论文部分内容阅读
序言
自“无人机”这个概念被提出以来，它的曝光率从未达到当下这一高度。无人机，全称无人驾驶飞行器（Unmanned Aerial Vehicle），简称UAV。近年来，无人机的普及率不断提高，甚至有的未成年人都拥有了自己的无人机。不过即使包括拥有者在内，真正了解无人机工作原理的人却并不多。我们将在这篇文章中介绍一套完整飞行系统所包含的功能模块，例如螺旋桨、飞控、传感器等，以及它们是怎样为我们的飞行梦协作助力的。
在了解专业知识之前，我们必须先留意一个更为重要的话题——无人机飞行安全。无人机的制造门槛并不高，但是真正困难的是如何确保飞行过程中的绝对安全。无人机闯入机场上空，便是一个几乎每月都会发生的安全反例。这不仅会造成航班延误，还会带来不小的经济损失。放眼无人机论坛，无人机事故（“炸机”）的帖子也比比皆是——当然大部分是用户没有仔细阅读厚重的新手指南所致。购买者所希望拥有的，一定都是一架对新手友好，并且绝对安全的无人机。这便也成为了下文将提到的几家无人机公司所致力的目标。比如全球最大的无人机公司大疆（DJI），占据着最多的无人机市场份额，这离不开它已潜心钻研了数年的避障技术和冗余技术。
在我们使用无人机的过程中，遵守相关法规远比单纯追求刺激更为重要。按照多数国家的规定，在相关部门网站进行注册登记，是使用无人机的第一步，比如美国的FAA、中国的CAAC。同时，无人机的规格也受到多重限制，例如在中国，若要操控七千克以上的无人机，必须考取相关执照，进行特殊活动时则必须在政府部门进行备案（如峰会期间）。不同地区的差异性也促成了无人机监管政策的差异化，比如，机场、国境线、政府机关的周围是严禁飞行无人机的。香港的法律体系则更为严格，以更好地保护相对密集的人口。可在禁飞区信息和航空管理局条例中获取各地区具体规定，以保证飞行时的人员及财产安全。
无人机的应用
摄影：
摄影行业是无人机已广泛应用的行业之一，它的相关特性，诸如长距离控制和图像传输，四旋翼设计，构成了消费者眼中无人机的标志性形象。
电力线缆检测：
无人机在电力线缆检测中的应用，极大地弥补了人力和直升机检测的缺陷。同时，它以相对低廉的价格与较高效率，正在逐渐取代传统作业方法。这一领域的无人机通常采用固定翼设计，以延长飞行时间，增大覆盖范围。
远程测绘与勘测：
无人机对其经过的地理环境，例如山脉、湖泊、建筑等，可以建立3D模型以供分析。通过它采集的地理位置、海拔、长度信息等，科学家可以实现對自然资源的规划与利用，也可进行地质勘测与水资源保护等研究。
植物保护：
用于这一行业的无人机，可通过在树林、农场上空的飞行来获取相关信息，比如作物产量、植被覆盖率等，同时也可进行相关操作，比如喷洒农药、授粉等。
飞行原理
通常来说，无人机依靠四个螺旋桨向下推动气流，来获得上升的动力，它的原理是作用力与反作用力相当（牛顿第三定律）。在垂直方向进行运动，无人机需要改变电机的角速度，以此制造动力与重力的差额。在水平方向进行运动，则需要制造无人机各边电机的角速度差。由于无人机的相邻电机旋转方向相反，当对角线上的两对电机转速不同时，无人机就会产生自转。
但是，仅仅通过这些，无人机无法达到我们的“飞行”需求，它需要更深层次的内部机制来支撑。这一内部机制，意味着许许多多的传感器与芯片。
螺旋桨
螺旋桨的分类标准中，首要标准是其长度和螺距。后者决定了螺旋桨自转一周所前进的距离，螺距越小所需扭矩越小，电机的电流要求也就越小。螺旋桨的长度则要与无人机尺寸相匹配，一个过大的螺旋桨在小型无人机上显然作用有限。螺旋桨上有相关符号对其标准进行标注，例如SI 64/34，一般表示螺旋桨直径为64英寸，螺距为34英寸。
