这是描述信息

雷达模块远距离毫米波雷达无人机避障在电力巡检物流航拍植保救援等应用

雷达模块远距离毫米波雷达无人机避障在电力巡检物流航拍植保救援等应用

雷达模块远距离毫米波雷达无人机避障在电力巡检物流航拍植保救援等应用

雷达模块远距离毫米波雷达无人机避障在电力巡检物流航拍植保救援等应用

雷达模块远距离毫米波雷达无人机避障在电力巡检物流航拍植保救援等应用

雷达模块远距离毫米波雷达无人机避障在电力巡检物流航拍植保救援等应用,多旋翼无人机在电力巡检、物流、航拍、植保、救援等诸多领域都得到了应用,但它们在执行任务时常常会遇到各种各样的障碍,自主规避障碍技术对提高多旋翼无人机系统的安全性、稳定性、智能性都有好处。在此基础上,针对多传感器融合技术的多旋翼无人机避障系统进行了研究。(1)多旋翼无人机用于多传感器融合的避障系统,分析其设计要求,选择多旋翼无人机避障模块中的激光雷达和雷达模块远距离毫米波雷达传感器,并对其它机载传感器模块进行设计,构建多旋翼无人机避障系统硬件平台。(2)利用二步延时自适应时空融合算法,对激光雷达与毫米波雷达进行信息融合,并对二步延时自适应时空信息融合算法进行实验验证。(3)基于A*算法对室内飞行环境进行路径规划。利用所建环境图,对基于A*算法的多旋翼无人机室内避障进行了实验验证。(4)针对户外不同宽度障碍和快速飞行情况,设计不同的避障策略。通过试验,验证了多旋翼无人机在户外避障策略。通过对试验数据的处理与分析,验证了所设计的多旋翼无人机避障系统的正确性和合理性,并对多传感器融合多旋翼无人机避障系统进行了验证。


AI时代已经全面到来,随着人工智能的发展,大量象征着人工智能时代的产品涌现出来,机器人就是一个非常鲜明的例子。它通常可以分为三种形式,以UAV(UnmannedAerialVehicles,UAV)为代表的空中机器人。无论国家,还是社会都非常重视无人机的开发,并投入大量的人力、物力,使其技术得到了迅速的发展,特别是多旋翼无人机(Multi-rotorDrones)技术日益成熟,并在各行各业得到广泛应用。适用于植保、物流、抢险救援、航空摄影等行业。在种植保鲜方面,多旋翼无人机可以喷洒农药、化肥;物流方面,多旋翼无人机可以在边远山区运送物资;抢险救灾方面,多旋翼无人机可以进行灭火救援,可以建立通讯基站。在2017年发生在四川省九寨沟的地震中,中国移动利用多旋翼无人机实现了一架高空基站,保证了灾区通信设备的正常使用,这对于开展救援工作有很大帮助,在航拍上,可以为消费者提供多旋翼机娱乐、影视摄像、相关社会部门法律监督等。新冠肺炎疫情在我国迅速蔓延,为了提高民众的防控意识,公安部门使用多旋翼无人机对出外的人员进行观察和广播,以防止疫情发生。高空作业环境比较安全,没有什么障碍。伴随着多旋翼无人机应用范围的不断扩大,无人机低空、超低空环境也随之出现。在低、超低空间环境中存在很多不确定性因素,存在各种障碍。这类障碍由自然环境所造成,如鸟类、树木、高山等,也有人类活动引起的建筑物等。多旋翼无人机在执行任务的时候,如果碰到障碍物,就有可能从空中掉下来。多旋翼无人机一旦从空中坠毁,就会产生一系列的安全隐患,极大地威胁着人类的生命财产安全。针对这一背景,采用多旋翼无人机作为控制对象,设计了基于多传感器融合技术的多旋翼无人机避障系统,为多旋翼无人机室内和室外飞行提供一定的避障技术支持,为了提高多旋翼无人机在飞行中的安全性、稳定性和机动性,使多旋翼无人机在遇到障碍时能够智能地避开障碍物,安全稳定地完成飞行任务。伴随着卫星导航系统的成熟,多旋翼无人机户外飞行定位技术也日趋完善。与室外相比,室内环境更加复杂,信号屏蔽问题更加突出,卫星导航系统难以在室内应用,因此室内避障技术具有很大的意义。


