基于多传感器的无人机避障方法研究及应用

随着无人机巡检作业方式应用越来越广泛,巡检过程中对障碍物检测并进行避障显得愈发关键。若无人机碰到杆塔或线路不仅会造成无人机自身的损坏,还会对居民用电造成影响,给检修带来麻烦。毫米波雷达、激光雷达、双目视觉传感器在机器人避障中有广泛应用。但是基于输电线路巡检的多旋翼无人机的实际情况,传感器器件的选型、尺寸、重量,以及障碍物信息与飞控的融合,显得尤为重要。通过对多旋翼无人机搭载毫米波雷达、双目视觉传感器、差分GPS进行了研究,采用多传感器融合方法检测障碍物,利用虚拟力场法(VFF)进行航迹重规划,并实际飞行验证。测试表明该方法对杆塔避障取得了较好的应用效果。     

基于光流传感器的旋翼无人机实时避障系统

光流的研究是计算机视觉及相关研究领域中的一个重要部分。光流在目标对象分割、跟踪、机器人导航、识别等领域有着非常重要的应用。由于旋翼无人机在民用领域的迅猛发展,使得人们对无人机行业提出了更高的要求。针对多旋翼无人机的避障问题,使用光流传感器与改进的势场法相结合的方法,实现了对飞行器的障碍物检测以及局部路径规划。光流传感器采用SAD块匹配法减小了图像计算的运算量,采集到的光流值与IMU数据进行卡尔曼滤波,可以估算出高效且有较强鲁棒性的因无人机平动产生的光流。大量实验表明,避障策略运算量较小,可以保证避障系统的实时性,在距障碍物5 m左右可以迅速规避障碍物。     

基于视觉传感器的障碍物检测

针对移动机器人双目视觉障碍物检测的实时性和准确性两大难题,提出了一种适用于室内复杂背景的障碍物检测方法。通过Retinex图像增强操作消除环境光照不均匀的影响;运用扫描线种子填充算法分割图像中的路面、背景和障碍物;通过二值化处理、边缘检测提取障碍物的轮廓信息和位置信息。在AS-RE轮式机器人平台上进行实验,实验结果表明,机器人能够在室内环境中稳定地实现自主避障功能,验证了提出的双目视觉障碍物检测算法的可行性。     

基于深度学习的四旋翼无人机单目视觉避障方法

针对无人机避障问题，提出一种基于深度学习的四旋翼无人机单目视觉避障方法。首先通过目标检测框选出目标在图像中的位置，并通过计算目标选框上下边距的长度，以此来估量出障碍物到无人机之间的距离；然后通过协同计算机判断是否执行避障动作；最后使用基于Pixhawk搭建的飞行实验平台进行实验。实验结果表明，该方法可用于无人机低速飞行条件下避障。该方法所用到的传感器只有一块单目摄像头，而且相对于传统的主动式传感器避障方法，所占用无人机的体积大幅减小。该方法鲁棒性较好，能够准确识别不同姿态的人，实现对人避障。     

井下移动机器人智能视觉避障研究

针对现有井下移动机器人避障方法在面对井下复杂障碍物时不能准确检测障碍物位置信息,对井下非线性障碍物不能准确进行避障控制等问题,提出了一种基于模糊控制的井下移动机器人智能视觉避障方法。首先采用双目立体视觉模组作为障碍物检测传感器,感知井下环境信息,实时检测障碍物分布情况,并构建占据栅格地图。然后通过八叉树结构模型构建三维点云,使用树状结构对点云数据进行结构化描述,并将其映射到占据栅格地图中,得到障碍物的区域分布情况。最后采用模糊控制策略对实时检测到的障碍物在占据栅格地图中的分布情况进行处理,将当前时刻障碍物在占据栅格地图中的分布情况和移动机器人运行速度作为模糊控制器的输入变量,通过模糊控制算法计算下一时刻移动机器人的转向角度和加速度,从而实现井下移动机器人的智能避障控制。根据移动机器人实际占据空间,设计外接包围盒进一步稳定控制算法,结合避障策略进行智能避障,避免移动机器人与障碍物发生碰撞。实验结果表明,该方法能够准确对井下障碍物分布情况进行描述,使移动机器人能够根据所设计的模糊控制规则准确自主地进行避障操作,从而实现自适应运动。     

基于激光雷达的多旋翼无人机室内定位与避障研究

近年来,多旋翼无人机室内定位与避障技术成为了多旋翼无人机研究领域的热点,也是多旋翼无人机在未知室内环境中实现自主导航、完成其他复杂任务的基础。本文通过对全局地图进行分析,找出多旋翼无人机的可飞行区域,利用时变势场法实现了多旋翼无人机的室内避障与路径规划,对室内环境下多旋翼无人机的定位和避障技术进行了研究。     

