你可能不知道的室内无人机秘密都在这里（二 ）

接上篇：你可能不知道的室内无人机秘密都在这里（一 ）
如果说上一篇是无人机现状的一些科普知识篇，那这篇就直接上干货了，希望能真正帮助到喜欢无人机行业、想深入研究无人机的小伙伴们。具体我将从国内外无人机室内自主定位导航技术分享以及技术实现两方面来阐述。

国内外无人机室内自主定位导航技术

自主定位导航是无人机实现智能化的前提之一，是赋予无人机感知和行动能力的关键因素。如果说无人机不会自主定位导航，不能对周围环境进行分析、判断和选择，规划路径，那么这个无人机就会完全不知道自己所在的位置，就更不用说实现自主控制了。

为什么无人机用激光雷达比较少

无人机自主定位导航技术其实是伴随着传感器的不断更新换代而发展变化。下表就是10年前的主流自主定位导航技术。可以看出无人机刚开始采用的多是视觉传感器，对激光传感器使用的还是比较少。而目前大疆运用到激光传感器的也就只有一些大型农业植保类的商用工业无人机。究其原因，还是激光雷达这种传感器目前成本还是太高，普通的单线激光雷达都要上千，更不用说现在应用在无人驾驶上面多线激光雷达了，动辄就上万，几十万到上百万。
不过目前激光雷达这块，我们国家很多公司都在发力发展，像2020年深圳速腾聚创、大疆都发布了自己近万元的激光雷达，价格的巨大优势一下就把国外第一玩家Velodyne（究其原因，还是自己不够重视未来量产计划，只知道抱着自己最先的技术优势，不思进取）打败了，如此种种，激光雷达量产之困、成本降低之难，正在不断解决。

针对视觉为主有哪些无人机定位导航技术

视觉定位导航主要借助视觉传感器完成，机器人借助单目、双目摄像头、深度摄像机、视频信号数字化设备或基于DSP的快速信号处理器等其他外部设备获取图像，然后对周围的环境进行光学处理，将采集到的图像信息进行压缩，反馈到由神经网络和统计学方法构成的学习子系统，然后由子系统将采集到的图像信息与机器人的实际位置联系起来，完成定位。

VSLAM

SLAM：同时定位和建图（Simultaneous Localization and Mapping）。为了精确的定位，需要有精确的环境地图；为了得到精确的环境地图，需要有精确的定位。
这便是先有鸡还是先有蛋的问题了。于是乎，只能同时定位与建图—SLAM。目前SLAM中应用最广泛的就是激光SLAM和视觉SLAM了，这里我们详细介绍下视觉SLAM（VSLAM）。
VSLAM目前发展技术包括：稀疏的视觉SLAM、半密集视觉SLAM、密集视觉SLAM、Visual-inertial SLAM（视觉惯性系统融合算法）、基于深度学习的VSLAM等

1）稀疏VSLAM：

• MonoSLAM是第一个实时单目系统，PTAM是第一个平行跟踪和建图的系统，它首先提出了包调整和关键帧的概念。ORB-SLAM采用了三个线程：循迹，基于包调整的局部优化和基于位姿图的全局优化，该系统支持单目、双目及RGBD。

2）半密集VSLAM：

• LSD-SLAM（基于单目的系统）提出了一种基于李代数和直接法的直接跟踪新方案。SVO（单目）半直接的视觉导航，利用基于稀疏模型的图像对齐来获得较快的速度。DSO（单目）基于直接法和稀疏法建立了一个可视化的导航系统。EVO（基于事件相机）是一种基于事件的视觉测程算法，不受模糊运动的影响，在高动态场景中变现良好。

3）密集VSLAM：

• DTAM（单目）在一种新的非凸优化框架中，通过最小化全局空间正则化能量泛函，实现三维模型的实时重建。MLM SLAM（单目）无需GPU就可以在线重建3D模型（计算量小），突出贡献在于多分辨率的深度估计和空间平滑处理。Kinect Fusion（RGBD）几乎是第一个具有深度摄像机的三维重建系统。DVO（RGBD）提出基于熵的关键帧选择相似度度量和基于g2o框架的闭环检测。

4）视觉惯性测程SLAM：

• 视觉SLAM的距离测定是技术难题：单目相机存在必要的初始化，尺度模糊和尺度漂移等问题；双目相机和RGBD相机计算量大，视场较小和场景的动态范围小等问题。逐渐，VIO (visual inertial odometry SLAM)视觉惯性里程计开始登上舞台。

5）基于深度学习VSLAM（基于语义SLAM）

• SLAM的处理过程中通过强图像处理算法，加入图像语义信息以提供高层次的理解、高鲁棒性、资源感知和任务驱动感知。最终可以实现目标识别与分割，帮助SLAM系统更好的感知周围环境。语义SLAM还可以在全局优化、重定位和循环closure中起作用。

这里要感谢各位大佬在VSLAM中的开源分享，让VSLAM技术能不断地通过大家共同努力，取得迅速的发展，具体常见开源方案如下：

参考链接：

• 多种视觉SLAM方案对比。
• SLAM综述：激光雷达与视觉SLAM
• 【SLAM】开源 | 港科大–VINS-Mono：基于视觉和IMU的紧耦合SLAM算法，VIO领域必读

