摘 要：无人机广泛应用于军事侦察、打击以及民用航拍、植保等各个领域，无人机对飞行安全的影响已成为关注热点。无人机感知与规避技术可为无人机提供障碍物探测和碰撞告警能力，是保障飞行安全的关键。本文系统地介绍了无人自主感知与规避系统的组成和基本功能，并对其未来发展进行了展望。
无人机（UAV）是一种无人机驾驶的空中飞行器，通常由无线电遥控或自身程序控制。由于无需安装飞行员相关的设备，无人机除了具备常用空中飞行器活动空域大、运动速度快的普遍特征以外，还具有尺寸小，重量轻、隐蔽性好、适应性强等特点。
在军用领域，无人机能全天候、全空域执行侦察、预警、通信、精确打击、战斗支援、救援、补给甚至自杀性攻击等多种任务，在现代战争中的作用越来越显著。在民用领域，无人机也可广泛应用于航拍、警力、城市管理、农业、地质、气象、电力、抢险救灾等领域[1]。
但是，制约无人机在军事和民用各个领域推广应用面临的飞行安全问题十分突出。随着无人机的大量使用，中低空以及超低空的空域越来越“拥挤”，无人飞行器与其他物体发生碰撞的风险与日俱增，造成了极大的安全隐患[2]。
由于无人机上无飞行人员承担障碍物检测以及规避的职责，无人机系统只能依靠机载传感器来完成障碍规避，这个过程就是“感知与规避”，承担这一职能的系统被称之为“感知与规避系统”。
“感知与规避”是指无人机能够探测在其安全邻域或空域监视范围内是否存在障碍物（包括静止地物或运动的其它飞行器），通过分析自身和障碍物的相对运动状态，由操作手或自动进行分析决策，从而解除潜在的碰撞危险[4]。
无人机自主感知与规避系统通常包含感知系统、决策系统、航路规划系统三部分[5]，工作过程一般是：首先通过感知系统来探测是否存在障碍物,当存在障碍物，则检测出障碍物的距离、角度、速度等信息；然后由决策系统根据感知系统获取的信息，判断障碍物是否影响飞行安全，并决定是否需要对航路进行重新规划；如果需要进行重新规划，则由航路规划系统通过综合本机以及外部信息，调整航路以规避碰撞，整个流程如图1所示。
图1 感知与规避系统工作流程图
感知系统是无人机感知与规避系统中第一个环节，需要检测并获取障碍物信息，为决策系统提供支撑。感知系统按工作方式的不同，可分为合作式和非合作式两种。
（1）飞机交通警戒和防撞系统（TCAS）
TCAS是独立运行的交通防撞和告警系统，飞机上需装备A/C询问应答机和TCAS天线。TCAS会主动发出询问信号，当其他飞机的应答机接收到询问信号时，会发射应答信号；询问方接收到应答信号后，TCAS处理机根据发射信号和应答信号的时间间隔来计算距离，同时根据天线指向确定方位，从而确定目标飞机的位置。但由于TCAS系统的探测范围局限于加载有应答机的飞行器进行通信，且受TCAS天线尺寸限制，角度测量误差较大，单独的TCAS系统并不能完成无人机空域障碍感知的任务。
广播式自动相关监视系统（ADS-B）是一种装载于飞行器上的监视系统，它将全球卫星定位系统（GPS）、惯导系统（INS）等机载航电设备获取飞机的四维位置信息（经度、纬度、高度、时间），以及飞机自身的状态信息（速度、方向等）等数据，以广播方式向外发送，提供给周围的飞机或地面用户接收和显示。
ADS-B系统不仅能够监视空域中装载有ADS-B设备的飞行器，而且通过与空中交通管制系统（ATC）的交联，能够获取飞行空域的天气、地形、空域限制等飞行信息[6]。因此，根据ADS-B系统提供的飞行规程、ATC信息、空域内其他飞行器详细信息，能够实现无人机的路径规划、空域目标感知、威胁评估、冲突规避等。另外，ADS-B系统可以将无人机纳入ATC的监管和管理，有利于飞行空域安全。国际民航组织（ICAO）已将其确定为未来空域监管技术发展的主要方向，国际航空界正在积极推进该项技术的应用。
当载机与障碍物之间无法进行信息交互时，需要通过非合作式感知系统进行自主检测，非合作式感知系统通常采用雷达、激光和光电等传感器。
（1）雷达
雷达系统是一种主动探测设备，利用电磁波的反射来检测障碍物，该电磁回波中包含有障碍物目标方向大小、相对距离等信息，并具有探测范围广、全天候、全天时工作的特点，然而雷达系统通常体积、功耗较大，无法适用于中小型无人机系统，且目标精确识别能力有限。
