工程实践：如何使用SU17无人机来实现室内巡检任务

室内巡检的无人机应用一直面临着关键挑战，尤其。是定位精度、飞行稳定性和空间适应性等问题，这些因素限制了传统无人机在复杂室内环境中的有效应用。阿木SU17无人机通过配备四目VIO定位和激光雷达SLAM，结合激光雷达避障技术，成功突破了这些技术瓶颈。它有效解决了室内巡检飞行中的建图、定位、路径规划和避障问题，确保了在狭小空间中的高效飞行与任务执行。

相比其他行业无人机，阿木SU17不仅在稳定性上表现出色，还提供了卓越的开放性。作为一款专为开发者和行业用户设计的高集成度四旋翼无人机，SU17支持灵活的二次开发接口，允许根据行业需求进行定制化开发。无论是在硬件还是软件上，SU17的开放性都赋予了它强大的扩展能力，使其能够适应各种复杂的巡检场景，提供量身定制的解决方案，极大提升室内巡检的效率和稳定性。

室内巡检需要解决的关键问题点

室内定位：与户外环境相比，室内巡检面临更为严峻的挑战：室内环境无法依赖GPS进行定位。室内要用多种传感器进行融合定位，比如IMU，视觉，激光等。

复杂的障碍物避让：室内环境通常包含多个障碍物，要求无人机具备强大的避障能力，能够实时感知环境并对飞行路径进行即时调整，以确保安全飞行。

室内地图交互：在室外我们可以用百度/高德地图进行交互规划航点。但是一般室内没有地图。如何给无人机规划任务航点，让无人机飞到指定地点是一个需要解决的问题。

无人机物理碰撞防护：室内空间比较狭小，无人机的告诉运转的桨叶非常容易打到墙壁等，需要合适的轻量化的防护装置来确保，即便有轻微碰撞也不至于导致飞行异常。

无人机自动起降：室内巡检核心诉求是不用人工去巡检，需要规定的时间自动起降，并且完成自动充电，自动完成巡检任务。

阿木SU17无人机：解决室内巡检难题

阿木SU17无人机为室内巡检提供了全面的技术支持，特别是在定位、避障和任务执行方面，凭借其高效的硬件与智能算法，在复杂的室内环境中展现出卓越的表现。

1. 解决室内定位问题

在这个项目中，SU17无人机依赖三维激光雷达技术来进行精准的定位与建图。通过激光SLAM（Simultaneous Localization and Mapping）算法，SU17能够实时扫描周围环境并生成精确的栅格地图。即使在没有GPS信号的室内环境中，三维激光雷达依然能够确保无人机的稳定飞行和准确定位。

激光雷达系统通过扫描室内环境的三维结构，能够对障碍物进行实时感知，为无人机的路径规划与避障提供了坚实的基础。这种技术在复杂环境中的表现非常优秀，尤其是在狭小空间和多障碍物的环境下。

三维激光雷达SLAM采用FAST-LIO算法，这个算法在三维激光SLAM表现十分优秀，但是在一些玻璃，环境中几何特征不明显的情况也会发散。后续的方向还是做视觉和激光，IMU，GPS融合为发展趋势，互相补充，提高场景的适应性。我们阿木实验室推出BSA-SLAM算法库，目前正在推进视觉和GPS的融合，预计2025年中，推出激光和视觉，GPS融合的版本，进一步提升系统鲁棒性。

2. 实时避障与动态路径规划

在飞行过程中，SU17的三维激光雷达会实时感知周围环境，自动识别并避开障碍物。通过激光SLAM算法，无人机能够根据环境变化动态调整飞行路径，确保任务顺利执行，避免任何潜在的碰撞风险。也可以采用四目摄像头给出的视觉深度图来构建地图进行避障和路径规划。避障算法采用的是ego-swarm。该避障算法，具有比较好的动态避障性能，在飞行航线上出现移动障碍物也可以很好的避障。该算法已经集成在我们开源Prometheus运动规划项目中，大家可以运行仿真。