我们如何选择？

任何脱离了实际应用场景，去谈项目开发，都是不现实的，所以现在国内不少无人机研发公司，都一直在做些科研性质的工作，无法落到实处。接下来和大家分析下我们的使用场景

应用场景分析

我们开发无人机最重要的目的就是：把无人机应用到配电室中，定期进行自主巡检，识别相应电表数据，最终代替人工巡检。
我们综合考虑下来，需要注意以下几个方面：

• 配电室电磁环境复杂，对一些传感器可能会有所影响，所以使用传感器要注意不能容易受电磁影响，而摄像头几乎不太容易受影响。
• 配电室环境单一，都是长廊+配电柜结构，但需考虑可能会有台阶（无人机基本不受影响，地面AGV机器人），所以可以考虑布置一些地标/二维码的AGV方式。
• 只是用来代替人工巡检在固定场景内进行工作，无人机需要尽量缩减不必要的功能及传感器，从而最大程度降低成本，不然成本如果动辄上万，那还不如继续用人工巡检。
• 进行电表数据识别，必须要配备摄像头。
• 需要研究自充电装置，以实现循环充电功能。
• 初代样机，加入手动摇控功能。
• 需要针对强光、逆光、黑夜场景做一定的补光措施

总结

我们将分两步走：
1）结合市场现有成熟无人机产品，进行二次开发（产品可二次开发图像处理及位置控制功能）。

2）使用开源飞控，进行无人机产品从结构设计到最终制作样机全套。具体讲涉及到以下几个方面，全面开发。

一、承载系统

主要指无人机机架设计，可以选择一些成熟的四轴多旋翼机架，如F330、F450、F550机架，尽量选择小巧、轻盈的机架，同时能搭载飞控、计算单元、传感器等。

二、动力系统

• 电池：可先选择常用航模锂电池，如3000-5200mah，后期根据自充电要求，定制化或选择可无线充电电池。
• 螺旋桨：注意和机架搭配选择，推荐搭配：9寸桨搭配轴距330MM机架，10寸桨搭配轴距450MM机架，11寸桨搭配轴距500MM机架，12寸桨搭配轴距550MM机架
• 电机：优先选择无刷电机，注意定子粗的，力气大。常见电机型号，如2212，3508，4010，这些数字表示电机定子的直径和高度。前面两位是定子直径，后面两位是定子高度，单位是毫米。 前两位越大，电机越粗，后两位越大，电机越高。又大又高的电机我们称为高富帅。力气大，效率高，价格越高。
  注意：一定要买知名品牌的电机，质量有保证（知名品牌的电机都有完整的效率表和全油门温度，没效率表和不敢标注全油门温度的就直接无视吧。）
• 电调：电调也就那么几个品牌可以选择。主流品牌好盈，蜘蛛，中特威。航拍电调的标杆是好盈铂金30A电调了，以响应快速，细腻的油门手感而受到玩家的亲赖。价格也不贵。
• 四轴航拍电机桨搭配推荐：
  3S电池1.8KG以下可用2216KV800电机搭配APC1147桨
  3S电池2KG以下可用2810KV750电机搭配APC1238桨
  3S电池2.5KG以下可用2814KV700电机搭配APC1340桨
  4S电池2.5KG以下可用2814KV600电机搭配APC1340桨
  3110KV650电机搭配APC1238桨
  3508KV580/KV700电机搭配DJI1555/APC1540桨。
  4108KV480/KV600电机搭配APC1447/APC1540桨
  6S电池，3KG以下可用3508KV380电机搭配DJI1555桨
  4108KV380电机搭配DJI1555桨
  4010KV320电机搭配DJI1555桨
  4008KV400电机搭配APC1447桨
  搭配种类实在太多就不一一列举了。

三、传感系统

• 摄像头，可选择：小觅相机、英特尔相机、华硕Xtion pro live或者大疆自主研发Guidance视觉传感器平台，必备传感器
• IMU，惯性测量系统，必备传感器
• 根据视觉算法需求，选择相关红外、超声波等传感器等，可选传感器
  

四、飞控系统

用于控制无人机飞行。

• 大疆飞控系统，如大疆N3、Naza-MV2飞行控制系统-DJI大疆创新

• 开源PX4相关飞控系统，Pixhawk4飞控
  PS：PX4是一款开源飞控软件，可用于无人机和其他无人载具。项目分享了用于创建订制化的无人机应用解决方案的相关技术，为无人机开发者提供一个灵活的工具集。PX4提供了一套交付无人机硬件支持和软件栈的标准，让生态系统以一种可扩展性的方式构建和维护软硬件。

五、运算单元

用于运行视觉算法、激光算法，以实现无人机自主定位导航。根据成本考虑可选择树莓派3B+ /4B、英伟达TX2、Nano，也可以选择大疆的妙算 Manifold。

六、开发平台

1. 大疆无人机开发平台
2. 高通 Snapdrgon Flight
3. 英特尔 Intel Aero

其它开源无人机开发平台

1. PX4 | Pixhawk开源无人机飞控
2. Dronecode非盈利无人机基金会
3. Paparazzi UAV
4. ArduPilot｜APM

七、无人机知识路线

以下是可供参考的无人机知识路线：
关于室内无人机的调研就到这里了，下一步小伙伴们可以期待开发工业场景无人机了，我也会根据项目实时进展，分享开发过程中的各种干货的，喜欢的小伙伴们可以关注、收藏，一键三连。

项目前篇：
你可能不知道的室内无人机秘密都在这里（一）
你可能不知道的室内无人机秘密都在这里（二 ）

项目开发篇
项目攻城战（一）

参考文章及链接：

• 依靠自身传感器的室内无人机自主导航引导技术综述 -倪 磊
• 旋翼无人机电池、电机、螺旋桨选型与搭配
• 阿木社区

写这篇博客的过程中，参考了我在知网上下载的一些论文（有些论文没有记录下来了，如果引用了关于您论文的资料，请告知我，及时附上您的论文链接）。
本文只供大家学习相关知识使用，不以任何商业盈利为目的，转载或分享请注明相关来源。如涉及到相关侵权，请联系我删除。
欢迎志同道合者互相交流学习，可以加我微信号：Zhihua_Steven，或者扫以下二维码添加我的微信。