（2）激光
激光传感器具有精度高、单向性好等优点，机载激光感知系统通过向目标发射激光光束，将接收到的反射光束与发射光束对比分析得到目标的距离，进一步处理后，可得到目标的方位、速度、形状等参数。激光传感器不易受气流影响，但易受到烟雾、灰尘和雨滴的干扰。目前，激光传感器在军用和民用感知与避障系统中都有一定的应用。
激光雷达结构简单，速度快重量轻。文献7中作者对日本Hokuyo公司的URG-04LX雷达进行了分析：URG-04LX工作波段为785nm，扫描半径为4m的240°扇形区域，角分辨率0.36°，距离测量精度10mm并采用一种基于角度对应关系的估计算法（Polar Scan Matching,PSM）,可以得到四旋翼无人机在复杂情况下的相对位置与姿态信息。该算法的收敛速度快，迭代时间短。此外，经典算法还包括迭代最近点算法（Iterative Closest Point,ICP）、基于迭代的最小方差算法（Iterative Dual Correspondence,IDC）等。其中PSM算法在部分的三维空间内计算速度优于ICP算法。
以上算法都是基于即时定位与地图构建（Simultaneous Localization and Mapping,SLAM）思想的路径规划方法，而在应用于随机出现的运动物体情况下，也可以直接基于成像点云进行伺服动作以规避，而不必迭代计算无人机相对位置。
（3）光电
光电传感器采用光电元件将目标场景的光信号转化为电信号，具有被动无源的特点，且所获取的图像中含有丰富的细节消息，对操作手而言是最直观的一种传感器系统，也是当前军用大型无人机非合作目标感知与规避系统必不可少的传感器[8]。高分辨率可见光CCD相机作用距离远、分辨率高、隐蔽性好，是无人机感知障碍物的首选，但其无法全天候、全天时工作，因此目前主流的机载光电系统通常包含一个高分辨率的可见光 CCD传感器和一个较低分辨率的红外热像仪。红外热像仪能根据各类目标和背景辐射特性的差异，完成对障碍物的全天候探测和识别。
由于单个光电传感器所获取的图像丢失了深度信息，无法直接获取目标的距离信息，因此需要采用多个传感器采用立体视觉的方法实现障碍物精确信息的获取，或与激光、雷达传感器配合使用[9]。
图2 双目视觉算法原理
图2所示的是双目视觉算法的基本原理，其中P代表目标，OL和OR分别代表镜头光心，f代表镜头焦距，D代表目标到两个镜头连线的垂直位置，T代表基线距离，d表示左右两个镜头的视差值，d = x l - x r 。通过公式 D = T * f/d可以算出目标距离。
双目视觉的最大优点在于三维匹配技术[10]，它能够用来感受空间中场景的深度和距离信息。因此，有关双目视觉的算法层出不穷。在文献 11中作者对一些最优估计的理论方法进行了讨论。匹配算法一般可以分为局部立体匹配算法和全局立体匹配算法。局部立体匹配算法是基于窗口的算法，选择图像的局部特征作为最优估计的依据；全局立体匹配算法的最优化依据不局限于窗口之内。其中基于动态规划的立体匹配（Dynamic Programming）、棘突图割法的立体匹配（Graph Cuts）比较有代表性。
但是，这些算法所能实现的高精度定位和导航，严重依赖图像摄像机的精度、立体匹配算法的高准确性和实时性、测距和目标识别的精度等，目前还存在不小的挑战。
大疆科技的精灵4无人机采用了立体视觉的方式实现感知与规避，无人机装有两套双目立体视觉系统，一套向前看，一套向下看，一共 4个相机，向下看的一套双目立体视觉系统可以探测下方地面上物体的三维位置，并计算无人机的准确飞行高度；向前看的一套双目立体视觉系统可以用来探测前方场景中物体的深度，产生深度图进行障碍感知。
有效的无人机感知系统通常包含多种传感器，多源信息融合可以对来自于多个传感器的数据进行多层次、多级别和全方位的综合处理，得到对环境的最佳描述。无人机上的各种感知系统都可获取障碍物的部分信息，通过多源信息融合，将各种实时或者非实时、速变或渐变、模糊或准确、相似或矛盾等不同特征的传感器信息、测量数据、统计数据、经验数据进行融合处理，通过聚类方法或卡尔曼滤波对空间或时间上的冗余或互补信息进行处理，以获得空中潜在威胁目标的一致性的解释或描述。