基于深度强化学习的红外单目摄像头移动机器人避障方法

由于现有机器人避障方法绕过障碍物不能及时达到原点,研究了基于深度强化学习的红外单目摄像头移动机器人避障方法。在神经网络中,设计方法通过卷积遍历整个图像区域进行特征学习,在池化层去除冗余特征信息,将图像输入障碍物检测网络检测,生成避障场景下的深度图,运用红外单目摄像头及视觉传感器采集图像中的信息进行训练,实现避障任务。实验结果表明,在不同行驶环境下,3组移动机器人绕过障碍物后均能准确到达原点（0,0）位置。     

基于多传感器的移动机器人避障①

提出了一种视觉传感器和红外线测距传感器相结合来实现移动机器人在不确定环境中自主避障的方法。首先对视觉传感器采集的图像使用光流法提取障碍物信息,再结合红外线测距传感器反馈的距离信息,然后通过避障策略实现移动机器人的避障。实验结果验证了该避障方法的良好性能。     

PIXHAWK开源飞控的多旋翼无人机避障技术研究

针对当前无人机的安全问题,提出一种基于PIXHAWK开源飞控的无人避障控制方法.在PIXHAWK开源飞控中添加了超声波传感器、激光测距仪、电磁传感器,并对不同传感器的信息进行融合,依据无人机与障碍物的距离及遥控器的通道值,解算出无人机远离障碍物的姿态信息,实现多旋翼无人机的避障飞行.实验结果证明,该系统具有价格便宜、控制精度高、安全性能可靠的特点,在无人机安全飞行领域具有一定的应用价值.     

基于双目立体视觉的壁面清洗机器人障碍物检测研究

针对壁面清洗机器人及其作业环境的特点,在简要介绍了诸类常用的实现避障的方法之后,提出了基于双目立体视觉的障碍物检测方法。为了提高障碍物检测的准确性和实时性,建立了平行双目视觉模型,并提出了一种基于区域与边缘特征相结合的对应点匹配算法。研究结果表明:该方法具有处理的数据量较小、实时性好、实现简单、避障较可靠的特点。     

基于激光雷达的多旋翼飞行器实时避障系统

针对多旋翼飞行器的障碍物规避问题,提出一种基于激光雷达的自主飞行多旋翼飞行器避障系统,实现多旋翼飞行器自主飞行的实时避障;该避障系统针对静态、低速运动障碍物,综合飞行器本体姿态、速度、加速度等状态信息,建立基于改进势场法的避障模型和算法;在机器人操作系统(ROS,Robot Operating System)平台进行该避障系统的软件实现,其通过串口与飞控进行通信,完成多旋翼飞行器的自主避障飞行;同时,为了使该系统能在强光环境正常工作,在不影响系统实时性的前提下,对激光雷达的干扰问题进行优化设计;大量实验表明:该避障算法计算量小,能够保证避障系统的实时性,在机体慢速以及低速运动(机体与障碍物之间的相对运动速度小于等于3 m/s)的场景中能够正确检测范围6 m内,并迅速规避障碍物。     

基于激光和单目相机信息融合的智能轮椅避障策略研究

针对智能轮椅使用环境复杂多变,障碍物形状各异,单一传感器无法获得完整的环境信息的问题,提出一种基于激光传感器和单目视觉传感器信息融合的障碍物检测方法。通过单目相机和激光雷达传感器感知智能轮椅周围环境,得到障碍物的形状、距离分布状况等信息;在此基础上提出两种传感器信息的融合策略,建立局部障碍物地图,进一步采用模糊神经网络完成整体避障算法,实现智能轮椅安全、快速避障等功能。实验结果验证了文中所提避障算法的可行性及有效性。     

基于双目立体视觉避障的四旋翼飞行器设计

将双目立体视觉技术融入四旋翼飞行器设计,通过两个在相对水平位置上的单目相机模拟人的眼睛,在双目立体视觉测距系统上经过图像采集、双目矫正、双目立体匹配等步骤得到视差结果,计算出深度信息并进行三维重构,实现四旋翼飞行器一键起飞、定高、定点巡航、悬停及自主避障。实验结果表明,所设计的飞行器响应速度快,跟随性能好,定位精度较高。     

多旋翼无人机避障系统的控制设计

为解决多旋翼无人机（Unmanned Aerial Vehicle,UAV）因遇到障碍物导致毁损的问题,研究了多旋翼无人机避障系统的控制设计。首先,分析多旋翼无人机避障系统的总体结构,并利用卷积神经网络设计比例-积分-微分（Proportion-Integral-Differential,PID）控制器。其次,通过模糊自整定PID控制算法动态调整PID控制器的增益系数,实现多旋翼无人机避障系统的控制。最后,实验验证了该方法能够有效控制多旋翼无人机避障系统,控制效果较好。     

