chinese Society of Agricultural Machinery, 2013,44(5):194－201. (in Chinese with English abstract)

[16] 尹選春, 蘭玉彬, 文晟, 等. 日本農(nóng)業(yè)航空技術(shù)發(fā)展及對(duì)我國(guó)的啟示[J]. 華南農(nóng)業(yè)大學(xué)學(xué)報(bào), 2018,39(2):1－8.Yin Xuanchun, Lan Yubin, Wen Sheng, et al. The development of Japan agricultural aviation technology and its enlightenment for China[J]. Journal of South China Agricultural University, 2018,39(2):1－8. (in Chinese with English abstract)

[17] 芳賀俊郎. 航空 (有人ヘリ) 防除及び無人ヘリ防除の歩みと今後の展望[J].日本農(nóng)薬學(xué)會(huì)誌,2013,38(2): 224－228.

[18] He X. K., Bonds J, Herbst A, et al. Recent development of unmanned aerial vehicle for plant protection in East Asia[J].International Journal of Agricultural & Biological Engineering, 2017,10(3):18－30.

[19] 何雄奎, 程景鴻, 孫海艷, 等. 日本和韓國(guó)水稻田植保機(jī)械應(yīng)用考察[C]//第二十八屆中國(guó)植保信息交流暨農(nóng)藥械交易會(huì)論文匯編.北京:中國(guó)農(nóng)業(yè)出版,2012:95－99.

[20] Qin Weicai, Qiu Baijing, Xue Xinyu, et al. Droplet deposition and control effect of insecticides sprayed with an unmanned aerial vehicle against plant hoppers[J]. Crop Protection, 2016,85:79－88.

[21] Enderle Bruce. Commercial Applications of UAV's in Japanese agriculture[C]//Proceedings of the AIAA 1st technical conference and workshop on unmanned aerospace vehicles. Portsmouth, Virginia: American Institute of Aeronautics and Astronautics. AIAA-2002-3400, 2002.

[22] Bae Y, Koo Y M. Flight attitudes and spray patterns of a roll-balanced agricultural unmanned helicopter[J]. Applied Engineering in Agriculture, 2013,29(5):675－682.

[23] 檀律科, 何志文, 薛新宇, 等. 美國(guó)農(nóng)用無人機(jī)的發(fā)展困境及啟示[J]. 浙江農(nóng)業(yè)科學(xué), 2014(11):1660－1664.

[24] Lan Y B, Chen S D, Fritz B K. Current status and future trends of precision agricultural aviation technologies[J].International Journal of Agricultural & Biological Engineering, 2017,10(3):1－17.

[25] Wang Zhigang, Lan Yubin, Clint H W, et al. Low altitude and multiple helicopter formation in precision aerial agriculture[C]//2013 ASABE Annual International Meeting.Kansas, ASABE, 2013, Paper No.131618681.

[26] Luongo S, Vito V D, Fasano G, et al. Automatic collision avoidance system: Design, development and flight tests[C]//Digital Avionics Systems Conference. IEEE, 2011.

[27] 盧璐, 耿長(zhǎng)江, 邊玥, 等. 基于RTK的BDS在農(nóng)業(yè)植保無人直升機(jī)中的應(yīng)用[C]//第八屆中國(guó)衛(wèi)星導(dǎo)航學(xué)術(shù)年會(huì)論文集,上海, 2017:1－4.Lu Lu, Geng Zhangjiang, Bian Yue, et al. Application of agricultural plant protection UAV based on BDS-RTK[C]//8th China Satellite Navigation Conference. CSNC, 2017: 1－4.(in Chinese with English abstract)

[28] Fahlstrom P G, Gleason T J. Introduction to UAV systems[M]. John Wiley & Sons, 2012.

[29] 王盟.基于DSP與超聲波測(cè)距的農(nóng)業(yè)機(jī)器人定位與避障控制[J]. 農(nóng)機(jī)化研究, 2017,39(8):207－211.Wang Meng. Localization and obstacle avoidance control of agricultural robot based on DSP and ultrasonic distance measurement[J]. Journal of Agricultural Mechanization Research, 2017,39(8):207－211. (in Chinese with English abstract)

[30] 劉海波, 李冀. 淺析無人機(jī)自動(dòng)避障系統(tǒng)[J]. 中國(guó)計(jì)量,2017(9):84－85.