多源信息融合的感知系统综合了无人机机载导航信息、雷达/光电数据、TCAS、ADS-B信息，有效地利用了多传感器资源信息的互补性，从而可以获得空中潜在威胁目标更为全面的信息，确保实现更安全更可靠的规避。
决策系统主要负责根据感知系统提供的信息，判定障碍物对自身的威胁程度，常用的判定依据包括：
（1）相对高度差；
（2）相对距离；
（3）相对距离变化率，即相对速度；
预留时间至关重要，按空中交通管理系统规定，可将障碍物威胁等级划分为4级[4]。
（1）其他交通目标级别：相对距离大于 6海里或相对高度差大于1200英尺，无碰撞危险；
（2）接近交通目标级别：相对距离小于 6海里或相对高度差小于1200英尺，无碰撞危险；
基于障碍规避目的的航路规划是指无人机根据感知信息得到的威胁目标的运动状态，以及碰撞规避点、碰撞预留时间等，同时考虑燃油、无人机机动特性确定一条最优路径的过程。其本质是一类多约束优化问题，算法种类繁多，人工势场法是应用较为广泛的一种算法。
人工势场法是一种虚拟力场法。它通过引入物理学中场的概念，在任务空间中构造势场。在势场中无人机受到目标位置的引力作用向目标点移动，障碍物对无人机的作用是斥力场作用，使其不碰撞障碍物。沿着势场函数下降的方向搜索无碰撞、安全路径。作用在无人机上的力为引力与斥力的合力，根据合力的作用确定无人机的运动方向，同时计算出无人机的位置。人工势场算法计算简单快速，适用于动态和静态障碍环境[12]。
与其他三维航路规划算法相比，其具有显著的优点：首先，人工势场法在规划航路时只需根据势力场计算当前位置受到的合力，结合当前无人机运动状态进行避障规划，所以其最显著的特点是计算量小、运算速度快。其次，利用人工势场法可以得到平滑而安全的航路，而其他航路规划算法不仅需要对航路进行平滑操作，可能还需要重新进行最小直飞距离、最大爬升角度等飞行安全性能检测。
无人机自主感知与规避技术涉及传感器设计、信号与信息处理、环境感知、目标检测/识别与跟踪、障碍物威胁评估、航路规划等诸多领域，同时也涉及空域管理、飞行安全规划等政策法规，是一个复杂的系统工程。随着无人机在军民领域的广泛应用，自主感知与规避能力会成为无人机必不可少的功能。
当前合作式感知系统和非合作式感知系统都得到了很大的发展，TCAS可以获得更多、更准确的信息，雷达和光电都可探测得更远、更准，多源数据的实时融合将是下一阶段的主要发展方向。
航路规划系统主要依据感知系统的信息进行推导，因此如何充分发挥感知系统各种传感器的特性是接下来要解决的问题。
从无人机感知与规避系统的整体结构来看，外部信息首先由传感器获得并进行处理，然后处理后的信息将被传输到决策系统进行判断，最后决策系统发出的指令将传输到航路规划系统。在整个过程中，任何一个环节上信息传输的延迟都有可能降低感知与规避系统的总体表现。因此，如何提升感知与规避系统对于信息传输延迟的鲁棒性也是非常重要的一点。
从整个系统功能上来看，无人机自主感知与规避系统应主要朝着以下方向发展，以提高系统的智能化程度。
（1）可规避的障碍类别更广；
（2）可适应各种使用环境；
（3）缩短系统判定周期，避免无人机突然的机动。
无人机Geo-fencing（地理围栏）是一种基于地理位置的安全技术，用于定义无人机的飞行边界并限制其在特定区域内的飞行。这种技术通过结合GPS（全球定位系统）和其他导航传感器，确保无人机在预设的安全区域内飞行，从而防止意外闯入限制区域或进行未经授权的飞行活动。以下是关于无人机Geo-fencing的一些关键点：工作原理：在飞行前，无人机的控制系统会加载地理围栏数据，这些数据定义了允许飞行的区域和
无人机技术的发展经历了从最初的遥控靶机到现代多功能无人机的转变。随着电子技术、通信技术、导航技术以及人工智能技术的进步，无人机的性能得到了显著提升，应用领域也不断拓展。特别是在AI技术的加持下，无人机的自主飞行能力、智能决策能力以及数据处理能力都有了质的飞跃。