多旋翼无人机在空中飞行时,其机体通常会装有遥控接收器,专业的操作者可以通过遥控控制多旋翼无人机的飞行,从而避开人眼可见范围内的障碍。遇上紧急情况或人眼不能观察到障碍物时,多旋翼无人机可因操作不当撞上障碍物,从空中坠落,对人的生命财产造成威胁。因此,研究多旋翼无人机的避障问题就成了该领域研究的热点。传感技术的发展,使得多旋翼无人机可以感知飞行环境,探测飞行环境中不确定因素。通过对环境中的障碍物检测,结合一定的避障算法,该多旋翼无人机就可以脱离人工操纵,避免空中障碍物的干扰,实现自主飞行。多旋翼无人机能够探测障碍物的传感器有很多种,目前机载的避障传感器主要有超声波传感器、雷达模块远距离毫米波雷达传感器、激光雷达传感器、摄像机传感器等。超声传感装置成本低,测距原理简单,但测量距离短,容易受到其它声波的干扰。毫米波雷达传感器的价格一般比超声波高,毫米波雷达发射出来的是电磁波,受环境影响较小;激光雷达的传感器市盈率相差较大,二维激光雷达与毫米波雷达价格相差不大,但三维激光雷达相对昂贵。就抗干扰能力而言,激光雷达在恶劣环境下,如雨雪、雾霾、沙尘天气等气象条件较差,能穿透雾、烟雾、尘埃能力较强;从距离精度、视距、稳定性等方面来看,激光雷达比毫米波雷达具有更高的探测范围,在识别上,稳定性比毫米波雷达要好;在通常情况下,激光雷达要比毫米波雷达更好地识别障碍物,但两者都存在误认和检测概率。这两种介质都会造成传感器检测不到。在纱布、横幅等介质中,毫米波雷达常常很难被检测,而透明的介质激光雷达很难发现。照相机传感器分辨率高,对障碍物类型可以准确识别,可以捕捉物体的形状和细节,但同样容易受到环境的影响,但在夜间使用该传感器可以补充光线,雨雪、雾霾天气等摄像机的视距也会相应地缩短。从比较中可以看出,这些避障传感器往往各有优缺点,在联合使用中往往能相互弥补不足,提高了多旋翼无人机对障碍物的感知能力,避免多旋翼无人机误判和未识别现象。伴随着避障传感器的发展,各行业对多旋翼无人机的避障需求也越来越高,其避障需求大致可分为两个层次:一是:多旋翼无人机能在远距离检测到障碍物,在相对安全的距离下进行悬停动作,避免撞上障碍物;该多旋翼无人机能够感知障碍物的轮廓和位置,智能地进行轨迹规划,自主绕障,实现多旋翼无人机安全、稳定、智能飞行。如果是在室内,或者是室外,如果多旋翼无人机达到了第二层的要求,就会对人类活动产生巨大的推动作用。研究结果表明,基于多传感器融合技术的多旋翼无人机避障系统的设计具有重要的现实意义。


