摘要
近年来，随着相关技术的飞速发展，无人机在各行业中得到了广泛的应用。然而传统的通过飞手控制无人机运动的方式制约了无人机自主化和智能化进程以及更进一步的广泛应用。在无人机的智能应用中，自主系统实现安全可靠的障碍物检测和碰撞避免是一项意义重大且具有挑战性的课题。本课题面向复杂场景下的无人机自主避障问题，使用无人机搭载的单目相机，研究基于单目视觉的无人机自主避障方法。课题搭建的自主避障系统分为自主环境感知系统和无人机自主运动控制器两部分，自主环境感知系统负责感知无人机周围的环境信息，检测行进方向上的障碍物；无人机自主运动控制器根据自主环境感知系统检测到的障碍物信息控制无人机运动。本课题的主要研究内容如下： 首先，设计基于单目视觉的无人机自主避障系统框架。面向小型四旋翼无人机，从满足无人机中低速情况下的障碍物检测实时性和准确性要求出发，研究基于单目视觉的无人机自主避障方法。探究单目相机成像原理，为后续基于单目相机的距离估算奠定理论基础。详述基于单目视觉的障碍物检测方法基础理论，为自主环境感知系统的构建提供理论支撑。由于无人机采集的原始图像尺寸较大，会降低自主环境感知系统的实时性。此外，图像边缘部分对无人机飞行的影响较低。针对上述问题，探究了对原始图像的预处理方法，裁剪掉图像边缘部分。 然后，研究基于单目视觉的自主环境感知方法。为了尽可能满足无人机对环境感知的实时性要求，测试对比了三种常用特征点提取算法的性能。研究了基于视觉膨胀的障碍物状态判定方法，并在此基础上研究了基于单目视觉的多障碍物检测方法，通过引入ISODATA动态聚类和YOLO-v3目标检测进行多障碍物分布区域的检测。 接着，面向安全平稳的无人机控制，研究基于多障碍物分布的无人机自主运动控制方法。为定量描述障碍物与无人机之间的距离，建立了基于单目视觉的距离计算模型进行距离估算。设计了PID控制器进行已知多障碍物分布场景下的无人机自主避障。为了使无人机飞行更加平稳，设计了模糊控制器，以融合无人机与障碍物之间的距离信息和无人机实时速度信息，控制无人机的转向角度。 最后，设计了仿真实验，验证分析了自主环境感知系统的实时性和准确性，在仿真环境下对系统的自主避障能力进行了测试。实验证明了系统的有效性。
NETL