KBPC2504-ASEMI无人机专用整流桥KBPC2504
导语：本文内技术主要用作两个用途，其一是提供给飞行控制系统，由于飞行控制系统的主要
无人机感知系统架构是一项前沿的技术，旨在提升无人机在复杂环境中的环境感知能力。随着无人驾驶技术的迅猛发展，应用场景从农业监测到交通检测，甚至到灾害救援，无人机的需求日益增加。然而，要实现无人机的智能化操作，强大的感知系统架构是必不可少的。本博文将详细探讨这一系统的构建过程。---### 背景描述无人机在当今社会中扮演着越来越重要的角色。其应用场景广泛，涵盖农业、物流、安防等多个领域。在
[toc] 作为一位人工智能专家，我热爱技术和编程，对于无人机感知技术的研究和应用也非常感兴趣。本文将介绍基于图像和视频的无人机感知技术，包括基本概念、技术原理、实现步骤、应用示例和优化改进等内容，希望读者能够有深度有思考有见解地掌握这一技术。 一、引言 无人机感知技术是无人机系统的核心技术之一，能
基于物流无人机的货物自主定点投放系统研究，希望对有需要的人能有一点点帮助。
物理摧毁技术作为防御体系的最后一道防线，主要采用激光、微波等定向能武器实现精准打击。激光武器和微波武器因其高效性和经济性，成为反无人机技术的重要发展方向。
无人机环保监测是以遥感技术作为航空遥感手段，并具有续航时间长、影像实时传输、机动灵活、高分辨率等优势。现阶段，无人机环保监测已经有了大范围的应用。 无人机环保监测利用高分辨率CCD相机系统获取遥感影像，通过空中和地面控制系统实现影像的自动拍摄和获取，同时实现航迹的规划和监控、信息技术的压缩和自动传输、影像预处理等功能，为环境监测部门和环境信息化建设提供了一体化的解决方案，满足了环境
引言 无人机捕获场景下的目标检测技术已广泛应用于植物保护、野生动物保护和城市监测等实际应用中，在无人机捕获的图像上的目标检测性能，并为上述众多的应用提供洞察力。本文专注于在无人机上的目标检测性能提升，并服务于上述应用。 近年来，基于深度卷积神经网络的目标检测任务取得了显著进展，一些著名的基准数据集，如MS COCO和PASCAL VOC，推动了目标检测应用的发展，然而，以往的深度卷积神经网络
知识点超声波雷达拾音器机器感知高精地图参考线相对速度一、Apollo感知之旅–感知概貌感知是机器人学科的问题，因为想要制造一个机器人，必须能和环境进行感知，去处理环境的各种障碍物和突发情况。例如飞机的飞行不需要和鸟的飞行一样，而是要根据自己的特性进行针对性设计和优化，发挥出飞机本身的特性。感知的目的是寻找机器的特长并发挥出来，向人类学习并做得比人类更好。人类开车主要是靠耳朵、眼睛、辅助例如倒车影像
Unmanned Aerial Vehicle Visual Detection and Tracking using DeepNeural Networks: A Performance Benchmark深度无人机的视觉检测与跟踪神经网络：性能基准摘要—无人机（UAV）可能会造成由于疏忽和疏忽造成的重大航空安全风险恶意使用。因此，自动检测和跟踪无人机是空中安全系统的一项基本任务。无人机检测的常
目标检测任务是计算机视觉的主要分支之一，但对于目标检测具体做什么，目标检测算法的有哪些类别以及相关定义却很少会有人关注，虽然这些对于解决实际问题显得有些无关紧要，但对于更加系统性的学习还是非常必要的。本文仅面向深度学习领域的目标检测。一、什么是目标检测目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置，是计算机视觉领域的核心问题之一。由
1. 飞控与无人机系统 Tam Alex终于开始写第一篇文字了，实在是太懒了，希望以后能抓紧时间。这第一篇文字呢，就讲一讲这个专栏要讨论哪些内容吧。 这个专栏的初衷是要总结和记录一下自己这些年的工作的，实际上我这些年在做的是基于C/C++的与平台无关的飞行状态估计及飞行控制算法库的开发。那么这部分工作在无人机系统里面是在什么位置呢？首先可以看下下面这幅图。目前传统的无人机系统结构就跟这