多旋翼无人机航迹规划算法现状多旋翼无人机在飞行过程中,微处理器根据机载传感器获取其周围环境数据进行自主决策,规划飞行路径,生成飞行轨迹,从而安全地完成飞行任务。多旋翼无人机的避障与地面移动机器人不同,在三维空间中,设计的路径规划算法需要考虑并求解无人机本身的运动模型,通过优化控制算法以及无人驾驶飞机飞行约束问题等,可以有效地规划一条安全的航迹,从而完成飞行任务。现在路径规划算法可以分为两类。一种是比较经典的依赖于预先获取环境信息的算法,如A*算法、人工势场法(APF)和随机路图方法(PRM);另外一种方法是根据实时获取的环境信息,利用环境和自身姿态信息之间的关系,设计出一种智能路径规划算法,例如遗传算法(GA)、PSO算法(PSO)、蜂群算法(ABC)等。路径规划算法是1968年在文献[9]中首先提出的,由荷兰科学家Digestra等人提出。算法A*是人工智能中一种典型的启发式搜索算法,它是一种在尽可能多的基础上,即在搜索过程中尽可能地利用诸如迭代步数等已知搜索,提出了一种从初始状态、当前状态到目标状态的搜索算法,并用A*算法求解状态空间搜索的短路径。它的基本思想是对地图进行格子化,把开始节点作为父亲节点,然后用这个节点进行搜索。后达到目标点,得出短路径。在下面的重点讨论中,室内路径规划是基于A*算法来完成的。人造势路径规划是Khatib提出的一种虚拟力场法,它可以应用于机器人路径规划领域。其基本思想是将引力场和斥力场应用于所构造的地图,在障碍物周围产生虚拟斥力,使机器人不能撞到障碍物、目标点周围产生虚拟重力;将机器人引至目标位置,后在虚拟合力作用方向上移动,直至机器人达到原来设定的目标点,完成轨迹规划。人造势场法在路径规划中存在着明显的优缺点,其优点是算法简单,运算量小,缺点是在环境障碍较多时容易陷入局部优的情况,使机器人有可能停滞不前或左右不能移动,无法到达目标点。一种基于可视化和Voronoi图的方法,在飞行环境中生成一张路线图,其权重相等,被选择的几率相同,该算法可以根据生成的图规划出佳路径。随机路图算法中,路径生成与节点选择是紧密相关的。本文介绍了Voronoi图在一个实际机器人避障中的应用。为了提高Voronoi图的功能,消除它在实际应用中可能遇到的问题,本文对Voronoi图进行了改进,以提高其性能。用户利用每一个自由空间随机采样路径节点,改进了算法性能,保证了节点分布的正确性,得到了飞机在飞环区的飞行轨迹。细胞器分割法,无人机微处理机将获得的地图信息分成若干方格,从所在方格开始,通过周围方格到达终点。路上若遇到含有障碍物的损伤细胞,则需将该细胞切分,得到无障碍的纯细胞,再将其添加到路径中,得到从起始点到终点的佳路径。在计算时,起点和终点都可以用不同的纯细胞来显示,而路径则由连接细胞间的顺序显示。FranklinSamaniego和FranklinSamaniego等将飞行器飞行环境作为一种基于小步离散的自适应网格进行路径规划,从而减少了响应时间。自1958年次提出遗传算法以来,遗传算法得到了广泛的应用。该算法具有较大的优化难度,需要有一定的约束条件,或者使目标函数大化。该方法利用所建立的问题划分种群,并根据目标函数将种群个体划分出环境适应能力值,种群中的个体将根据环境来作出判断,并且可以通过杂交将基因延续下去。另外,种群中的变异可以保证种群的多样性,也可以避免算法过早收敛。与本地算法相比,遗传算法的优点是能充分利用历史信息。PSO算法是Eberhart和Kennedy于1995年提出的,它是一种基于自然现象的启发式算法,它主要利用生物种群,如鱼、鸟的社会行为。每个粒子都代表算法中的一种可能解。目前,该算法在无人机路径规划中得到了广泛的应用。本文中,Tang等人利用一种多智能粒子滤波器来解决未知环境下的定位和路径规划问题。