NO.1 论文简介
无人机自主飞行避障技术对于其安全飞行至关重要。近年来，随着深度学习技术在计算机视觉领域的应用，基于视觉传感器的无人机避障方法取得了显著进步，特别是在复杂场景下的障碍物识别与避障决策方面，深度学习模型展现了强大的能力。本文系统地回顾了基于视觉传感器的小型无人机避障方法，按照以下五个类别总结了当前的研究进展：传统避障方法、基于深度学习的避障方法、基于事件流处理的避障方法、基于传感器融合的避障方法和基于视觉避障的决策层避障方法。首先，本文概述了无人机避障的基本概念及其面临的挑战，强调了环境感知、航迹规划和飞行控制三个关键环节的重要性。其次，详细介绍了基于视觉传感器的传统避障方法，如单目与双目测距、基于光流的避障方法、基于特征点识别的方法等，并分析各自的优点与局限性。然后，本文深入探讨了基于深度学习的避障方法，涉及深度估计、目标检测等关键技术，分析了不同深度学习网络架构在无人机避障中的应用效果。此外，特别关注了基于事件流处理的避障方法，这一新兴技术能在高动态环境中提供低延迟的感知信息。对于基于传感器融合的避障方法，本文阐述了多传感器信息融合对提高避障系统鲁棒性的贡献。最后，讨论了基于视觉避障的决策层避障方法，包括端到端学习、强化学习及深度强化学习，展示了这些方法在复杂动态环境下的应用潜力。
NO.2 主要贡献
（1）分析了无人机避障面临的三大挑战：资源受限、复杂环境和高实时性要求。在资源受限方面，无人机的电池续航和处理器性能有限，需要开发轻量级、高效的算法；面对复杂环境，无人机需应对多样的障碍物和变化的外部条件，算法必须具备强大的抗干扰能力和鲁棒性；在高实时性要求下，无人机在高速飞行或遇到动态障碍物时，算法需同时保证实时性和精确性，以确保飞行安全。
图1 无人机避障流程
图2 事件相机输出
图3 无人机常见搭载的传感器
NO.3 研究结论
小型无人机视觉传感器的避障技术在实时性和准确性方面已取得显著进展，尤其体现在深度学习和事件相机技术的应用上。然而，现有技术在应对复杂动态环境时仍面临多重挑战。首先，在复杂场景中，例如面对高速移动的小型动态障碍物时，避障精度需要进一步提升。基于目标检测的方法虽然在特定情况下表现良好，但因数据样本有限，难以广泛适用于各种环境。其次，许多算法虽能在实验室环境下实现即时避障，但在实际操作中，特别是处理高分辨率图像或进行深度估计时，计算负担重导致实时性能不佳的问题依然存在。此外，光照变化、快速移动物体等要素影响了基于光流或特征点识别方法的效果，尽管深度学习方法在某些领域表现出色，但在极端条件或未知场景下的稳定性仍需改善。为解决这些问题，未来的研发方向可聚焦于多传感器融合、深度学习与传统技术的结合、事件相机的使用及强化学习和端到端学习技术的应用。这些策略有助于增强避障系统的稳定性和精确度，提升其在复杂环境中的避障性能。
NO.4 论文资助
天津市教委科研计划项目（2020KJ026）
民航安全能力建设资金（PESA2022093）
NO.5 作者介绍
王家亮（1983—），男，讲师，博士，
E-mail：jl-wang@cauc.edu.cn。
2014年7月于东北大学信息科学与工程学院获得工学博士学位。读博期间，于2010年9月至2012年9月国家公派到美国普渡大学S3实验室，在导师Jan Vitek指导下，从事REAL-TIME JAVA、JVM方面的研究。2014年8月入职中国民航大学计算机科学与技术学院。于2015年8月至2015年9月受邀作为Research Associate到香港理工大学工业与系统工程系进行科研。目前，共发表学术论文30余篇：其中以第一作者发表SCI检索论文7篇、EI检索论文5篇；合作发表EI检索论文10余篇。
E-mail：dongkai_cauc@163.com。
E-mail：zjgu@cauc.edu.cn。
E-mail：chenhui15532379008@163.com。
E-mail：hanqiang_cauc@163.com。
·引用格式·
王家亮, 董楷, 顾兆军, 陈辉, 韩强. 小型无人机视觉传感器避障方法综述(2024) [J/OL]. 西安电子科技大学学报, [2024-10-29]. https://doi.org/10.19665/j.issn1001-2400.20241008
“扫描二维码查看原文”
https://link.cnki.net/doi/10.19665/j.issn1001-2400.20241008
编辑：许瀚樱
校对：杨 薇
审核：牛姗姗
优文推荐 | 融合VFA和ISSA的多目标优化WSN覆盖算法
· 推荐阅读 ·
- 联系我们 -
xuebao@mail.xidian.edu.cn