无人机传感器及导航系统
对于无人机来说，所有的传感器和相关部件都是从稳定飞行这一需求中延伸出的必要组成部分。为了平稳飞行，无人机必须了解自身的相对位置和绝对位置。在一个3D世界中，x，y，z是需要测量的三种位置坐标数据，这就要求无人机配备GPS系统。虽然GPS也可以通过分析其多普勒效应而获得三位速度，这种计算通常不能在小型无人机平台上实现。但是，为了满足所有飞行需求，四轴飞行器仅仅获知这几个量是远远不够的。当无人机向前飞行，它需要通过产生倾角来获得一个螺旋桨气流产生的水平分力。故无人机需要测量其姿态，也就是与角度相关的量，包括3D的角度，角速度。加上之前提到的3D位置，速度，加速度，一共是15个量需要被测量。
拿无人机悬停举个例子：当无人机检测到一个水平方向向东的漂移，它需要一个向西的水平目标速度来回到原位。通常这个目标速度是通过获知其当前速度并产生一个目标加速度而实现的。为了精确控制无人机的加速度，无人机需要了解其三维角度和角速度来改变点击速度，进而产生一个瞬时目标姿态来移动位置。
在这个过程中，无人机的各类传感器和其之间的相互配合是最复杂的部分。最近几十年来科技的发展建立起了一套组合导航系统，包括GPS、IMU、气压计、电子指南针等模块，以测量上述数据。
IMU：
IMU（Inertial Measurement Unit 惯性测量单元）包括加速度测量仪和角速度测量仪。根据微积分原理，加速度的积分是速度，速度的积分是位移。同样可知，角加速度的积分是角速度，角速度的积分是角位移。所以，这套系统原则上已足够测量出飞行所需的全部数据。事实上，在GPS发明之前，导弹等飞行物就是利用相似原理进行定位与导航的。但是这套系统的缺点在于其产生的误差会不断累积，尤其是当无人机的自身限制使得IMU不断缩小体积、降低成本时，这种误差会更为凸显，甚至在几秒钟的时间内定位便会产生数米的偏移。 除了GPS，电子指南针和气压计也可以作为IMU中矫正误差、精确并完善定位功能的重要补充元件，例如，加速度的积分——速度，既可以被IMU直接测量，又可以由GPS信息经过积分得出。因此，同种数据之间得以相互矫正、减小误差。同理，经二级积分后的数据又可以与其他同种数据相互矫正。随着数学科学的不断发展，更多计算方法提出也使得IMU的误差不断缩小。比如卡尔曼（Rudolf E.Kálmán）所提出的卡尔曼滤波器可将过去的测量估计误差合并到新的测量误差中，来估计相对准确的目标量。这一理论在NASA的阿波罗飞船上得以首次应用。
GPS：
GPS是最常见、最被广泛应用的传感器，可以测量三维位置量及通过计算三个量的倒数获知无人机的三维速度，加速度。但是它有着明显的缺点：它需要从大气层另一侧发射的卫星信号支撑，这也就决定了当处于一个受遮蔽的环境中，信号将会变得非常微弱，同时受到许多干扰。所以特殊环境要求着替代方案，例如超声波定位和视觉定位。
超声波模块：
超声波传感器由两部分组成：发出特定频率声波信号的发射器，和将接收到的声波信号转化为电子信号的接收器。它通过测量声波发射与接收时间的差值，从而计算出距离长度。在短距离的应用场景中，这是一个相对廉价高效的方案。但是这种方案也有明显的短板，如无人机自身震动干扰、水汽干扰、反射面材质干扰等。在目前的无人机行业中，超声波定位系统通常用于0.1-10米的高度测量，特别是室内等GPS信号弱的环境。
视觉模块：
