一文读懂无人机与工业机器人的环境感知需求
 
从重塑物流的商用无人机，到走向通用化的自主移动机器人（AMR）与人形机器人，设备的定义已不再仅仅取决于其移动方式，更取决于其所具备的视觉感知能力。在这一进程中，如何突破极端环境、精度以及功耗的瓶颈，成为推动行业纵深发展的关键。
本系列将分三篇为您深度拆解安森美（onsemi）发布的《面向无人机和机器人的图像传感器教程》白皮书。本文为第一篇，聚焦宏观场景与感知策略，梳理现代商用无人机和视觉引导机器人的环境感知需求。
一、 一场感知革命
任何能够自主或半自主运行和移动的装置，都需要获取自身位置和行进方向信息。本文将介绍其中两类装置：
Ÿ 无人机（UAV）：一种通过编程实现自主导引和导航的飞行器，通常低空飞行，能够避开沿途障碍物并应对不可预测的天气状况，从上方观测大片土地或建筑。
Ÿ 视觉引导机器人（VGR）：此类装置通过编程，利用视觉成像、地图构建和深度感知等多种技术实时获取信息，从而确定完成指定任务的最佳移动路线。
UAV和VGR都在不断演进，所采用的架构也在持续创新，以便更好地利用从周围世界感知到的信息。在演进过程中，它们逐渐细分为不同的类别，而且每个类别利用图像传感器数据和在此基础上协调任务活动的方式不尽相同，形成了各自特有的策略。如今，每个类别的定义不仅取决于移动方式和目标任务，还取决于所具备的视觉感知能力。
二、 无人机如何感知环境
无人机的两大主要成像系统分别用于导航和视觉感知。两者所涉及的传感器在设计和运行方面都存在根本性的差异。


 
云台安装式图像传感器
无人机的前置云台实际上就相当于它的“头部”。在飞机和航天器导航应用中，云台一直以来的作用就是安装陀螺仪；但对于无人机来说，云台必不可少，能够让无人机摆脱前方视野限制，持续追踪一个或多个目标。为此，云台被赋予了俯仰和倾斜调节的能力，不过当需要进行360度扫描时，无人机往往只需原地旋转即可，云台的俯仰倾斜便无关紧要了。
如今，无人机云台是一个非常重要的部件，以至于围绕云台已经发展出一个独立于无人机本体的完整产业。云台通常可支持多达三种类型的相机，包括以下类别：
Ÿ 第一人称视角（FPV）：类似于载人飞机乘客的目视视野
Ÿ 热成像/红外或近红外（NIR）成像：能够检测被摄物体表面散发的热量，通常用于探测生物或危险的热源或物质
Ÿ 长焦镜头：通常配备更高分辨率的图像传感器，一般具有亚微米级像素，可扩展空间分辨率，从而更好地区分对比度和动态范围的差异；或者使用焦距更长、具有2倍至5倍光学变焦的镜头
防撞系统
无人机防撞系统的功能和算法位于其电子控制单元（ECU）中。它是无人机固件或软件的一部分。
与地面自主车辆不同，无人机为了避开检测到的任何障碍物而必须及时处理的各种信息都必须存储在设备本地，而不是存储在云端或远程处理器中。
因此，这类系统需要多个数据源，包括：来自云台的传感器数据、来自雷达或激光雷达的距离和测距数据、来自GPS的测绘坐标数据。机载防撞系统（ACAS）是一种避免空中碰撞的标配组件，通常能够自主运行。ACAS最初是针对各类飞机研发的，如今ACAS的一些版本正被改造用于无人机。
视觉导航系统（VNS）
无人机的视觉导航系统集成在同一硬件和图像传感器系统中。虽然防撞系统可能只需要一个FPV相机，但如果有两个，就能协同工作。相机以双目立体模式工作，向ECU输出连续帧图像，为VNS提供视觉里程计功能：通过比对路口等地标在画面中的实际位置与内置地图的预估坐标，推算位置和方向与行进距离。
同步定位与地图构建（SLAM）
将视觉数据与地图数据相结合的方法称为同步定位与地图构建。配备SLAM技术的无人机不仅能够估计自身位置，而且能够在一个数据源甚至两个数据源都不可用时，规划出自己的飞行路线。例如，如果SLAM利用两个里程计源推断出某个物体的方位和速度，就能引导无人机的导航系统转向避障；若仅使用单个数据源，则仅能生成自身的航向调整方案。
三、 系统级传感器配置需求

 
自主设备所需的传感器 - 无人机
 

 
自主设备所需的传感器 - VGR机器人
 
未完待续，接下来的系列推文将继续介绍如何判断图像传感器质量、高动态范围等，并解锁安森美图像传感解决方案。
 

免责声明：本文若是转载新闻稿，转载此文目的是在于传递更多的信息，版权归原作者所有。文章所用文字、图片、视频等素材如涉及作品版权问题，请联系本网编辑予以删除。