劉成力 陳善洛 歐陽權(quán) 王志勝

摘 要：無人機由于其構(gòu)造簡單、易于操控、成本低等優(yōu)點，在物流、巡航、航拍等民用和軍用領(lǐng)域有著極高的應用價值。高效精確的避障技術(shù)是實現(xiàn)無人機飛行的重要保障，文章闡述了無人機避障的概念，詳細介紹了傳感器、威脅錐和勢函數(shù)法3種避障方法，并對這幾種方法進行分析比較。最后，總結(jié)了目前無人機避障技術(shù)存在的問題和未來發(fā)展趨勢。

關(guān)鍵詞：無人機飛行;避障方法;發(fā)展趨勢

中圖分類號：V279;V249文獻標識碼：A 文章編號：1674-1064（2021）04-097-02

DOI：10.12310/j.issn.1674-1064.2021.04.048

隨著無人機（Unmanned Aerial Vehicle，UAV）不斷體現(xiàn)出的性價比高、靈活性高、飛行成本低等優(yōu)勢和特點，在執(zhí)行任務過程中機動性好、隱蔽性高并且不存在人身安全問題，適合在枯燥、惡劣的生存環(huán)境中工作。因此，無人機技術(shù)在軍用和民用領(lǐng)域得到了廣泛的應用，比如電力巡檢[1]、應急救援[2]、區(qū)域偵察[3]、協(xié)同探測[4-5]等，受到世界各國的認可[6]。近年來，隨著航空航天、自動控制和電子信息等技術(shù)的巨大發(fā)展，世界各國對無人機領(lǐng)域也給予了持續(xù)關(guān)注并不斷加大投入，無人機技術(shù)在理論與應用方面都取得了長足的進步與發(fā)展，是當前高科技領(lǐng)域的熱點發(fā)展方向，眾多關(guān)鍵性成果不斷涌現(xiàn)。

隨著無人機的廣泛使用，無人機的作業(yè)范圍也不斷擴大，從中高空不斷向低空、超低空拓展，其所面臨的障礙環(huán)境也日趨復雜[7]，甚至會在高山、樹木、建筑物等復雜環(huán)境周圍工作。在這些復雜環(huán)境下，無人機極易與障礙物發(fā)生碰撞，在無法保證完成任務的同時造成巨大經(jīng)濟損失。此時，無人機飛行過程中在線檢測并規(guī)避障礙物成為迫切需求[8]，研究無人機避障技術(shù)具有重要的價值與意義。

文章對當前主要的無人機避障控制技術(shù)進行了綜述，重點介紹了幾種常見的無人機避障技術(shù)，包括基于傳感器的避障控制技術(shù)、基于威脅錐的避障控制技術(shù)、基于勢函數(shù)法的避障控制技術(shù)，這些技術(shù)能夠保證無人機實現(xiàn)避障任務。文章在此基礎(chǔ)上，對未來在無人機避障領(lǐng)域具有巨大潛力的發(fā)展方向進行了展望。

1 常用的無人機避障控制技術(shù)

無人機執(zhí)行任務過程中，通常會攜帶遙控器接收機，由專門操作人員進行遙控。遙控過程是避開人眼可視范圍內(nèi)的障礙物的[9]，遇到突發(fā)情況或者人眼未識別到障礙物，無人機可能會撞到障礙物從空中墜落，對人們的生命財產(chǎn)安全產(chǎn)生威脅[10]。此外，過分依賴人眼觀察，當人長時間工作以至疲勞時，會加大無人機碰到障礙物的概率。因此，無人機自主避障問題已然成為科研領(lǐng)域的一大研究熱點。

1.1 基于傳感器的避障控制技術(shù)

基于傳感器的無人機避障，是指無人機通過傳感器感知到飛行過程中周邊的靜態(tài)或動態(tài)障礙物，并按照一定的方法重新規(guī)劃路線，繞開障礙物，最終到達目標點。