Karaboga在文献中受蜜蜂的启发,蜂群算法Karaboga提出了这个算法。在执行人工蜂群算法时,必须遵循以下原则:一工蜂需要提供食物蜂蜜,并且要评估蜂蜜的品质;其次,剩余的工蜂可以从供给者那里获得相应的食品质量和地点信息。选择蜜源;第三个侦察蜂知道,然后到达食物点。本文提出了一种基于遗传算法的静态路径规划方法,并将其应用于局部环境搜索,后采用进化算法获得优路径。1.2.2多旋翼无人机防障技术发展现状多旋翼无人机避障技术的研究与应用,包括多旋翼无人机微处理器及其周边传感电路的设计,各个传感器内部原始数据的处理,各个传感器与主控机的通讯设计,信息融合算法设计,控制算法设计,环境感知模型,轨迹规划算法设计等。因此,多旋翼无人机的避障系统对于数据存储、传输和实时处理性的要求非常高,目前能做到智能规避障碍自主飞行的多旋翼无人机并不多,主要是因为多旋翼无人机的研发阶段比较少。在国外,多旋翼无人机的避障技术发展较早,一些知名实验室和企业已经开始进行多旋翼无人机避障技术的研究与开发。2005年,欧洲防务署(EDA)采用了激光、光电和雷达等传感器,实施了"多旋翼无人机空中防撞系统",该系统采用了当时较为先进的自动控制方法,实现了多旋翼无人机对环境的感知与规避。由2016年被Intel收购的德国多旋翼无人机制造商AscTec是世界上一批开始开展多旋翼无人机研发工作的企业,截至2015年,一款AscTecFirefly多旋翼无人机推出,它装备有6个3D摄像机,利用六台摄像机检测环境,实现了多旋翼无人机智能避障。2016年,法国多旋翼无人机公司Parrot发布了一款全球开源研发工具ParrotS.L.A.M.dunk。它内建有惯性测量装置、照相机传感器、超声波传感器、地磁、气压计等,具有多功能,可用于无人机避障、无人机自主导航等。AFRL美国空军实验室一直致力于无人机避障项目,其目的是通过飞机上各种障碍物传感器,以达到感知周围环境和规避障碍物的目的,实现无人机在一定范围内自主地避开障碍物,实现飞行的智能化。除了上面提到的例子之外,世界上还有许多著名的实验室和企业为发展多旋翼无人机的避障技术作出了杰出的贡献,同时也为多旋翼无人机的避障技术提供了相当重要的技术支持。举例来说,宾夕法尼亚大学就采用了仿生学,致力于使多旋翼无人驾驶飞机与生物体一起工作,并自动避障。MIT团队研制了一款具有自主避障能力的高速飞行型多旋翼无人机等。与国内外相比,多旋翼无人机起步较晚。随着科学技术的发展,越来越多的企业和高校参与到多旋翼无人机的研发中来,其市场前景也越来越广阔。当前,国内不少科技企业在多旋翼无人机领域已取得了一定的成绩,比如大疆(DJI)、零度智能(ZEROTECH)、昊翔(Yuneec)等。2018年8月,大疆公司推出了一款多旋翼无人机Mavic2Pro,这是世界上无人飞行器控制系统和无人机解决方案的研发和生产厂家。为“御”MAVIC2专业版提供了多传感器实时图像、深度、定位等信息。本机所携带的双目视觉感应器是避障的主要组成部分,携带APAS辅助飞行,可在飞行中识别障碍物,智能避障。零度智能无人机,于2016年1月推出Xplorer2多旋翼无人机,这款多旋翼无人机装有激光雷达传感器,可在激光雷达有效扫描范围内以50Hz的频率实现360°全方位扫描。2018年6月推出的TyphoonHPlus多旋翼无人机,采用英特尔RealSense实感技术,可以自主检测后方障碍物,规划航路。除了以上例子外,国内也有很多科技企业和著名大学共同致力于发展多旋翼无人机的科研工作,尤其是各高校的科研实验室,对多旋翼无人机障碍物的感知与规避问题进行了研究,并取得了初步成果。就目前国内外的情况来看,多旋翼无人机大多采用先进的避障传感器,结合多旋翼无人机微处理器的自主决策能力,实现了多旋翼机避障的智能规划和飞行任务。