人类的一只眼睛可以看到二维世界，而将两只眼睛的物象处理和结合后，便可以得出一个三维的立体世界。视觉定位系统来源于相机的发明，有了相机来模仿人眼，工程师便可以构建一些算法使其达到能够感知三维世界的目的，叫做“机器视觉”。仅仅通过机器视觉系统，飞行所需的物理量也可以被测量出，但较大的计算量和图像质量是其主要约束。不过，机器视觉系统也可以同本文其他传感器结合以共同工作。
利用机器视觉系统得出物体速度这一想法，首先于1950年在生物领域被提出，灵感是人类可以轻松感知周围物体的运动。1981年卢卡斯（Lucas-Kanade）提出了光流算法，也就是用连续的图片来分析运动物体的 速度。虽然听起来很简明实用，但是其潜在的条件是物体必须只做水平運动，同时需得知图像像素与真实尺寸的固定关系，比如1像素代表1米的实际距离。所以，除了这颗相机之外，IMU和超声波传感器也需共同工作，来减小各种因素所致的误差。
视觉里程计和速度测量仪使用的元器件大致相同，但前者需要结合更复杂的算法，从而由相似图像得出更多所需数据。视觉里程计的数据处理量与速度测量仪相比是成倍增加的，因为其不但要分析平面位移，还要反推出三维位置，并且进行多次优化处理。有的视觉里程计甚至还包含并依赖于光流测速模块，所以视觉里程计的精确性往往优于速度测量仪，甚至在长距离飞行中也可以将误差控制在厘米级。
以复杂程度划分，视觉里程计有两种类型：更早出现、运算量更小的双目视觉模块，和各大高校正致力于研发的单目视觉模块。前者可以在一定时间内拍摄连续照片，并分析左右相机所成图像的视觉差，即可通过几何原理算出其三维位置。双目视觉模块已在现今无人机上实现成熟应用，如大疆精灵4 PRO即配备了三套（有冗余）的视觉里程计以进行数据测量并提供避障功能。
与双目视觉模块相比，单目视觉模块只能由相机运动获得视觉差，而不是前者左右相机位置不同所得的视觉差。这就决定了单目视觉系统的相关算法更为复杂，相关技术也正处于研发过程中，还未实现商用。
NASA曾将视觉里程计与一枚20MHz的处理器装配到MER-A和MER-B两辆火星车上，并成功带到火星。2007年，《火星上的机器视觉》一文发表，并极大地激起了相关领域的关注度和研发热情。随着科技的发展，视觉定位系统定会不断完善自身，同时实现更广阔的用途。
飞控：
有了上述复杂的组合导航系统以及飞行传感器，就需要一个强大的处理器整合这些数据，并提供更多功能如新手模式、禁飞区、SDK、自动返航等——这就是飞控。
总结
我们上文讨论了组合导航系统所包含的GPS、IMU、气压计、指南针、超声波传感器以及视觉定位模块，虽然它们都无法独立承担数据测量工作，但是可以共同与飞控协作，来稳定应对各种飞行环境，如摇曳的灌木丛上方、流水上方等场景。同时，关键传感器的冗余设计进一步降低了无人机出现故障（炸机）的风险。
正如气囊和ABS系统对于汽车的必要性，无人机也需要一套可靠的传感器与完善的飞控系统来保障安全。例如，当无人机从高层室内直接飞向室外时，不完善的飞控系统就无法应对突然变化的高度，若GPS不能立即作用，那结果只能是坠落，威胁整个社会的安全。从对大众负责的角度而言，一个缺少安全措施的无人机不应该被推向市场。飞控系统完善的基础仍然是一个个基本的传感器，同时伴随基础算法的迭代而成。新型传感器则必须真正融入整套飞控系统，才能发挥应有的作用。从操纵者的角度出发，抛开安全去谈论任何花哨的功能是没有一点意义的。无人机不是玩具，消费者梦想的无人机不仅仅是价格低廉者，安全性更不能缺席。
