题记：无人机如果不能避障，跟会飞的咸鱼有什么分别。——萨特·福莱费施

一、避障概述

什么是避障？当外界的障碍阻碍到设备的运动时，设备自动做出各种躲避障碍的动作，通过障碍后继续执行躲避前的动作，这个过程就是避障。无人机避障顾名思义就是无人机自主躲避航线或飞行中遇到的物体，避免飞行器和物体双方损伤。

怎么避障？要解决三个问题:

1有哪些障碍。简单的说障碍物有三种类型: 大障碍、 小障碍、动障碍。小障碍是电线杆、树木等等可以躲避的障碍。大障碍是不可逾越的障碍，比如墙、楼、山等等。动障碍就是人、畜、鸟及处于飞行航线上的其他各类飞行器等运动体。

2怎么定位障碍。详见下文的感知障碍阶段。

3怎么躲避。对于大障碍，只能停止或返航，因为无人机不可能知道到底有多大，动力够不够越过。而对于后两种障碍，理论上可以躲避，但是并不是探测后再绕开说起来这么简单，需要一系列传感器和算法配合。真正做到避障，知道有无障碍，还要知道它的位置；要躲避障碍，还要知道往哪躲。

二、避障技术发展阶段及方式

无人机避障技术可简单分为三个阶段：

1、感知障碍物并停止阶段——无人机感知到障碍物，快速地识别后并悬停下来，等待下一步指令；

2、获取障碍物深度图像并自主绕开阶段——无人机通过传感器精确感知到障碍物的具体轮廓，然后自主绕开障碍物；

3、建立区域地图合理规划路径阶段——无人机通过获取的环境信息，利用算法自动规划出飞行线路，从而实现自动自动避障的功能。

无人机避障用到的传感器有：超声波雷达、毫米波雷达、激光红外传感器、双目视觉传感器、电子地图等。这些传感器技术原理不同，因此适用的场景也会因需而议。

1感知障碍阶段。如同人类或其他动物在前进的过程中，只有先看见前方的障碍物，并且会大致估算出自己与障碍物之间的距离，才能决定下一步的行为方向。如何实现无人机自动避障，首先要实现的是如何精确测量无人机与障碍物之间的距离，只有先测量出危险范围内的距离，才可以有时间在撞向障碍物之前停止无人机的前进动作，避免事故的发生。

实现方式上，大家的着眼点也都放在了一个方向——测量无人机到障碍物的距离。“测距”是无人机避障的基础。当前运用较多的障碍物检测方法及优缺点主要有：

超声波、毫米波雷达避障

这个方法很多人都熟悉，家用汽车的倒车雷达就是利用超声波检测障碍物。

优点：技术相对成熟、安装集成实现简单、白天黑夜全天候使用；超声波避障系统不会受到光线、粉尘、烟雾干扰；成本低，调试简单。

缺点：晃动的树叶、草地、海绵、毛毯避障效果不佳；多台无人机集群飞行时易受到相互干扰；无人机在遇到障碍物时往往只能在其前方保持悬停，仍然需要人工介入根据具体情况进行遥控接管；如果物体表面反射超声波能力不足，避障系统的有效距离就会降低（常用的中低端超声波传感器作用距离不超过10m），并且超声波的测量周期较长（比如3米左右的物体，声波传输这么远的距离需要约20m/s的时间）。因此超声波测距传感器常用来测量无人机与地面的距离，而非与障碍物之间的距离。

激光雷达避障

优点：探测相对距离远，精度高，白天黑夜全天候使用。

缺点：需要漫反射物体才能检测，镜面物体测距效果不好；不能在太阳光的主要能量波段工作，会相互干扰；单线激光传感器，只能给出一个平面距离值，而三维激光雷达体积大，价格昂贵，又不太适用于无人机。