在上述背景下,结合各种避障传感器的优点,利用多传感器进行融合是实现无人机可靠、高效避障的技术关键。目的是利用多传感器融合技术,设计多旋翼无人机避障系统,结合雷达模块远距离毫米波雷达等避障传感器,建立多旋翼无人机避障系统硬件平台,并建立相关路径规划算法和避障策略,实现多旋翼无人机的避障。


毫米波雷达一般是指工作在毫米波段的雷达系统,其工作频率一般为30~300GHz,雷达模块远距离毫米波雷达具有探测距离远、体积小、便于多旋翼无人机安装、低功耗、抗干扰能力强等特点。毫米波的工作方式主要有两种,一种是脉冲工作模式(Pulsed)和Frequency-ModulatedContinuousWave,FMCW)。脉动式的原理,虽然比较简单。雷达在实现上存在一定的难度,要求毫米波雷达在很短的时间内发出高功率的信号脉冲,再通过高功率的信号脉冲来控制雷达内部的压控振荡器,从低频瞬时跳向高频。脉搏模式实现难度较大,因此往往采用这种工作方式的毫米波雷达硬件部分设计复杂,成本稍高一些,而脉冲雷达通常发送和接收信号都是共用天线,这可能导致毫米波雷达对目标物有一定的盲区。这次使用的雷达是77GHz频率的毫米波。该接收机采用2发4收MIMO阵列,角度分辨和测角精度高,信号处理与控制部分采用双核结构,雷达数据处理、目标探测、目标跟踪等算法在内部的高速数字信号处理器上运行。与传统的24GHz雷达相比,其分辨率更高,能够检测到目标物,抗干扰能力更强,可以探测到35米外的障碍。毫米波雷达不同频段的波束在反射、吸收、透射、衍射等方面表现出不同,一般波长越长,越容易透射、衍射,波长越短越容易被反射。波段大于介质尺寸,易于通过和衍射,波长小于介质尺寸容易被反射。雷达模块远距离毫米波雷达数据通信与二维激光雷达相比,通信工作量较小,仅涉及到飞行控制系统的通信。毫米波雷达的开发人员可以选择两种通信方式,即CAN通信和UART通信。CAN通信比串口通信更方便、检错性强、抗干扰性强等特点,在通信技术中得到了广泛的应用。使用CAN通讯方式,便于无人机系统的扩展。机载传感器具有与CAN通信相同的信息,很容易通过CAN总线识别出需要的数据,从而直接获得和使用。


多旋翼无人机能不能安全避障,关键在于其能探测到障碍物对身体的真实距离。利用二维融合雷达和毫米波雷达探测信息,可以提高避障模块探测信息的准确性。基于多传感器信息融合的原理,将多传感器信息进行深度、多角度、多空间的处理和优化,利用多传感器的信息,使测量结果在整体上更具综合性和可参考性。对于各种不同空间、不同时间传感器的信息,多传感器信息融合一般采用数学方法结合数据处理技术对信息进行综合处理,筛选出各种传感器探测到的无用数据,将有用有效的数据放大,得到与被观察对象一致的模型。多旋翼无人机飞行环境复杂多变,通常单传感器难以正确检测障碍物,单传感器传到多旋翼无人机的数据很有可能不够正确,甚至可能是错误的数据。对于多旋翼无人机的避障系统,选择雷达模块远距离毫米波雷达进行协同协作,实现对环境信息的探测。与单传感器信息融合相比,多传感器通常有以下一些优势。(1)加强系统的可信度多传感器协同工作,可以优劣互补,取长补短,减少出现错误数据的可能性。(2)使多个传感器协同工作,鲁棒性增强,如果其中一个传感器发生误判,整个系统就不会因为误判传感器而失去系统本来有的功能,系统将利用其它传感器来获得相关数据,保持系统正常运行。(3)降低系统不确定度的多个传感器共同工作,尽管探测信息时有所不同,但是信息融合会减少检测信息的不确定性。(4)扩展所涉时间和空间,如果某一传感器在某一时刻没有得到数据,而多传感器一起工作,那么其它传感器很可能会补偿这个时刻没有的探测数据。在空间上,如果某一传感器由于自身的局限性,不能去检测一块区域的数据,那么多传感器一起工作有很大的可能性,可以弥补该传感器在空间中丢失的数据,从而扩大系统的时空范围。(5)降低信息模糊度,改进系统分辨率多传感器协同工作,可以多方位地获取检测目标的信息,有效地降低获取信息的模糊性,比单一传感器具有更高的系统分辨率。


避障传感器数据预处理多旋翼无人机的信息融合工作是在多旋翼无人驾驶飞机的共同测距范围内进行。多旋翼无人驾驶飞机在执行任务时,需要特别注意多旋翼无人机机体前面的障碍物,而前障碍物对多旋翼无人机安全飞行的威胁更为严重。在正常工作状态下,激光雷达采用360°激光扫描测距,而毫米波雷达检测到的数据是,其波束范围内机体前方的障碍物相对于多旋翼无人机的距离。为了让避障系统得到更加准确的距离数据,需要对激光雷达探测到的数据进行处理,并提取部分探测数据。采集到的这一部分数据需要反映激光雷达探测多旋翼无人机前方障碍物。所提取的雷达探测数据与雷达模块远距离毫米波雷达探测数据进行信息融合。


