无人机与无人车协作导航系统设计

引言

现如今,无人机、无人车技术发展得越来越成熟,实实在在地服务了众多行业,军事上用于侦查监测,民用上用于送快递、电力巡检等。但在应急救急这个特殊需求上,由于涉及环境或恶劣、或不确定因素极多,无人机与无人车各自独立的分工难免呈现出各自的缺点,无人机在恶劣环境下,例如气流变化大的情况下,其续航时间大大减少且运输不稳定、载重有限,无人车则面对着难以实现宏观掌控、导航搜索时间长、建图效率低等问题,如此两者独立工作时都显得效率低下。

然而,空地协同能很好地解决上述问题,两者可以相互协作,取长补短。在救灾工作中,无人车续航时间长,负载能力强,可搭载功能多,适合作为执行任务的主体:而无人机机动性强,能快速升降、多角度飞行,探索地形信息快,能够快速建立地图、从宏观上掌控地理信息,适合为无人车提供有效的环境信息与行走路线。

本文将探讨无人机与无人车协作导航系统的设计,期望利用无人机和无人车的优势互补,通过相互合作以高效地完成复杂地形的路径规划任务,节省对未知地形的探索导航所花费的时间成本,提升任务完成效率与成功率。下文将从硬件设计、导航系统设计两方面进行阐述。

1协作系统组建

如图1所示,本系统主要由三大部分组成:无人机、地面站和无人车。无人机在原有的飞行器控制模块基础上,增加RGBD传感器、板载计算机以及wiFi通信模块:地面站搭载了计算机、显示器以及wiFi通信模块:无人车搭载了微型计算机、运动控制器、编码器以及wiFi通信模块。

其中,RGBD传感器包含可见光相机和深度相机两部分,RGBD传感器可以同时采集每个像素点的纹理及对应的深度信息,直接获得飞行环境的三维点云数据,并且深度信息的同步捕获弥补了可见光相机的先天不足,使得该传感器非常适用于3D环境的SLAM问题。基于MIT现有的研究,已有了非常成熟的无人机视觉导航系统,它通过融合RGBD和飞行控制模块中的IMU等传感器进行构建,其效果是可以在没有GPS定位信息的情况下实时构建飞行环境的三维模型。本文将该视觉导航系统进一步拓展应用到无人机引导无人车的系统上,无人车、无人机以及地面站所分别搭载的计算机均进一步搭载ROS系统,构建三个不同的节点,通过节点发布与订阅消息建立分布式计算系统,并且三者所搭载的wiFi通信模块刚好用于三个节点之间的通信。无人车作为执行任务的主体,它所搭载的微型计算机、运动控制器与编码器共同组成一个运动控制系统。

2协作系统的工作方法

协作系统的设计总体而言为利用无人机携带的RGBD传感器、IMU传感器和板载计算机(ROS系统)进行SLAM,采集一片区域获得地理环境信息,再通过wiFi通信模块发送到地面站,由地面站的计算机集中处理环境信息并规划出最优路径,再通过wiFi通信模块发送优化后的航行路线到无人车的计算机,从而输出运动信息给无人车进行导航。

根据现有的研究,视觉导航系统采用的方法可以概述为基于特征点匹配的方法。首先使用RANSAC算法获得环境特征点的匹配关系,然后从深度图中读取特征点的深度信息,可直接获得特征点的3D坐标,求解两帧间相机的位姿变化,进而形成环境的三维点云数据。

地面站设在陆地上方便接收无人机与无人车信号的地方,其搭载高性能的计算机,依靠强大的计算力快速对地图进行点云处理、路径规划,减少地图生成的延时性,同时通过显示器还可以实时显示导航情况,对小车状态进行监控。

其路径规划方法为,先采集特定区域的点云地图,投影到二维平面转换出栅格地图,黑色为障碍物,颜色较深的灰色块为危险区,颜色再浅一点的是可行区域,然后采用荷兰计算机科学家DijkStra于1959年提出的用来求得从起始点到其他所有点最短路径的算法,每一次的计算都查找与该点距离最近的点。

假设小车的起点为源点,地图上的目标点为终点,以源点为中心向外层层扩展(广度优先搜索思想),直到扩展到终点为止,依据此算法计算出来的最短路径即无人车的循迹路线。

3结语

本协作导航系统的设计目的是充分利用无人机在空中能够快速建立地图的优势与无人车地面续航时间长的优势,使得无人机帮助无人车规避障碍物,快速到达终点,完成对未知地形的快速导航。对于未来群体异构机器人的合作、路线规划,机器人协作导航探索提供了一个新的思路,希望本研究能够节省对未知地形探索导航所花费的时间成本,提升任务完成效率与成功率。