（作者单位：山东青岛市）
自“无人机”这个概念被提出以来，它的曝光率从未达到当下这一高度。无人机，全称无人驾驶飞行器（Unmanned Aerial Vehicle），简称UAV。近年来，无人机的普及率不断提高，甚至有的未成年人都拥有了自己的无人机。不过即使包括拥有者在内，真正了解无人机工作原理的人却并不多。我们将在这篇文章中介绍一套完整飞行系统所包含的功能模块，例如螺旋桨、飞控、传感器等，以及它们是怎样为我们的飞行梦协作助力的。
在了解专业知识之前，我们必须先留意一个更为重要的话题——无人机飞行安全。无人机的制造门槛并不高，但是真正困难的是如何确保飞行过程中的绝对安全。无人机闯入机场上空，便是一个几乎每月都会发生的安全反例。这不仅会造成航班延误，还会带来不小的经济损失。放眼无人机论坛，无人机事故（“炸机”）的帖子也比比皆是——当然大部分是用户没有仔细阅读厚重的新手指南所致。购买者所希望拥有的，一定都是一架对新手友好，并且绝对安全的无人机。这便也成为了下文将提到的几家无人机公司所致力的目标。比如全球最大的无人机公司大疆（DJI），占据着最多的无人机市场份额，这离不开它已潜心钻研了数年的避障技术和冗余技术。
在我们使用无人机的过程中，遵守相关法规远比单纯追求刺激更为重要。按照多数国家的规定，在相关部门网站进行注册登记，是使用无人机的第一步，比如美国的FAA、中国的CAAC。同时，无人机的规格也受到多重限制，例如在中国，若要操控七千克以上的无人机，必须考取相关执照，进行特殊活动时则必须在政府部门进行备案（如峰会期间）。不同地区的差异性也促成了无人机监管政策的差异化，比如，机场、国境线、政府机关的周围是严禁飞行无人机的。香港的法律体系则更为严格，以更好地保护相对密集的人口。可在禁飞区信息和航空管理局条例中获取各地区具体规定，以保证飞行时的人员及财产安全。
无人机的应用
摄影：
摄影行业是无人机已广泛应用的行业之一，它的相关特性，诸如长距离控制和图像传输，四旋翼设计，构成了消费者眼中无人机的标志性形象。
电力线缆检测：
无人机在电力线缆检测中的应用，极大地弥补了人力和直升机检测的缺陷。同时，它以相对低廉的价格与较高效率，正在逐渐取代传统作业方法。这一领域的无人机通常采用固定翼设计，以延长飞行时间，增大覆盖范围。
远程测绘与勘测：
无人机对其经过的地理环境，例如山脉、湖泊、建筑等，可以建立3D模型以供分析。通过它采集的地理位置、海拔、长度信息等，科学家可以实现對自然资源的规划与利用，也可进行地质勘测与水资源保护等研究。
植物保护：
用于这一行业的无人机，可通过在树林、农场上空的飞行来获取相关信息，比如作物产量、植被覆盖率等，同时也可进行相关操作，比如喷洒农药、授粉等。
飞行原理
通常来说，无人机依靠四个螺旋桨向下推动气流，来获得上升的动力，它的原理是作用力与反作用力相当（牛顿第三定律）。在垂直方向进行运动，无人机需要改变电机的角速度，以此制造动力与重力的差额。在水平方向进行运动，则需要制造无人机各边电机的角速度差。由于无人机的相邻电机旋转方向相反，当对角线上的两对电机转速不同时，无人机就会产生自转。
但是，仅仅通过这些，无人机无法达到我们的“飞行”需求，它需要更深层次的内部机制来支撑。这一内部机制，意味着许许多多的传感器与芯片。
螺旋桨
螺旋桨的分类标准中，首要标准是其长度和螺距。后者决定了螺旋桨自转一周所前进的距离，螺距越小所需扭矩越小，电机的电流要求也就越小。螺旋桨的长度则要与无人机尺寸相匹配，一个过大的螺旋桨在小型无人机上显然作用有限。螺旋桨上有相关符号对其标准进行标注，例如SI 64/34，一般表示螺旋桨直径为64英寸，螺距为34英寸。