TOF光或者结构光避障

优点：类似阵面发射的多点激光，弥补单线雷达的不足，可以探测三维环境；探测精度高，深度图精准。

缺点：目前主流的Tof传感器探测量程比较短，只有2至6米；室外使用容易受到环境光干扰。

双目视觉避障

这个方法运用了人眼估计距离的原理。

优点：省电、距离优秀，成本较低，精度高；结构简单、硬件系统简单、工作可靠性高；内置深度计算芯片、直接同步输出高分辨率深度图和RGB图，让避障功能有了更多的发展空间；功耗低、体积小、深度图和视觉神经网络识别结果可以融合；室外太阳光下效果影响不大，夜间加补光可以正常工作；深度探测量程可以到30米，满足速度较快的无人机需求

缺点：运算复杂，技术难度较高、延迟性高，无纹理的环境效果不好；辨识度很大程度上取决于物件的反光特性；探测精度只能到厘米级别，不如激光和Tof等传感器的精度

电子地图避障：

借助GPS系统、细粒度的数字高程地图和城市建筑3D地图，比较适用于无人机的禁区功能，不仅可以避免重要建筑物受到撞击，还可实现多种情况下的避障功能。

既能够实现避免重要建筑物受到无人机撞击（即禁飞区功能），也能够实现很多情况下的无人机避障。

2绕过障碍阶段。最简单的策略莫过于遇到障碍物时停止前进，然后与障碍物保持一定的距离，彼退我进，彼进我退，彼不动我不动。当无人机遇到障碍物之后进行悬停等待，等待已经完全不能满足操作者们的使用需求目标，但是获取前方障碍物距离容易，获取精准的障碍物轮廓并绕过去却是新的技术障碍，而关键点是如何精确获得障碍物的深度图像。

在自然界中，动物们都知道前方遇到障碍物时该如何绕过去，而不是只在障碍物之前等待，原因在于动物们可以知道障碍物的大致轮廓，只要找到边缘处所在，就可以从边上绕过去，然而看似简单的做法却包含着很深的套路。

目前的测障技术很难满足障碍物轮廓获取的需求。当无人机采用超声波进行测距时，只能大致测出前方的距离，仅获得二维数值，而非三维画面。TOF和双目视觉技术声称可以获得障碍物深度图像的技术，利用这两种技术来进行障碍物距离测量，只要障碍物没有充满整个视觉范围，其边缘总会被获取到，而无人机则可以根据测量的结果继续选择下一步的飞行路线。看似问题已经解决，其实不然。一旦障碍物之后的近距离还有障碍物的存在，那么依然存在较高的事故发生率。因此如何应对多重障碍物的存在就成为了无人机避障技术下一步需要研究的问题。

3场景建模和路径探索。无人机能够对飞行的区域建立地图然后合理规划线路。这个地图不是机械平面模型，而是一个能够实时更新的三维立体地图。这是目前无人机避障技术的最高阶段。上文说到无人机的避障功能已经需要一个可以应对多重障碍物的技术出现，也就是说在目前的技术中，如何对飞行场景进行精准建模，实时获取场景模型，并通过飞控来设置最优避障飞行路径是重点。这也拉开了无人机避障功能中的场景建模和路径搜索阶段的帷幕。

其实就是基于电子地图等来源获取场景模型，利用机载计算机中的算法来得出最优路径。如果应用在自然界中来说，就是当动物经过一些障碍物时，它们的大脑里面会存在相关场景的一个地图，当再一次经过的时候，就会根据上次记忆的场景模型来获取最佳避障路线。无人机虽然不能通过两次飞行去获取记忆的场景模型，但是它可以通过其他的科技手段来获取，比如说飞行场地的3D地图等。

三、无人机避障实现的难点

避障功能从构思到实现，走的每一步几乎都跟随着无数的难题。仅仅是写出有效的视觉识别或者地图重构的算法还只是第一步，能让它在无人机这样一个计算能力和功耗都有限制的平台上流畅稳定的跑起来，才是真正困难的地方。

此外，如何处理功能的边界也是一个问题。比如双目视觉在视线良好的情况下可以工作，那么当有灰尘遮挡的情况下呢?这就需要不断的实验和试错，并且持续的优化算法，保证各项功能在各类场景下都能正常工作，不会给出错误的指令。