[31] 程珩, 李瑾, 靳寶全. 基于無源自振抑制的小盲區(qū)超聲測(cè)距方法[J]. 振動(dòng)·測(cè)試與診斷, 2015(2):369－374.Cheng Heng, Li Jin, Jin Baoquan. Research of small blind zone ultrasonic ranging method based on natural vibration restraining[J].Journal of Vibration, Measurement &Diagnosis.2015(2):369－374. (in Chinese with English abstract)

[32] 黃娟, 張碧星, 閻守國(guó), 等.一種無人機(jī)避障裝置和方法CN201710294617.2 [P]. 2017-10-03.

[33] 劉慧. 基于超聲波測(cè)距技術(shù)的小型無人機(jī)高度測(cè)量方法研究[D]. 內(nèi)蒙古: 內(nèi)蒙古工業(yè)大學(xué), 2015.Liu Hui. Research on Method of Altitude Measuring based on Ultrasonic Ranging for SUAV[D]. Inner Mongolia: Inner Mongolia University of Technology, 2015. (in Chinese with English abstract)

[34] 馬大猷, 沈?. 聲學(xué)手冊(cè)[M]. 北京：科學(xué)出版社, 2004.

[35] 文恬, 高嵩, 鄒海春. 基于激光測(cè)距的無人機(jī)地形匹配飛行方法研究[J]. 計(jì)算機(jī)測(cè)量與控制, 2015(9):3209－3212.Wen Tian, Gao Song, Zou Haichun. Based on laser ranging method research of UAV terrain matching flight[J].Computer Measurement & Control, 2015(9): 3209－3212.(in Chinese with English abstract)

[36] Zhao Huijing, Liu Yiming, Zhu Xiaolong, et al. Scene understanding in a large dynamic environment through a laser-based sensing[C]//IEEE International Conference on Robotics and Automation. IEEE, 2010,58(8):127－133.

[37] Kobayashi Y. Laser range finder: D723,080[P].2015-02-24.

[38] Houshiar H, Elseberg J, Borrmann D, et al. A study of projections for key point based registration of panoramic terrestrial 3D laser scan[J]. Geo-spatial Information Science,2015,18(1):11－31.

[39] 周龍. 基于立體視覺和激光掃描的無人機(jī)自主導(dǎo)航場(chǎng)景測(cè)量研究[D]. 南京: 南京航空航天大學(xué), 2012.Zhou Long. Scene Measurement in UAV Navigation based on Stereo Vision and Laser Scanning[D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2012. (in Chinese with English abstract)

[40] 黃士科, 夏濤, 張?zhí)煨? 基于紅外圖像的被動(dòng)測(cè)距方法[J].紅外與激光工程, 2007(1):109－112.Huang Shike, Xia Tao, Zhang Tianxu. Passive ranging method based on infrared images[J]. Infrared and Laser Engineering, 2007(1):109－112. (in Chinese with English abstract)

[41] 路遠(yuǎn), 馮云松, 凌永順, 等. 紅外三色被動(dòng)測(cè)距[J]. 光學(xué)精密工程, 2012,20(12):2680－2685.Lu Yuan, Feng Yunsong, Ling Yongshun, et al. Infrared three-color passive ranging by colorimetric method[J]. Optics and Precision Engineering, 2012,20(12):268－2685. (in Chinese with English abstract)

[42] 王和平, 汪駿, 申?duì)幑? 基于紅外與雷達(dá)一體化吊艙的直升機(jī)安全避障技術(shù)[J]. 科技創(chuàng)新導(dǎo)報(bào), 2014(29):56－59.Wang Heping, Wang Jun, Shen Zhengguang. Helicopter pods-based obstacle avoidance technology using infrared imaging and radar[J]. Science and Technology Innovation Herald, 2014(29):56－59. (in Chinese with English abstract)

[43] Uzkent B, Hoffman M J, Vodacek A, et al. Feature matching with an adaptive optical sensor in a ground target tracking system[J]. Sensor Journal, IEEE, 2015, 15(1):510－519.