基于主动式全景视觉的移动机器人障碍物检测

针对现有的移动机器人视觉系统计算资源消耗大、实时性能欠佳、检测范围受限等问题,提出一种基于主动式全景视觉传感器(AODVS)的移动机器人障碍物检测方法。首先,将单视点的全方位视觉传感器(ODVS)和由配置在1个平面上的4个红色线激光组合而成的面激光发生器进行集成,通过主动全景视觉对移动机器人周边障碍物进行检测;其次,移动机器人中的全景智能感知模块根据面激光发生器投射到周边障碍物上的激光信息,通过视觉处理方法解析出移动机器人周边障碍物的距离和方位等信息;最后,基于上述信息采用一种全方位避障策略,实现移动机器人的快速避障。实验结果表明,基于AODVS的障碍物检测方法能在实现快速高效避障的同时,降低对移动机器人的计算资源的要求。     

基于双目视觉的无人船障碍物探测与地图构建

在无人船的巡航过程中，如何探测和躲避障碍物是必须解决的问题。由于无人船自主巡航依赖于其自身对所处环境的精确探测，而目前一般采用的超声波或雷达技术探测距离和精度较低，避障功能弱，因此需引入视觉方法来提升避障精度，并用于轨迹生成、定位或路径规划。本文为无人船搭建双目视觉系统，提出采用双目直接稀疏里程计算法构建无人船所处三维空间模型，将构建的三维点云图转化为二维网格图并标记障碍物，为避障系统进行路径规划提供障碍物数据。实验结果表明，该系统对真实河流环境进行了地图构建，并解决了水上环境构建存在的“虚拟障碍”等问题。     

基于区块链技术的工业机器人视觉检测及避障系统设计

传统的工业机器人避障系统只能处理数据信息,导致障碍物检测准确率低,设计的避障路线实际应用效果差。为此,引入区块链技术设计一种新的工业机器人视觉检测及避障系统。系统设计分为硬件及软件两部分,硬件优化了系统电源,通过传感器分析环境信息、障碍物参数,选用TX-AS700无线射频通信模块,以HSJ-2芯片作为检测器电路核心,用以传输并存储障碍物数据。软件部分在Visual C++程序框架中设定应用程序,与区块链技术中的数据库资源相结合,实现图像信息提取,计算区块阶矩得到障碍物检测公式,通过仿真程序分析处理障碍信息,并设计有效的避障路线。实验结果表明,基于区块链技术的工业机器人视觉检测及避障系统能够提取图像信息,检测到的障碍物准确率高,系统的检测有效率平均值为83%,避障准确率接近理想避障效果,能够规划出更加有效的避障方案。     

一种用于道路避障的双目视觉图像分割方法*

针对移动机器人和自动驾驶等研究领域中视觉系统的需要, 提出了一种在图像分割基础上进行快速障碍物目标深度信息检测的方法。首先, 在双目视觉系统得到的场景图像对中, 通过迭代的多层次最佳阈值方法对图像进行分割, 归一化后得到场景的目标区域。然后对目标区域进行快速的立体匹配工作, 以得到目标的深度信息, 进行障碍物检测。实验结果表明, 该算法具有良好的效果和实用价值, 不仅能应用于灰度一致性的道路, 而且对于具有丰富纹理的非道路避障也有很好的效果。     

基于自适应阈值的无人机避障算法研究

针对四旋翼无人机飞行中障碍物规避问题，采用改进型向量场直方图算法进行避障策略设计。主要针对传统VFH算法存在的阈值敏感问题，设计了一种自适应阈值函数。根据传感器有效量程以及运动惯性等约束条件，动态调整阈值门限，有效地解决了小阈值造成的避障路径曲折问题，以及大阈值造成的无人机避障滞后的缺点。数值分析和实验表明，通过增加自适应阈值函数，改善了传统向量场直方图算法存在的阈值敏感问题，满足了无人机自主避障控制要求。     

结合图像分割和点云分割的障碍物检测算法

针对单目图像检测障碍物的低可靠性和当前双目视觉检测障碍物的局限性的问题,提出一种结合图像分割和点云分割技术的双目视觉障碍物检测方法。通过设定检测深度范围,分割障碍物点云与道路点云;采用将分割出的障碍物点云对应的视差图与图像分割得到的子图进行比较的策略,有效解决对不同深度、倾斜面和不规则障碍物检测效果差的问题。通过实验验证了在获得稀疏三维点云的情况下,该方法对障碍物的检测具有较好的鲁棒性。