博弈智能机器人时代，重新定义无人机控制算法研发

中国的人口红利正在消失，这也意味着未来劳动力的短缺将是一个中长期现象，工农业自动化程度提高十分迫切，因此机器人时代已大势所趋。无人机飞行器作为空中机器人，在各行各业都发挥了重要的作用，而控制算法是无人机技术的核心之一。高校实验室与科研领域是无人机控制算法的主要研究阵地，面对未来智能时代，需要重新定义控制算法的教学和研发方式。行业亟需一种更快速、高效的无人机控制算法研发模式，帮助教学及科研工作者在第一时间对算法进行实践验证，以提高教学和科研效率，适应科技风云瞬息万变的机器人时代。

无人机在躲避障碍物过程中，能够通过传感器、云端控制、摄像头这样的闭环，此外，依靠计算机视觉对环境进行检测，分析周围环境的特征，实现自我规划路径，就像人看到障碍物知道绕道那样。

但这不只是简单的避障。在陀螺仪和加速计的配合下，无人机知道如何根据环境特征进行移动。通过每秒做数百次的运算，计算出最可行的方位和速度。传感器不同的等级、不同的不确定性，我们都可以通过概率学的方法把系统数据融合在一起，通过一个等式把它归纳成一个位置和速度的估算。但这个要达到一定灵敏度也仍是个挑战。

此外，无人机在飞行过程中不仅需要可以判断其速度和位置，还要加以控制，避免走入障碍物区。这就是需要地图的识别技术了。近几年，四旋翼无人机的位姿估计即定位问题受到越来越多的关注。四旋翼无人机准确的定位是实现避障、路径规划以及抓取等各种复杂任务的基础和前提。目前广泛应用的定位方法有两类：一类是基于四旋翼无人机自身对环境进行同步定位与制图（SLAM），从而获得精确的位置信息；另一类是基于外部设备提供精确的位置信息，如全球卫星定位系统，光学动作捕捉系统。光学动作捕捉系统拥有高分辨率的摄像头，可以亚毫米级追踪一个或多个无人机的位姿。近几年，很多研究人员通过光学动作捕捉系统实现了四旋翼无人机的运动估计，并通过光学动作捕捉系统实现了多旋翼无人机的暴力操作，倾斜墙面上的停靠，以及物体抓取。光学动作捕捉系统适用在实验室、研究室这种研究场所，在科研阶段非常适用。同样，利用全球卫星定位系统实现定位的方法也有明显缺陷，因为在建筑物密集、室内、隧道等地方GPS定位几乎是完全失效的。综上所述通过视觉SLAM方法提供运动控制所需的准确位置信息又更大的应用价值。

无人机视觉定位算法验证

路径规划，自主避障算法验证

跟踪识别算法验证

基于视觉的无人机定位/导航/避障UAV+AI创新实验室建设方案

一．背景

博弈智能机器人时代，重新定义无人机控制算法研发

中国的人口红利正在消失，这也意味着未来劳动力的短缺将是一个中长期现象，工农业自动化程度提高十分迫切，因此机器人时代已大势所趋。无人机飞行器作为空中机器人，在各行各业都发挥了重要的作用，而控制算法是无人机技术的核心之一。高校实验室与科研领域是无人机控制算法的主要研究阵地，面对未来智能时代，需要重新定义控制算法的教学和研发方式。行业亟需一种更快速、高效的无人机控制算法研发模式，帮助教学及科研工作者在第一时间对算法进行实践验证，以提高教学和科研效率，适应科技风云瞬息万变的机器人时代。

无人机在躲避障碍物过程中，能够通过传感器、云端控制、摄像头这样的闭环，此外，依靠计算机视觉对环境进行检测，分析周围环境的特征，实现自我规划路径，就像人看到障碍物知道绕道那样。

但这不只是简单的避障。在陀螺仪和加速计的配合下，无人机知道如何根据环境特征进行移动。通过每秒做数百次的运算，计算出最可行的方位和速度。传感器不同的等级、不同的不确定性，我们都可以通过概率学的方法把系统数据融合在一起，通过一个等式把它归纳成一个位置和速度的估算。但这个要达到一定灵敏度也仍是个挑战。

