摘要
由于小型无人机具有无视地形的能力以及在复杂环境下规避障碍物的高机动性，越来越多的被用于未知环境地形勘探、目标搜索等复杂任务。决定此类任务能否高效完成的主要因素在于无人机探索策略能否实时感知环境、生成高效的探索引导和可供跟踪的飞行轨迹。受小型无人机负载限制，通常平台仅搭载视场范围受限的传感器，机载计算机运算能力受到极大限制，导致无人机实时自主探索面临巨大挑战。论文针对视场范围受限的小型无人机自主探索问题进行研究，构建了包含环境感知、前端引导生成、后端轨迹优化三部分的自主探索框架，在保证地图构造准确、前端引导高效、轨迹生成安全的情况下，实现了算法在机载计算平台上的实时运行。论文主要研究内容如下： （1）考虑未知环境感知方法的实时性问题，提出了一套基于图形处理单元(GraphProcessUnit,GPU)并行加速的地图构建方案。首先，针对传感器深度图像输入，将三维空间中的待更新栅格投影到深度图中，比对深度完成占据地图更新。其次，考虑到点云输入不具备深度图信息，且信息更为稀疏的特性，进一步提出了基于球坐标映射的并行更新方法。再次，根据构建出的占据地图，引入了一种同样基于并行加速的欧氏距离转换(EuclideanDistanceTransform,EDT)方法，将占据地图转换为欧式有符号距离场(EuclideanSignedDistanceField,ESDF)地图。最后，在不同场景下进行地图构建实验，验证了提出方案的实时性与准确性。 （2）考虑具有全局性、高效性的前端引导实时生成问题，提出基于边界探索的无人机前端引导策略。首先，根据更新后的地图增量式地完成边界体素的更新与聚类。其次，根据边界体素聚类生成每个聚类的导航点、导航点间路径与路径代价信息，从而将探测问题转换为导航点间的旅行商问题(TravellingSalesmanProblem,TSP)。最后，求解代价最小的旅行商路径，获得最优的导航点访问顺序，并基于Next-Best-View方法取该顺序中第一个导航点作为最终生成的引导。 （3）针对轨迹生成安全与实时问题，提出并行无梯度的无人机后端轨迹优化方法。首先，考虑无人机运行过程中的动力学可行性约束、有限视场范围约束、环境探测效率约束，构造无人机自主探测后端轨迹优化模型。其次，基于模型预测路径积分(ModelPredictivePathIntegral,MPPI)方法，通过并行蒙特卡洛（Monte-Carlo）随机前向采样将建立的轨迹优化问题的求解转化为对采样轨迹期望的求解，解得满足上述约束的轨迹。最后，搭建小型无人机演示验证平台并完成算法的集成设计，在室内环境下实现全自主探测，验证了整体框架和算法的有效性。
NETL