无人机传感器及导航系统
对于无人机来说，所有的传感器和相关部件都是从稳定飞行这一需求中延伸出的必要组成部分。为了平稳飞行，无人机必须了解自身的相对位置和绝对位置。在一个3D世界中，x，y，z是需要测量的三种位置坐标数据，这就要求无人机配备GPS系统。虽然GPS也可以通过分析其多普勒效应而获得三位速度，这种计算通常不能在小型无人机平台上实现。但是，为了满足所有飞行需求，四轴飞行器仅仅获知这几个量是远远不够的。当无人机向前飞行，它需要通过产生倾角来获得一个螺旋桨气流产生的水平分力。故无人机需要测量其姿态，也就是与角度相关的量，包括3D的角度，角速度。加上之前提到的3D位置，速度，加速度，一共是15个量需要被测量。
拿无人机悬停举个例子：当无人机检测到一个水平方向向东的漂移，它需要一个向西的水平目标速度来回到原位。通常这个目标速度是通过获知其当前速度并产生一个目标加速度而实现的。为了精确控制无人机的加速度，无人机需要了解其三维角度和角速度来改变点击速度，进而产生一个瞬时目标姿态来移动位置。
在这个过程中，无人机的各类传感器和其之间的相互配合是最复杂的部分。最近几十年来科技的发展建立起了一套组合导航系统，包括GPS、IMU、气压计、电子指南针等模块，以测量上述数据。
IMU：
IMU（Inertial Measurement Unit 惯性测量单元）包括加速度测量仪和角速度测量仪。根据微积分原理，加速度的积分是速度，速度的积分是位移。同样可知，角加速度的积分是角速度，角速度的积分是角位移。所以，这套系统原则上已足够测量出飞行所需的全部数据。事实上，在GPS发明之前，导弹等飞行物就是利用相似原理进行定位与导航的。但是这套系统的缺点在于其产生的误差会不断累积，尤其是当无人机的自身限制使得IMU不断缩小体积、降低成本时，这种误差会更为凸显，甚至在几秒钟的时间内定位便会产生数米的偏移。 除了GPS，电子指南针和气压计也可以作为IMU中矫正误差、精确并完善定位功能的重要补充元件，例如，加速度的积分——速度，既可以被IMU直接测量，又可以由GPS信息经过积分得出。因此，同种数据之间得以相互矫正、减小误差。同理，经二级积分后的数据又可以与其他同种数据相互矫正。随着数学科学的不断发展，更多计算方法提出也使得IMU的误差不断缩小。比如卡尔曼（Rudolf E.Kálmán）所提出的卡尔曼滤波器可将过去的测量估计误差合并到新的测量误差中，来估计相对准确的目标量。这一理论在NASA的阿波罗飞船上得以首次应用。
GPS：
GPS是最常见、最被广泛应用的传感器，可以测量三维位置量及通过计算三个量的倒数获知无人机的三维速度，加速度。但是它有着明显的缺点：它需要从大气层另一侧发射的卫星信号支撑，这也就决定了当处于一个受遮蔽的环境中，信号将会变得非常微弱，同时受到许多干扰。所以特殊环境要求着替代方案，例如超声波定位和视觉定位。
超声波模块：
超声波传感器由两部分组成：发出特定频率声波信号的发射器，和将接收到的声波信号转化为电子信号的接收器。它通过测量声波发射与接收时间的差值，从而计算出距离长度。在短距离的应用场景中，这是一个相对廉价高效的方案。但是这种方案也有明显的短板，如无人机自身震动干扰、水汽干扰、反射面材质干扰等。在目前的无人机行业中，超声波定位系统通常用于0.1-10米的高度测量，特别是室内等GPS信号弱的环境。
视觉模块：
