杜天华 徐金龙 刘博 章宇航 许继弘

上海机电工程研究所 上海 201109

1 无人机避障

1.1 无人机避障方式

无人机避障方式多种多样，主要包括机器视觉避障、激光超声传感器融合避障等，最近张京娟等提出了根据飞行器间测距信息对飞行器惯导定位进行校正的方法[1]。机器视觉稳定性较差不能适应多变的飞行环境，基于成本考虑激光超声传感器融合避障应用较广。单一的传感器存在较大的不稳定性，无法满足飞行阶段障碍物测距的精度要求，需要采用多数据源融合技术，获得相对精确的信息数据，得到可靠测距结果。针对无人机传感器来说，信息融合算法较多，包括自适应Kalman滤波和扩展Kalman滤波，其中，自适应Kalman滤波较为简单有效。为了提升无人机稳定性，需要从信息融合算法入手，对Kalman滤波算法适当改进。

1.2 无人机避障系统

现阶段的无人机已经不再局限单一领域，除了军事领域外，还广泛应用于民用，如何在复杂环境中，较为精准到达预定目标，是业界讨论的焦点。现实中，需要对飞行路径完整优化，借助细致算法，发挥自主避障功能，在此前提下，提升无人机应用可靠性。研究发现，动态自主避障模型作用显著，可以将碰撞判断问题分解和转化，变更为一元二次方程，合理推算出最小碰撞时间，这样便可以给实际飞行速度提供参考，遵循尽可能指向目标的避障原则，获得期望的运动速度（无人机）[2]。需要注意的是，由于引入权重因子后，会改变自身套件，增加过载约束，减少速度判断时间（最优机动速度）。……