7、无人机系统中用于态势感知、检测和避障系统的集成光流

无人机系统中用于态势感知、检测和避障系统的集成光流

1. 引言

无人机（UAV），也被称为无人驾驶飞机或远程驾驶飞机（ARP），广泛应用于监督、情报侦察、测绘、搜索救援等任务。早在20世纪初，ARP主要用于军事行动，1979年被引入航空摄影测量科学领域。随着微电子系统如惯性测量单元（IMU）的出现和应用，无人机技术得到不断改进。如今，还可集成多种传感器，如激光雷达、合成孔径雷达、光学和声学传感器等。

相机作为一种光传感器，能捕捉物体在可见光谱波段的光波，以低成本和小尺寸的优势，为无人机提供环境信息，赋予其一定的自主能力，如检测和避障能力，这对无人机融入空中交通至关重要。同时，图像采集与导航系统的集成，使我们能更准确地估计无人机的位置和速度。

计算机视觉（CV）算法和导航系统增强了无人机对环境的感知能力，使其更加自主，能在无需操作员监督的情况下执行任务。然而，航空当局的规定目前不允许无人机与商用飞机共享空域。因此，在无人机内实现可靠的检测和避障系统，提高其对周围环境的感知和理解能力，成为当前的挑战。

目前，无人机的导航依赖于惯性导航系统（INS）、IMU和全球导航卫星系统（GNSS）数据的融合。但在某些情况下，如无人机位于城市或森林区域，或信号受到欺骗或黑客攻击时，信号可能会受损或不可用。此时，CV算法是在无人机失去GNSS信号时维持位置和速度估计的理想选择。为融合CV算法和导航系统的数据，有两种策略：一是基于预先建立的地图定位；二是不使用地图，仅依靠环境特征。

使用基于预建地图的CV算法定位需要足够的内存来存储地图，也可由地面控制站在线存储地图图像，但需要稳定的连接和足够的带宽。一些研究涉及地理参考地图的集成，还有研究通过人工神经网络识别地