[44] 朱麗華. 無人飛行器自主檢測(cè)與避障技術(shù)研究[D].南京:東南大學(xué),2016.Zhu Lihua. Sense and Avoid Technology for Unmanned Aircraft Vehicles[D]. Nanjing: Southeast University, 2016.(in Chinese with English abstract)

[45] 王云舒, 劉建業(yè), 曾慶化, 等. 結(jié)構(gòu)光輔助的慣性/視覺室內(nèi)導(dǎo)航三維環(huán)境重構(gòu)方法[J]. 中國(guó)慣性技術(shù)學(xué)報(bào),2016(1):51－58.Wang Yunshu, Liu Jianye, Zeng Qinghua, et al. 3D environment restructure method with structured light for indoor vision/inertial navigation[J]. Journal of Chinese Inertial Technology, 2016(1):51－58. (in Chinese with English abstract)

[46] 劉艷. 機(jī)器人結(jié)構(gòu)光視覺系統(tǒng)標(biāo)定研究[D]. 北京: 北京理工大學(xué), 2015.Liu Yan. Research on Robotic Structured Light Vision System Calibration[D]. Beijing: Beijing Institute of Technology, 2015. (in Chinese with English abstract)

[47] Thorbjornsen B, White N M, Brown A D, et al. Radio frequency (RF) time-of-flight ranging for wireless sensor networks[J]. Measurement Science & Technology, 2010,21(3): 35202.

[48] 車志平. 基于 TOF測(cè)距的無線傳感器網(wǎng)絡(luò)定位技術(shù)研究[D]. 大連：大連理工大學(xué), 2016.Che Zhiping. The Research of Localization Technology based on TOF Ranging in Wireless Sensor Network[D].Dalian: Dalian University of Technology, 2016. (in Chinese with English abstract)

[49] Lanzisera S, Lin D T, Pister K S J. RF time of flight ranging for wireless sensor network localization[C]// International Workshop on Intelligent Solutions in Embedded Systems.Vienna, IEEE, 2006,53(2):1－12.

[50] 冀連營(yíng). 小型民用毫米波雷達(dá)及其應(yīng)用[Z].

[51] 丁鷺飛, 耿富錄, 陳建春. 雷達(dá)原理（第五版）[M].電子工業(yè)出版社,2015.

[52] Rankin G, Tirkel A, Leukhin A. Millimeter wave array for UAV imaging MIMO radar[C]//16th International Radar Symposium(IRS). Dresden, IEEE, 2015:499－504.

[53] 萬永倫,劉進(jìn)軍.一種基于毫米波雷達(dá)的無人機(jī)避障系統(tǒng)CN107678030A[P].2018-02-09.

[54] 褚紅軍. 24GHz汽車毫米波雷達(dá)系統(tǒng)分析與頻率源關(guān)鍵技術(shù)研究[D]. 哈爾濱:哈爾濱工業(yè)大學(xué), 2015.Chu Hongjun..Analysis And Research Of 24GHz Automotive Radar System and the Key Techniques of the Frequency Source[D]. Harbin: Harbin Institute of Technology, 2015.(in Chinese with English abstract)

[55] 向敬成, 張明友. 毫米波雷達(dá)及其應(yīng)用[M]. 北京：國(guó)防工業(yè)出版社, 2005.

[56] Jin L, Fu M Y, Wang M L, et al. Vehicle detection based on vision and millimeter wave radar[J]. Journal of Infrared &Millimeter Waves, 2014,33(5):465－471.

[57] 韓邢健. 基于單目視覺的無人機(jī)自主避障算法研究[D].哈爾濱: 哈爾濱工程大學(xué), 2016.Han Xingjian. Reasearch on Autonomous Obstacle Avoidance Algorithm for UAV based on Monocular Vision[D]. Harbin: Harbin Engineering University, 2016.(in Chinese with English abstract)

[58] Zhang Zhengyou. A flexible new technique for camera calibration[J]. Tpami, 2000, 22(11):1330－1334.