四、无人机自主避障算法

主要包括：几何法、路径规划法、数值求解法3种类型。

几何类算法从无人机与障碍物的相对几何关系入手解决避障问题，具有求解迅速的特点。但是对于复杂环境，几何关系的构建将变得困难，求解难度也将增加。此外，由于几何关系的构建依赖于相对速度、位置等信息，对于环境状态信息敏感，容易受到噪声影响。

路径规划类算法，采用离线预规划或在线重规划的方式指导无人机的飞行轨迹。主要细分算法包括：图搜索法、采样法、势场法等。采样图搜索方法能够获取一条全局最优的路径，但是存在高维空间下的搜索效率降低的问题；采样法(如RRT算法)适用于高维空间动态规划，但是该方法为概率完备，当无人机处于某些狭窄通道时，其算法收敛速度未知；势场法求解迅速，但是需要人为设定力场函数，且容易存在局部最小点。

数值求解算法能够充分利用环境状态信息、无人机飞行动态数据等信息，具有良好的鲁棒性。但是对于复杂的高维空间，传统方法将难以建立模型，而智能算法的避障性能依赖于数据集的质量。

当前各类自主避障算法具有各自的优点和特性，同时也存在自身的局限性。因此，可采用多种方法结合的方式来解决不同情况下的无人机避障问题。

五、另类的避障解决之道

科学家们从生物学中获得灵感启发。像蜜蜂就这么往前飞，根本不需要担心撞到别的东西上，或是撞到其他蜜蜂。

从这个层面思考，假设你是一个机器人学家，你大概就会不要想着可以完全避免小碰小撞了，尽量别让自己撞得太惨就好。所以在这方面，瑞士的创业公司 Flyability 是第一个在常规型号、带有万向保护罩的无人机身上展现碰撞稳定性的益处，并将无人机在森林和冰穴中历练过。

美国宾夕法尼亚大 GRASP Lab 团队关注有弹性的小型无人机，推出了一系列重约25克、长仅10公分的宽版微型无人机。每架无人机都有一个轻量级的、自动复原减震结构。它由热固化的纱质材质构成，包含了1万2千股碳纤维。这款微型无人机可以由一个简单的控制器操纵， “这个解决方法非常独特。要知道，由于繁忙的感应器和资源压缩的处理器的存在，障碍是根本无法避开的。这款无人机通过对碰撞的弹性反应，在获取本地信息的情况下，就可以轻松实现导航。目前，我们正在尝试让安全而智能的机器人在杂乱的室内环境中运行。”至于这个研究成果的实际应用方向，Kumar教授说：“想想一下，在救援环境中，你想靠一些机器人进入受到污染的地方或是危楼内，获取地图。我们打造的这款机器人可以让你摆脱动作规划等高难度问题的束缚，只需要通过简单的控制算法。如果你放心让机器接受碰撞可能带来的后果，你就可以用非常简单的算法实现导航了。”

无人机在不同的应用场景有不同的避障需求。例如无人机在工程场地进行巡检时，需要与建筑主体维持着特殊距离或者角度，以避免可能的碰撞；在隧道等昏暗的场地，需要能主动避开原有障碍物，甚至要能快速躲避如蝙蝠等飞行动物，才能在视线不明的情况下完成巡检任务；巡视铁塔时，须能够避开微细的电线，以避免被细微物缠绕而导致危险；喷洒农药时，为了精准喷洒于正确的农作物上，无人机需保持在农作物上1～2米的距离，以避免重复喷洒农药的问题。

完美的避障系统可以更好地完成任务，降低事故发生率。正因如此，避障技术成为无人机发展的重要议题。国际上知名的无人机厂商纷纷入局避障系统，预计将在未来几年趋于完善，成为商业应用无人机的标准配备。而长远来看，无人机想要普及到农业、建筑、运输、媒体等领域，「智能化」肯定是必经之路。只有在飞行功能上做到智能控制，才有余量去满足不同行业的需求。如今由“避障功能”而衍生出的一系列“智能飞行”功能，无疑就是“无人机智能化”的阶段性体现之一。

(文/权博士)