项目地址：

https://gitee.com/amovlab/Prometheus

3. 数字孪生地图与航点规划

为了优化室内巡检的飞行任务，我们在地面站中导入STL格式的数字孪生地图。用户可以根据该地图进行航点规划，设定飞行路径并自动调整飞行任务。在实际飞行前，用户通过地面站可以直观地看到整个环境的三维建模，并在此基础上规划任务路线。数字孪生地图的构建，有很多方式，最理想是无人机边飞行边构建，飞行过的场景可以自动构建出地图。还有一种方式是提前采集数据，激光雷达数据和，RGB数据，做后处理融合。目前视频里面展现的是提前构建的STL格式三维地图。这种方式并没有用飞机自带的激光雷达和摄像头数据。

4. 拍摄任务执行

完成飞行路径规划后，SU17无人机会按照预定任务执行一系列操作，如拍照、拍视频或环境监测等。每个任务点设定的停留时间可以根据需要灵活调整，确保采集到高质量的数据。通过精准的路径规划与高效的任务执行，SU17能够确保每次巡检任务都能精准完成，主要通过SU17这个硬件平台的ASDK接口，可以调用机身上任何传感器的数据，比如调用摄像头云台视频流数据，和控制云台切换的角度。

5. 视觉识别和视觉引导降落

当巡检任务完成后，SU17无人机会自动返回起始点，并利用图像精准引导降落算法，在指定位置进行降落。如果配备了无线充电模块，SU17还能够自动进行充电，进一步提高续航能力，准备进行下一次巡检任务。视觉引导相关的功能依靠我们开源Spirecv算法库实现。

项目地址：

https://gitee.com/amovlab/SpireCV

有了如上的软件框架支撑，在配合SU17的硬件可扩展和可开发的特性，就可以在很短时间搭建起一套室内巡检的解决方案。开发流程如图所示：

SU17作为硬件平台，采用我们提供的运动规划框架，建图和定位框架，视觉识别框架。可以很方便实现无人机的避障，追踪，巡检等应用开发。

开放性与可开发性

与市场上大多数室内巡检机器人不同，阿木SU17无人机的最大特点之一就是其强大的开放性。SU17并不是一个封闭的系统，而是一个高度集成且开放的无人机开发平台，专为无人机开发者和行业用户设计，能够进行深度二次开发。

硬件与软件平台的开放性：SU17集成了最新的硬件设备，包括支持四目SLAM、RTK、三维激光雷达、光流定高传感器等传感器，且所有硬件设备均可根据需求进行自定义扩展。同时，SU17配备了自研的飞控系统和高算力机载计算机，能够满足不同应用场景的开发需求。

二次开发支持：阿木为用户提供了完整的二次开发工具包。通过ASDK-G（地面站应用开发接口）和ASDK-D（无人机机体数据读取接口），用户可以根据具体需求开发自定义功能，例如云台控制、视频推流、IMU数据采集、航线规划等功能，充分满足各种行业和科研的特殊需求。

专业的地面站系统： SU17配备了专业版本的地面站系统，支持基于跨平台的QT编写，用户可以获得二次开发授权，开发出适合自己行业和功能的定制地面站系统。这一开放性设计使得SU17能够灵活适应不同的应用场景，从科研到工业应用都能提供解决方案。

未来展望：视觉SLAM与激光SLAM的融合定位

虽然当前的项目展示中，SU17依赖的是三维激光雷达进行定位，但我们正在积极研发视觉SLAM与激光SLAM的融合定位系统。这一新技术将进一步提升SU17在室内巡检中的表现，尤其在视觉数据与激光雷达数据的互补融合下，无人机将能够更精确地进行定位和避障。

结合视觉SLAM和激光SLAM技术，SU17未来将能够在更多动态、复杂的环境中进行更高效的导航与任务执行。这一技术的完善，将为室内巡检应用场景开辟更广阔的前景。

总结

无论是在工厂、仓库，还是其他复杂的室内环境中，阿木SU17都能稳定、高效地完成任务，为室内巡检提供了强大的技术支持。开放的硬件平台与二次开发接口，让SU17不仅是一个无人机系统，更是一个可定制、可扩展的开发平台。

我们期待在未来与您一起开拓更多智能巡检的应用场景，助力您的工作更高效、更智能。

解决方案咨询

如果对阿木SU17无人机和相关的室内巡检方案感兴趣，请与我们联系：

点击阅读原文，了解SU17详细参数。