[59] 韓延祥, 張志勝, 戴敏. 用于目標(biāo)測(cè)距的單目視覺測(cè)量方法[J]. 光學(xué)精密工程, 2011,19(5):1110－1117.Han Yanxiang, Zhang Zhisheng, Dai Min. Monocular vision system for distance measurement based on feature points[J].Optics and Precision Engineering, 2011,19(5):1110－1117.(in Chinese with English abstract)

[60] 張躍東, 李麗, 劉曉波, 等. 基于單目視覺的無人機(jī)障礙探測(cè)算法研究[J]. 激光與紅外, 2009(6):673－676.Zhang Yuedong, Li Li, Liu Xiaobo, et al. Obstacle detection for unmanned aerial vehicle based in monocular vision[J].Laser & Infrared, 2009(6):673－676. (in Chinese with English abstract)

[61] 趙海, 陳星池, 王家亮, 等. 基于四軸飛行器的單目視覺避障算法[J]. 光學(xué)精密工程, 2014,22(8):2232－2241.Zhao Hai, Chen Xingchi, Wang Jialiang, et al. Obstacle avoidance algorithm based on monocular vision for quad-rotor helicopter[J]. Optics and Precision Engineering,2014,22(8):2232－2241.(in Chinese with English abstract)

[62] 蘇東. 基于雙目視覺的小型無人飛行器的導(dǎo)航與避障[D].成都: 電子科技大學(xué), 2014.Su Dong. Navigation And Obstacle Avoidance for Miniature UAV based on Binocular Stereo Vision[D]. Chengdu:University of Electronic Science and Technology of China,2014. (in Chinese with English abstract)

[63] 張梁, 徐錦法, 夏青元. 雙目立體視覺的無人機(jī)位姿估計(jì)算法及驗(yàn)證[J]. 哈爾濱工業(yè)大學(xué)學(xué)報(bào), 2014(5):66－72.Zhang Liang, Xu Jinfa, Xia Qingyuan. Pose estimation algorithm and verification based on binocular stereo vision for unmanned aerial vehicle[J]. Journal of Harbin Institute of Technology, 2014(5):66－72. (in Chinese with English abstract)

[64] Johnson E N, Calise Anthony J, Watanabe Y, et al.Real-Time vision-based relative aircraft navigation[J].Journal of Aerospace Computing Information &Communication, 2007,4(4):707－738.

[65] Wagter C D, Bijnens B, Mulder J A. Vision-only control of a flapping MAV on mars[C]//AIAA Guidance, Navigation and Control Conference and Exhibit,2013.

[66] 朱平, 甄子洋, 覃海群, 等. 基于立體視覺和光流的無人機(jī)避障算法研究[J].電光與控制, 2017,24(12): 31－35.Zhu Ping, Zhen Ziyang, Qin Haiqun, et al. Stereo vision and optical flow based obstacle avoidance algorithm for UAVs[J].Electronics Optics & Control, 2017,24(12): 31－35.

[67] 張?zhí)煲? 楊忠, 胡國(guó)雄, 等. 基于雙目視覺與光流融合的無人機(jī)避障方法及系統(tǒng): CN106681353A[P]. 2017-05-17.

[68] 李國(guó)紅, 李文宇, 張俊霞. 無人機(jī)系統(tǒng)關(guān)鍵技術(shù)專利態(tài)勢(shì)研究[J].電信網(wǎng)技術(shù), 2017(3):30－36.Li Guohong, Li Wenyu, Zhang Junxia. Research on the patent situation of the key technology of UAV system[J].Telecommunications Network Technology, 2017(3):30－36.(in Chinese with English abstract)

[69] 徐興, 王臻杰, 李君, 等. 基于三級(jí)避障機(jī)制的果園植保無人機(jī)避障裝置及方法: CN201611251528.1[P]. 2016-12-30.

[70] Giles D K, Billing R, Singh W. Performance results, economic viability and outlook for remotely piloted aircraft for agricultural spraying[J]. Aspects of Applied Biology, 2016(132): 15－21.