新闻中心

News Center

新闻中心

无人机避障算法综述(六)

日期:2021-12-28 浏览次数:

转自:无人机   

作者:张宏宏,甘旭升,毛 亿,杨春林,谢晓伟

1640673017(1).png

随着低空空域改革的推进以及人工智能、信息技术的革新,无人机相关新理论与新成果不断涌现,其未来发展空间必将更加广阔。

从无人机避障研究现状以及未来发展趋势来看,当前挑战主要集中在:

(1)无人机动力学建模问题。避障过程中,多是将无人机简化成三自由度的质点,忽略偏转角、俯仰角与滚转角对运行状态的影响,使得现在避障算法难以适应高机动性的无人机,导致实际无人机执行任务时解脱路线与规划路线存在偏差,影响任务执行效果。

(2)机载传感器误差。目前无人机解脱路径模型中,一般假设无人机可探测范围内障碍物的物理信息均可由理想机载传感器获取,而较少考虑机载传感器的实际性能与特性。目前采用的红外、超声波、激光和视觉等主流避障方法,难以精确探测复杂环境(例如烟雾等)。同时,不同机载传感器由于工作原理与性能指标的差异,存在信息融合效果差、时间延迟、测量误差等问题,对解脱路径的生成造成一定影响。

(3)环境建模问题。目前的避障路径规划算法多数都是基于规则的理想障碍物的假设,而实际无人机运行环境复杂多样,特别是复杂凹型障碍环境(例如U型障碍等)、密集动态障碍(例如大规模集群系统)等场景的探测与描述,还需要进一步的探索。

(4)算法实时性问题。若环境信息是时变的,避障算法就必须具有在线规划能力。算法的实时性与其应用背景紧密联系,只有达到一定解算速度的实时性算法,才可应用于复杂动态环境的在线重规划,否则,只能应用于离线规划或局部重规划。当前的避障算法一般通过对复杂系统进行线性化与近似化处理,实时性问题并没有得到很好的解决。

(5)组网通信。当前无人机之间通过无线通信方式进行信息交换,当集群规模较小时尚可满足需求,但面对大范围、大规模集群高速飞行场景时,对组网通信的性能需求较大。因此,快速可靠的通信和组网仍是目前具有挑战性的问题。

研究重点和方向主要集中在以下几点:

(1)完善避障算法的实用性。对于复杂环境建模,必须通过具体测量或者使用准确的三维地图,从而获取可靠精确的数据,考虑复杂环境多因素对避障效果的影响,利用数据对模型进行验证。针对具体型号的无人机,重点研究六自由度无人机在复杂环境下的避障算法,考虑机载传感器误差等一系列约束条件,对机载传感器信息传输模型进行细化,针对不同性能传感器设计不同的规划方法,实现无人机“感知-避撞”流程闭环。同时在融合空域内,无人机必须考虑无人机空中交通管理(Unmanned Air Traffic Management, UTM)下的运行规则,充分结合环境建模和具体应用背景,设计出具有实用性的避障路径。

(2)融合多类型避障路径算法。融合不同类型的避障算法,弥补现有单个方法的缺陷与不足,是当前的重要研究趋势。例如,传统避障规划方法(基于优化、势场等)可与机器学习为代表的人工智能技术相结合,优势互补,解决传统避障算法中局部最优等问题,也在一定程度上弥补基于机器学习的避障规划算法中的实时性差等问题。

(3)多机协同避障。由于单无人机的机动区域很小,一旦发生碰撞,会影响临近无人机,集群之间产生链式效应,将造成任务失败,因此,随着无人机集群在战术打击、目标协同搜索、多异构平台协同等复杂任务的广泛应用,多机协同编队避障主要研究在满足多样约束条件下,将避障策略合理分配给各个有能力的无人机个体,完成协同避障。由于多机协同编队避障对环境感知、任务建模以及规划方法都有较高的要求,因此, 还需要进一步的探索与研究。

(4)设计合理的容错机制。容错冗余机制是保障无人机系统运行安全的重要环节。当前没有对避障算法核心以及薄弱环节进行容错机制设计,一旦解脱环节失效,会造成不可预知后果。因此, 在未来研究中要着重无人机机能失效时的容错机制设计,避免不可控事件发生。

(5)规划-控制一体化设计。当前学者将无人机避障路径规划与路径控制区分开,分别进行建模研究,而实际无人机是否精确跟踪无人机规划解脱路径是当前未解决的问题。因此需要将无人机控制制导律融合到解脱路径解算过程中,实现规划-控制一体化。

(关键词:无人机,无人机反制,反制无人机,黑飞无人机,无人机防御,防御无人机,反无人机,无人机管控,无人机黑飞,无人机管理)