由于無人機載荷有限，起初無人機只攜帶單一傳感器用于檢測環(huán)境以發(fā)現(xiàn)障礙物。文獻[11]采用單目視覺傳感器獲取障礙物圖像并識別出障礙物，具有較高的實時性。但是無人機飛行環(huán)境復雜多變，采用單一傳感器難以準確探測到障礙物，稍有遮擋就無法識別，而且準確性也有待提高。因此，多傳感器融合技術(shù)隨之產(chǎn)生。多傳感器信息融合是對兩個及其以上數(shù)目的傳感器的信息進行深層次、多角度、多空間的處理和優(yōu)化，利用融合多個傳感器的信息使整個系統(tǒng)所測得的數(shù)據(jù)更具有綜合性與參考性。文獻[12]使用激光雷達和毫米波雷達兩種傳感器，利用其測量出的數(shù)據(jù)并進行融合處理，有效實現(xiàn)了無人機避障。

1.2 基于威脅錐的避障控制技術(shù)

當目標障礙信息通過視覺傳感器獲得以后，必須有一套障礙威脅判定標準來判斷已知的障礙是否構(gòu)成威脅，即障礙預判。

文獻[13]提出了“威脅錐”（Collision Cone）的定義，這個“威脅錐”由障礙安全邊界的一系列切線構(gòu)成，如果本機與障礙之間的相對運動矢量位于這個威脅錐內(nèi)，這個障礙將被視為威脅障礙。當同時出現(xiàn)多個障礙時，最近的障礙被定義為最危險的障礙，具有最高的處理等級。當所有的障礙經(jīng)過威脅判定并確定威脅等級之后，機載計算機將依據(jù)預先設(shè)定的避障策略，給出可以達到預定航跡點同時避開障礙威脅的最佳航跡。南京航空航天大學的方挺[14]在其博士學位論文中定義了三維空間內(nèi)的障礙模型并改進傳統(tǒng)的比例導引避障策略，實現(xiàn)無人機在飛行過程中的避障。

1.3 基于勢函數(shù)法的避障控制技術(shù)

人工勢場法原理是將環(huán)境虛擬表示成目標點的引力場和障礙物的斥力場的疊加，智能體在斥力和引力的合力作用下從勢場高點向勢場低點移動，形成一條無碰撞的最優(yōu)路徑。但是，人工勢場法存在局部最優(yōu)點的問題，且完成避障任務后存在副作用。對此，目前國內(nèi)外學者做了大量研究。

文獻[15]利用人工勢場框架進行運行規(guī)劃，利用正式的驗證方法，隨機可達（SR）集，為移動障礙生成精確的勢場。預先計算少量的SR集合，然后生成代表障礙物隨機運動的勢場，用于在線路徑規(guī)劃，在含有大量障礙物的情況下獲得了很好的避障性能。文獻[16]提出了一種相對速度的改進的人工勢場法，針對傳統(tǒng)路徑規(guī)劃中的局部最小值問題，提出設(shè)置中間目標點的方法，給機器人一個外力以避免其在局部最小點處停止或者徘徊。文獻[17]將勢場法應用于有向拓撲下二階隨機多智能體系統(tǒng)，并將其與領(lǐng)導者—跟隨者編隊方法相結(jié)合，使智能體在保持預定編隊模式和避免與障礙物碰撞的情況下，沿期望路徑運動。

2 比較與展望

2.1 比較

前文提出了幾種關(guān)于無人機避障控制的方法。各種方法均有其優(yōu)勢和不足。對于基于避障傳感器的方法而言，其控制策略只是利用機載傳感器，比如超聲波、相機，實時測量障礙物信息，然后控制無人機做繞開障礙物的運動。這種控制方法相對簡單可靠，被廣泛應用到實際系統(tǒng)中。而基于威脅錐的避障控制策略能夠?qū)ν{進行預判，進而采用比例導引律，將無人機避碰模式轉(zhuǎn)為導引控制模式。此控制策略尤其適合固定翼無人機避障，由于其引導路徑可以被設(shè)置得很平滑，符合固定翼無人機的動力學約束。基于勢函數(shù)的避障控制技術(shù)也是十分常用的控制策略，在無人機與障礙之前設(shè)置虛擬斥力，無人機可自動排斥周邊障礙物以避障。其實現(xiàn)比較簡單，但是無法對避障路徑進行優(yōu)化。