人类的一只眼睛可以看到二维世界，而将两只眼睛的物象处理和结合后，便可以得出一个三维的立体世界。视觉定位系统来源于相机的发明，有了相机来模仿人眼，工程师便可以构建一些算法使其达到能够感知三维世界的目的，叫做“机器视觉”。仅仅通过机器视觉系统，飞行所需的物理量也可以被测量出，但较大的计算量和图像质量是其主要约束。不过，机器视觉系统也可以同本文其他传感器结合以共同工作。
利用机器视觉系统得出物体速度这一想法，首先于1950年在生物领域被提出，灵感是人类可以轻松感知周围物体的运动。1981年卢卡斯（Lucas-Kanade）提出了光流算法，也就是用连续的图片来分析运动物体的 速度。虽然听起来很简明实用，但是其潜在的条件是物体必须只做水平運动，同时需得知图像像素与真实尺寸的固定关系，比如1像素代表1米的实际距离。所以，除了这颗相机之外，IMU和超声波传感器也需共同工作，来减小各种因素所致的误差。
视觉里程计和速度测量仪使用的元器件大致相同，但前者需要结合更复杂的算法，从而由相似图像得出更多所需数据。视觉里程计的数据处理量与速度测量仪相比是成倍增加的，因为其不但要分析平面位移，还要反推出三维位置，并且进行多次优化处理。有的视觉里程计甚至还包含并依赖于光流测速模块，所以视觉里程计的精确性往往优于速度测量仪，甚至在长距离飞行中也可以将误差控制在厘米级。
以复杂程度划分，视觉里程计有两种类型：更早出现、运算量更小的双目视觉模块，和各大高校正致力于研发的单目视觉模块。前者可以在一定时间内拍摄连续照片，并分析左右相机所成图像的视觉差，即可通过几何原理算出其三维位置。双目视觉模块已在现今无人机上实现成熟应用，如大疆精灵4 PRO即配备了三套（有冗余）的视觉里程计以进行数据测量并提供避障功能。
与双目视觉模块相比，单目视觉模块只能由相机运动获得视觉差，而不是前者左右相机位置不同所得的视觉差。这就决定了单目视觉系统的相关算法更为复杂，相关技术也正处于研发过程中，还未实现商用。
NASA曾将视觉里程计与一枚20MHz的处理器装配到MER-A和MER-B两辆火星车上，并成功带到火星。2007年，《火星上的机器视觉》一文发表，并极大地激起了相关领域的关注度和研发热情。随着科技的发展，视觉定位系统定会不断完善自身，同时实现更广阔的用途。
飞控：
有了上述复杂的组合导航系统以及飞行传感器，就需要一个强大的处理器整合这些数据，并提供更多功能如新手模式、禁飞区、SDK、自动返航等——这就是飞控。
总结
我们上文讨论了组合导航系统所包含的GPS、IMU、气压计、指南针、超声波传感器以及视觉定位模块，虽然它们都无法独立承担数据测量工作，但是可以共同与飞控协作，来稳定应对各种飞行环境，如摇曳的灌木丛上方、流水上方等场景。同时，关键传感器的冗余设计进一步降低了无人机出现故障（炸机）的风险。
正如气囊和ABS系统对于汽车的必要性，无人机也需要一套可靠的传感器与完善的飞控系统来保障安全。例如，当无人机从高层室内直接飞向室外时，不完善的飞控系统就无法应对突然变化的高度，若GPS不能立即作用，那结果只能是坠落，威胁整个社会的安全。从对大众负责的角度而言，一个缺少安全措施的无人机不应该被推向市场。飞控系统完善的基础仍然是一个个基本的传感器，同时伴随基础算法的迭代而成。新型传感器则必须真正融入整套飞控系统，才能发挥应有的作用。从操纵者的角度出发，抛开安全去谈论任何花哨的功能是没有一点意义的。无人机不是玩具，消费者梦想的无人机不仅仅是价格低廉者，安全性更不能缺席。
（作者单位：山东青岛市）