此外，无人机在飞行过程中不仅需要可以判断其速度和位置，还要加以控制，避免走入障碍物区。这就是需要地图的识别技术了。近几年，四旋翼无人机的位姿估计即定位问题受到越来越多的关注。四旋翼无人机准确的定位是实现避障、路径规划以及抓取等各种复杂任务的基础和前提。目前广泛应用的定位方法有两类：一类是基于四旋翼无人机自身对环境进行同步定位与制图（SLAM），从而获得精确的位置信息；另一类是基于外部设备提供精确的位置信息，如全球卫星定位系统，光学动作捕捉系统。光学动作捕捉系统拥有高分辨率的摄像头，可以亚毫米级追踪一个或多个无人机的位姿。近几年，很多研究人员通过光学动作捕捉系统实现了四旋翼无人机的运动估计，并通过光学动作捕捉系统实现了多旋翼无人机的暴力操作，倾斜墙面上的停靠，以及物体抓取。光学动作捕捉系统适用在实验室、研究室这种研究场所，在科研阶段非常适用。同样，利用全球卫星定位系统实现定位的方法也有明显缺陷，因为在建筑物密集、室内、隧道等地方GPS定位几乎是完全失效的。综上所述通过视觉SLAM方法提供运动控制所需的准确位置信息又更大的应用价值。

几种典型的有遮挡的飞行环境

二．解决方案

2.1.AI视觉无人机开发平台—猫头鹰（OWL）

2.1.1. AI视觉无人机开发平台（OWL）概述

Owl是专为科研工作者与航空器开发者打造的小型化无人机开发平台，它搭载VisBot视觉模块，适用于无GPS环境下基于视觉的无人机定位/导航/避障算法的验证与开发，以及室内无人机组网编队的研究。Owl拥有自主的双目传感器和开发平台，平台支持ROS接口，提供了6核CPU和5Tops TPU计算资源。同时预装了融合了港科大的VINS_Fusion VIO算法的自定位系统，可以满足室内无人机定位需求。同时提供了EGO-Planner视觉避障算法，可以提供视觉避障功能。

2.2猫头鹰mini无人机蜂群开发平台（OWL-mini）

2.3OWL 无人机研究方向及教学实验

科研方向

单机

1）无人机飞控算法开发/验证；

2）V-Slam算法开发/验证；

3）路径规划/避障算法开发/验证；

4）AI算法开发/验证（目标识别/跟踪、人脸识别、强化学习）；

5）MVS三维重建算法开发/验证。

多机

1）集中式集群编队算法开发/验证；

2）分布式蜂群算法开发/验证；

3）多机协同搜索算法开发/验证。

教学实验

实操篇：

1）固件加载实验

2）参数加载实验

3）参数加载实验

4）传感器校准实验

5）遥控器校准实验

6）电调校准实验

7）PID实操实验

系统篇：

1）linux下环境搭建

2）Ubuntu系统搭建

3）ROS系统搭建

程序篇：

4）PX4源码下载与编译

5）PX4 飞控源码系统框架介绍：

姿态解算的代码实现部分

落地检测的代码实现部分

姿态控制的代码实现部分

位置控制的代码实现部分

位置解算的代码实现部分

传感器的初始化部分

uORB：进程间通信

传感器篇：

1）IMU和视觉传感器数据融合

2）Open CV视觉实验

3）Yolo部署实施及实验

关于中航恒拓

中航恒拓智能科技河北有限公司成立于2014年7月，于2017年与中航无人机合作成立中航恒拓无人机教育品牌，专门致力于教育、科研无人机领域，主要提供面向教育教学及科研、竞赛的人工智能+无人机解决方案及相关配套产品。主要产品及服务包括面向教育的无人机实训平台、无人机创客实验室解决方案、无人机实训实验室解决方案、职业院校无人机应用技术专业建设方案、无人机产教融合实训基地建设等，为各类教育机构提供无人机教育、实训实践、竞赛及学科建设多一站式服务。

公司具有强大的技术团队，于 2016 年在北京成立研发中心，与多家知名高校和研究机构合作，目前拥有专利及软件著作权数十项，2019 年被认定为为高新技术企业，现已与多所院校合作设立无人机专业、成立无人机工程实验室，提供了大量教学和比赛用无人机，产品在全国中学生登峰杯竞赛。全国大学生电子设计竞赛等竞赛中也广泛受到欢迎，并是中国工程机器人大赛唯一指定的空中机器人标准平台。

公司与国内多所知名院校就实验室共建、产品研发与测试、学生实训等诸多方面展开深如合作。先后与北京交通大学、北京理工大学、北京航空航天大学、清华大学、中科院自动化所等单位在技术研究和产品研发等方面进行深入合作。同时与北京威斯博、慧伊创新科技、河北蚁人电子等多家企业合作进行联合研发和设计，发挥各方优势，快速提升产品水平和企业综合竞争力。