跨界 · 融合 · 服務 · 創新
近年來，無人機逐漸開始應用于水文監測、工程測繪、洪水監測、水污染調查等諸多領域，圖1和圖2展示了兩種不同的無人機工作場景。
圖1 無人機正在進行河流環境監測
圖2 無人機正在測量河流上方的水溫
與傳統的遙感和人工觀測方法相比，無人機可以更接近目標，獲取更豐富、更準確的數據。根據 GNSS（全球導航衛星系統）和機載控制器，從地面站向無人機發送任務路線非常簡單。然后它可以跟隨GNSS航點完成測繪探索任務。在各類任務中，目前大部分水利無人機已經實現了基本的GNSS自動駕駛飛行。
與其他行業的應用相比，水利無人機必須飛得更接近目標才能更好地觀察和行動，尤其是在災害搜救環境和水質監測場景中。可以說，離得越近，就越真實。然而，大多數機載飛行控制系統嚴重依賴GNSS和IMU進行導航和控制，不具備主動導航的能力。隨著圖像傳感器和計算機視覺技術的發展，許多學者研究開始關注相機特別是立體相機，（因為）它可以輕松獲取圖像和深度數據。
本篇介紹一款雙目立體相機，輕巧小巧。計算兩幀圖像的視差信息后，得到深度圖像和點云數據。然后提出了一種用于環境感知的障礙物提取方法。最后，在通用GNSS航點導航規則的基礎上，引入Bezier曲線產生避障路徑。所提出的方法可以很容易地與常見的飛行控制器集成，然后提供環境感知和避障能力。
定制的立體相機如圖3所示，其中有兩個Micron MT系列全局快門COMS傳感器。然后對左右傳感器的圖像進行校準后，我們可以同時得到兩幀圖像，示例圖像如圖4所示。我們可以看到一個真實世界的物體出現在兩個圖像上的不同位置。這種差異稱為差異。并且當相機到物體的距離變大時，視差會減小。
圖3 立體視覺深度計算圖
圖4 相機的兩幀圖像（左圖來自左傳感器，右圖來自右傳感器）
我們必須首先計算視差 ( x l – x r )。由于計算機視覺技術的發展，圖像匹配可以通過多種方式輕松完成。考慮到計算速度和精度，采用7像素×7像素窗口的絕對差和（SAD）算法。在實驗中，它可以在 NVIDIA TX1 嵌入式板上輕松處理每秒 10 幀。視差結果圖如圖5所示，顏色越暖，視差結果越大。
圖5 視差圖
使用視差數據，我們可以獲得深度值，也可以獲得點云數據。圖 6和圖 7 分別顯示了深度圖像和點云數據。
圖6 深度圖像
圖7 點云數據
立體相機安裝在旋翼無人機的頂部，如圖8所示。該六軸飛行器還配備了控制器和GNSS模塊，使無人機按照規劃的GNSS航點實現自主飛行。
立體相機安裝在旋翼無人機的頂部，如圖8所示。該六軸飛行器還配備了控制器和GNSS模塊，使無人機按照規劃的GNSS航點實現自主飛行。
圖8 實驗性六軸飛行器
如果體素網格不包含地面信息，則將其視為障礙物。一些結果可以在圖 9 中看到-圖11，每張圖的第一部分是原始數據，第二部分是障礙物，第三部分是提取的地面。可以根據這些數據輕松構建用于導航的 3D 占用地圖。
圖9a 場景1的原始點云
圖9b 場景1的障礙物提取結果
圖9c 場景1的地面提取結果
圖10a 場景2的原始點云
圖10b 場景2的障礙物提取結果
圖10c 場景2的地面提取結果
圖11a 場景3的原始點云
圖11b 場景3的障礙物提取結果
圖11c 場景3的地面提取結果
當找到周圍的障礙物時，可以構建 3D 占用網格圖。3D 空間中
的路徑規劃會引起沉重的計算負擔，并且飛行控制器在兩個相鄰航路點之間生成的 GNSS 路徑始終在一條線上。在圖12中，紅色圓圈為下一個航點，綠色直線為飛控預先規劃的路徑。因此，這里使用 XY 平面上的 2D 網格圖來確定這些障礙物是否位于計劃路徑上。占用網格圖的分辨率選擇為5m×5m。如圖12所示，如果網格單元不包含障礙物，則以白色填充；否則，由黑色實現。
圖12 航路點和障礙物的插圖
對于無人機，規劃路徑必須足夠平滑，并滿足安全飛行限制，如最大速度、最大加速度、最大角速度和最大角加速度。在此，提出了一種基于貝塞爾曲線的路徑規劃算法。如圖13所示，新生成的路徑由兩條貝塞爾曲線組成。控制點也清晰顯示。
圖13 所提出的路徑規劃方法的說明
本文提出了一種完整高效的水利無人機視覺導航解決方案，包括立體傳感器、數據處理和計算、環境感知和平滑路徑規劃算法。所提出的方法都能夠進行機載處理。
源自：9th International Conference on Information Science and Technology (ICIST), Hulunbuir, Inner Mongolia, China; August 2-5, 2019
