為解決無人車在複雜環境或災後環境下難以獲知道路通阻情況而導致作業效率低的問題，利用無人機能垂直升降、多方位飛行的便捷性，設計了一種無人機引導無人車航行的系統，利用無人機、地面站處理器與無人車的相互協作，實現地圖的建立與無人車的最優路徑規劃，使得無人車在無人機的導航下，能快速規避不暢通的道路，從而以最快效率行進到目的地。

引言

現如今，無人機、無人車技術發展得越來越成熟，實實在在地服務了眾多行業，軍事上用於偵查監測，民用上用於送快遞、電力巡檢等。但在應急救急這個特殊需求上，由於涉及環境或惡劣、或不確定因素極多，無人機與無人車各自獨立的分工難免呈現出各自的缺點，無人機在惡劣環境下，例如氣流變化大的情況下，其續航時間大大減少且運輸不穩定、載重有限，無人車則面對著難以實現宏觀掌控、導航搜索時間長、建圖效率低等問題，如此兩者獨立工作時都顯得效率低下。

然而，空地協同能很好地解決上述問題，兩者可以相互協作，取長補短。在救災工作中，無人車續航時間長，負載能力強，可搭載功能多，適合作為執行任務的主體；而無人機機動性強，能快速升降、多角度飛行 ，探索地形信息快，能夠快速建立地圖、從宏觀上掌控地理信息，適合為無人車提供有效的環境信息與行走路線。

本文將探討無人機與無人車協作導航系統的設計，期望利用無人機和無人車的優勢互補，通過相互合作以高效地完成複雜地形的路徑規劃任務，節省對未知地形的探索導航所花費的時間成本，提升任務完成效率與成功率。下文將從硬件設計、導航系統設計兩方面進行闡述。

1 協作系統組建

如圖1所示，本系統主要由三大部分組成：無人機、地面站和無人車。無人機在原有的飛行器控制模塊基礎上，增加RGBD傳感器、板載計算機以及WiFi通信模塊；地面站搭載了計算機、顯示器以及WiFi通信模塊；無人車搭載了微型計算機、運動控制器、編碼器以及WiFi通信模塊。

其中，RGBD傳感器包含可見光相機和深度相機兩部分，RGBD傳感器可以同時採集每個像素點的紋理及對應的深度信息，直接獲得飛行環境的三維點雲數據，並且深度信息的同步捕獲彌補了可見光相機的先天不足，使得該傳感器非常適用於3D環境的SLAM問題。基於MIT現有的研究，已有了非常成熟的無人機視覺導航系統，它通過融合RGBD和飛行控制模塊中的IMU等傳感器進行構建，其效果是可以在沒有GPS定位信息的情況下實時構建飛行環境的三維模型 。本文將該視覺導航系統進一步拓展應用到無人機引導無人車的系統上，無人車、無人機以及地面站所分別搭載的計算機均進一步搭載ROS系統，構建三個不同的節點，通過節點發布與訂閱消息建立分佈式計算系統，並且三者所搭載的WiFi通信模塊剛好用於三個節點之間的通信。無人車作為執行任務的主體，它所搭載的微型計算機、運動控制器與編碼器共同組成一個運動控制系統。

2 協作系統的工作方法

協作系統的設計總體而言為利用無人機攜帶的RGBD傳感器、IMU傳感器和板載計算機（ROS系統）進行SLAM，採集一片區域獲得地理環境信息，再通過WiFi通信模塊發送到地面站，由地面站的計算機集中處理環境信息並規劃出最優路徑，再通過WiFi通信模塊發送優化後的航行路線到無人車的計算機，從而輸出運動信息給無人車進行導航。

根據現有的研究，視覺導航系統採用的方法可以概述為基於特徵點匹配的方法。首先使用RANSAC算法獲得環境特徵點的匹配關係，然後從深度圖中讀取特徵點的深度信息，可直接獲得特徵點的3D座標，求解兩幀間相機的位姿變化，進而形成環境的三維點雲數據。地面站設在陸地上方便接收無人機與無人車信號的地方，其搭載高性能的計算機，依靠強大的計算力快速對地圖進行點雲處理、路徑規劃，減少地圖生成的延時性，同時通過顯示器還可以實時顯示導航情況，對小車狀態進行監控。

其路徑規劃方法為，先採集特定區域的點雲地圖，投影到二維平面轉換出柵格地圖，黑色為障礙物，顏色較深的灰色塊為危險區，顏色再淺一點的是可行區域，然後採用荷蘭計算機科學家Dijkstra於1959年提出的用來求得從起始點到其他所有點最短路徑的算法，每一次的計算都查找與該點距離最近的點。

假設小車的起點為源點，地圖上的目標點為終點，以源點為中心向外層層擴展（廣度優先搜索思想），直到擴展到終點為止，依據此算法計算出來的最短路徑即無人車的循跡路線。

3 結語

本協作導航系統的設計目的是充分利用無人機在空中能夠快速建立地圖的優勢與無人車地面續航時間長的優勢，使得無人機幫助無人車規避障礙物，快速到達終點，完成對未知地形的快速導航。對於未來群體異構機器人的合作、路線規劃，機器人協作導航探索提供了一個新的思路，希望本研究能夠節省對未知地形探索導航所花費的時間成本，提升任務完成效率與成功率。