无人机目标检测 Darknet-ROS 学习（三）上一节已经讲解了Darknet-ROS项目工程里各个文件的大致作用以及ROS节点之间的相互关系，希望可以帮助理解yolo是如何在ROS平台上运行的。这一节来更加细致的学习一下相机D455和yolo的使用以及Darknet-ROS的运行。整体结构首先还是回到上一节的那张图： 其中主要的节点为camera和darknet_ros（以下简称为darkne
文章目录文章、教程和讲座本周的Python工作有趣的项目，工具和库新版本即将举行的活动和网络研讨会 文章、教程和讲座用Python编程无人机 学习无人机的基本知识，包括组件和无人机的飞行方式。然后，我们将看看安装和图像捕获的基本运动。在此基础上，我们将创建激动人心的项目，包括监视无人机、人脸跟踪和线路跟踪无人机；让我们建立一个文本编辑器 了解如何在Python中从头开始构建命令行文本编辑器。Op
美国联邦航空管理局（FAA）为无人机管制推出了一个新的应用——B4UFLY，用来向用户显示无人机飞行的合法范围。 关于如何有效的对无人机飞行进行管制，已经是老生常谈的问题了，除了制定相关法律法规之外，还需要更多其他方面的努力，来让无人机的飞行更加规范。 8月30日消息，美国联邦航空管理局（FAA）为无人机管制推出了一个新的应用——B4UFLY，用来向用
第一款将航拍和虚拟现实结合的无人机，FLYBi带你身临其境体验无人机翱翔天空的真实感受。 无人机航拍已经不是什么新鲜功能了，现在很多电视节目都会用到，特别是我们现在很多的明星综艺节目，都能看到无人机航拍的身影。而虚拟现实技术（VR）也慢慢走进我们的生活，VR头盔可以可以带给我们身临其境的感觉。那你能想象这最火爆的两者相互结合又能给我们带来怎样新奇的体验呢。
一、 核心系统：飞行控制系统无人机的“大脑”最主要指的就是飞行控制系统。它负责感知无人机的状态、处理飞行数据、执行飞手的指令，并自动维持飞行器的稳定。二、 主要模块飞控系统由以下几个关键硬件模块构成：1. 主控制器角色：中央处理器，相当于电脑的CPU。功能：运行飞控软件和核心算法，处理所有传感器数据，进行数学运算，并最终计算出控制指令发送给电调和舵机。技术载体：微控制器：如STM32系列ARM C
一般说来，需求分析属于软件定义方面 而概要设计、详细设计属于软件开发的阶段 按照传统软件工程的软件过程,区别如下: 1.需求分析--产生 软件功能规格说明书,需要确定用户对软件的需求,要作到明确、无歧义。不涉及具体实现方法。用户能看得明白，开发人员也可据此进行下面的工作（概要设计） 2.概要设计--产生 软件概要设计说明书，说明系
作者：来自 Elastic Alexander Dávila学习如何使用 UBI 数据创建判断列表，以在 Elasticsearch 中自动化训练你的 LTR 模型。亲身体验 Elasticsearch：深入我们的示例笔记本，开始免费云试用，或在本地机器上尝试 Elastic。使用学习排序（ Lea ...
项目背景 最近，我们的个人记账应用「往来记」在提交华为应用商店审核时，收到了6个审核问题反馈。经过一周的紧张修复，我们成功解决了其中5个问题，还有1个需要设计师协助。本文将完整记录这次修复过程，希望能为其他鸿蒙应用开发者提供参考。 问题总览与修复成果 问题类型 问题数量 修复状态 修复难 ...
1. 系统功能介绍本系统设计旨在实现基于单片机的双机串口通信与数字串存储功能，由两个独立的单片机系统（A端与B端）组成。A端主要负责数字串的输入与发送，B端负责接收、校验、显示及存储。系统的整体功能涵盖了人机交互、串口通信、数据校验与非易失性存储等多个方面，体现了单片机系统在通信与数据管理中的综合应用能力。系统的主要功能如下：数字串输入与发送（A端） 用户通过拨号键盘输入一串数字（2~16位），输
(position,payload)的异步更新机制和实现方式。这些方法通过避免全量刷新，