在實際應用過程中，可以根據(jù)自身情況選擇合適的避障控制策略，完成無人機避障任務。

2.2 展望

隨著高精度傳感器與人工智能技術(shù)[18]的發(fā)展，未來無人機避障策略必將更加多樣。利用信息融合技術(shù)，將各避障傳感器的信息進行有效融合，有效避免了因部分避障傳感器測量偏差或徹底失效帶來的無人機碰撞風險。此外，融合最新的人工智能技術(shù)，利用強化學習、深度學習等算法提升無人機智能自主性，能使得其像人一樣識別并避開障礙物。

無人機避開高速移動的障礙物或威脅目標，仍是當前研究的難題。隨著控制器性能的提升，可以預先判斷障礙物的位置有效避障，或利用發(fā)射武器清理掉這些障礙。此外，也可以采用無人機集群行動方式，不局限于單個無人機的存活問題，充分利用數(shù)量優(yōu)勢，只要有部分無人機存活并完成任務，則達到了預期。

3 結(jié)語

對于保證無人機在執(zhí)行任務過程中的安全，有效的避障控制具有十分重要的作用。文章對已有的無人機避障控制技術(shù)做了詳細的分析與比較，如基于傳感器的避障控制、基于威脅錐的避障控制、基于勢函數(shù)法的避障控制等。最后，對無人機避障的研究難題與未來解決方案進行了展望。

參考文獻

[1] 王盛譽，毛鵬飛，謝曉君.智能識別技術(shù)在無人機電力巡檢中的應用[J].集成電路應用，2021，38（3）：98-99.

[2] 劉衛(wèi)宏，陳順峰，黎建.多旋翼無人機在機動應急廣播中的應用分析[J].電視技術(shù)，2021，45（2）：42-44，51.

[3] 趙賢.基于警用無人機技術(shù)的視頻偵察方法研究[J].警察技術(shù)，2021（2）：86-90.

[4] 顏寶蘋，周潔，申強，等.基于傳染-免疫機制的無人機集群協(xié)同探測與跟蹤[J].中國測試，2021，47（1）：88-95.

[5] 陳小龍，張海，孫嘉辰，等.機載預警雷達網(wǎng)絡(luò)化協(xié)同探測模式及性能分析[J].太赫茲科學與電子信息學報，2020，18（2）：215-221.

[6] 鐘柱梁，李庭威，陳嶸杰，等.軍用無人機現(xiàn)狀及發(fā)展趨勢[J].電腦知識與技術(shù)，2018，14（8）：250-251.

[7] 祁圣君，井立，王亞龍.無人機系統(tǒng)及發(fā)展趨勢綜述[J].飛航導彈，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.四旋翼多旋翼無人機軌跡跟蹤與避障控制研究[D].哈爾濱：哈爾濱工業(yè)大學，2018.

[11] 馬浩森.基于單目視覺的旋翼無人機避障技術(shù)研究[D].南京：南京郵電大學，2020.

[12] 潘梟.基于多傳感器融合的多旋翼無人機避障系統(tǒng)設(shè)計[D].南京：南京信息工程大學，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.無人機協(xié)同編隊飛行中的視覺感知關(guān)鍵技術(shù)研究[D].南京：南京航空航天大學，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] 徐飛.基于改進人工勢場法的機器人避障及路徑規(guī)劃研究[J].計算機科學，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] 吳兆香，歐陽權(quán)，王志勝，等.基于人工智能的無人機區(qū)域偵察方法研究現(xiàn)狀與發(fā)展[J].航空科學技術(shù)，2020，31（10）：57-68.