多旋翼无人机在户外避障策略上,多旋翼无人机与室内不同,户外环境更为开放,躲避障碍可行的方案将更多,避障速度将更快,户外多旋翼无人机规避障碍物的策略更倾向于实际应用。在户外,多旋翼无人机在户外避障,地面控制中心为多旋翼无人机发送需要完成的任务。该系统可以在上位机软件上清晰地显示多旋翼无人机的速度、实时高度、GNSS星数、电池电压、运行轨迹等。另外上位机软件上还有一键起飞、一键着陆、一键返回等多种功能。通过上位机对多旋翼无人机的目标点进行定位,首先将多旋翼无人机定位到起降位置,再为整个多旋翼无人机系统提供电源;当系统各模块工作正常后,通过手机端APP与数据存储模块相连的蓝牙模块为多旋翼无人机设定飞行基参数;对速度、高度等参数进行数值模拟,后通过数传模块发送起飞指令给无人机。多旋翼无人机自动起飞,升至设定高度后,以设定速度飞向目标点。因为机载毫米波雷达测距范围更大,可以探测远达35米的障碍物,因此避障系统首先使用毫米波雷达探测远距离障碍物,待多旋翼无人机飞到距障碍较近的地方,再用激光雷达和毫米波雷协同探测。多旋翼无人飞机在非快速避障模式下,飞行时若毫米波雷达传感器探测到回波,就说明多旋翼无人机在飞行路线上会遇到障碍。等待多旋翼无人机飞到距障碍20米远的地方,开始执行减速指令,这样可以避免因较高的速度撞上障碍物。由于激光雷达可以探测12米以内的障碍物,因此多旋翼无人机的障碍物探测工作就从多旋翼无人机的障碍物上起飞,激光雷达就会进入12米之内。多旋翼无人机系统一旦探测到激光雷达数据,障碍物距离数据将被迅速转换为激光雷达和毫米波雷达信息融合,此时获取的距离信息更正确,对障碍物误识别和探测的概率也大大降低。在多旋翼无人机探测到离机体6米远的障碍物时,对其执行悬停动作,判断障碍物宽度后,该多旋翼无人机开始实施避障行动。待多旋翼无人机成功避障后,多旋翼无人机回到初设定的路线上,继续执行任务,直至抵达目的地安全着陆。


快速化避障策略及实现快速避障一直是无人机避障领域的难点问题,目前能快速避障的多旋翼无人机还很少。为了确保多旋翼无人机在相对复杂的飞行环境中保持低功耗、稳定、高速飞行,必须确保多旋翼系统在较复杂的飞行环境下保持、稳定、高速飞行,同时要对障碍物避障等情况下的姿态稳定和速度收敛提供保障。采用现有的自研多旋翼无人机系统,实现快速、急停、短时变向和快速高度爬升的高稳定速度控制算法。在高速飞行中,由于气流扰动和急停等飞行需要,因此在急速变向时,外界干扰对飞机的姿态稳定影响很大,同时对飞行速度、姿态控制器的收敛性和跟踪要求也非常高。所以,多旋翼系统姿态和速度控制环的性能是多旋翼无人机在高速飞行下安全的保证。因此,采用非线性自适应控制策略,实现了在各种极端飞行要求下的非线性干扰自适应,以实现强鲁棒性强稳定的快速收敛和跟踪特性。对于高速飞行时的气流扰动、风速大扰动等情况,可以根据实际飞行情况,预测实时飞行中的风速扰动,并在速度控制环上进行针对性的补偿。为了确保快速飞行和避障期间姿态稳定和飞机安全。

以雷达模块远距离毫米波雷达信息融合为基础,实现多旋翼无人机户外避障。为了辅助避障系统对障碍物宽度的判断,提出了一种户外雷达数据处理方法,并对其进行角度剪裁。针对这些特殊特性,设计了不同宽度障碍的避障策略和快速飞行时的避障策略,并通过户外多旋翼无人机规避障碍自主飞行试验,验证了该方法的合理性和有效性。

地址:深圳市宝安区西乡街道麻布社区宝安互联网产业基地A区6栋7栋7706

邮箱:Sales@ferry-semi.com

版权所有©2020  深圳市飞睿科技有限公司  粤ICP备2020098907号    飞睿科技微波雷达wifi模块网站地图