技术分享 | 如何让无人机实现室内自主搜寻？

在电影《烈火英雄》的电影有这样一幕，在火灾现场之后会对余火进行排查，由于人工排查中存在死灰复燃的情况，这给消防员的工作带来了极大的危险，我在想是否有一种机器人代替人完成高风险的工作呢？

我首先想到的时候关于轮式、履带式地面机器人，可是我发现火灾后的现场环境总是复杂的，地面环境更是崎岖不平存在楼梯的房间更是难以到达。

因此，自主快速移动的无人机在我的脑海中荡漾。我开始想我应该怎么设计我的无人机，我需要哪些功能，并如何实现这些功能。我大概有两条技术路线，第一条是买现成的飞机加上自己的模块，但是这样的无人机的定制化并不高达不到室内搜索的效果，第二条技术路线是采用的开源方案进行深度的开发个性化定制。我选择了后者。开源的飞控有很多，但是怎么能让飞机实现自主飞行呢？我找到了阿木实验室的Prometheus自主无人机开源项目。我使用了其中的几个比较大的模块，例如室内定位、路径规划（避障）、控制、Aruco码识模块。

其中比较主要的两个模块路径规划和Aruco码识模块，接下来我将做简单的介绍。全局路径规划分为全局算法和局部算法：全局路径规划是在已知的环境中，给机器人规划一条路径，路径规划的精度取决于环境获取的准确度，全局路径规划可以找到最优解，但是需要预先知道环境的准确信息，当环境发生变化，如出现未知障碍物时，该方法就无能为力了。它是一种事前规划，因此对机器人系统的实时计算能力要求不高，虽然规划结果是全局的、较优的，但是对环境模型的错误及噪声鲁棒性差。

局部路径规划则环境信息完全未知或有部分可知，侧重于考虑机器人当前的局部环境信息，让机器人具有良好的避障能力，通过传感器对机器人的工作环境进行探测，以获取障碍物的位置和几何姿态等信息，这种规划需要搜集环境数据，并且对该环境模型的动态更新能够随时进行校正，局部规划方法将对环境的建模与搜索融为一体，要求机器人系统具有高速的信息处理能力和计算能力，对环境误差和噪声有较高的鲁棒性，能对规划结果进行实时反馈和校正，但是由于缺乏全局环境信息，所以规划结果有可能不是最优的，甚至可能找不到正确路径或完整路径。两者协同工作，机器人可更好的规划从起始点到终点的行走路径。

A算法：A算法是全局启发式搜索算法，是一种尽可能基于现有信息的搜索策略，也就是说搜索过程中尽量利用目前已知的诸如迭代步数，以及从初始状态和当前状态到目标状态估计所需的费用等信息。

A*算法在选择下一个被检查的节点时考虑来之前花费代价，同时使用到目标距离作为引导，两者之和作为评价该节点处于最优路线上的可能性的量度，这样可以首先搜索到位于最优路径上可能性大的节点。

A算法的基本思想如下：引入当前节点j的估计函数f^,当前节点j的估计函数定义为：
$f^(j)= g(j)+h^(j)$ 其中
$g(j)$是从起点到当前节点j的实际代价的量度，
$h^(j)$是从节点j到终点的最小消耗的估计，可以依据实际情况，选择
$h^(j)$的具体形式，
$h^(j)$要满足一个要求：不能高于节点j到终点的实际最小费用。从起始节点向目的节点搜索时，每次都搜索
$f^(j)$最小的节点，直到发现目的节点。

——-引用于阿木实验室Prometheus-Wiki

Aruco码识模块：其中的ArUco是一个开源的微型的现实增强库，它除了用于现实增强，还很用于实现一些机器视觉方面的应用，波士顿最新的人形机器人Atlas也曾使用过改方法进行视觉定位。

ArUco开源库有几个特点例如：1.基于C++；2.仅依赖于OpenCV（≥2.4.9）和Eigen3。 路径规划采用的是A算法、目标检测算法采用的是ArUco机器视觉算法，接下来就是室内搜索无人机的演示视频啦（点击链接文章末尾）： mp.weixin.qq.com/s?__biz=MzI…

• End –

技术发展的日新月异，阿木实验室将紧跟技术的脚步，不断把机器人行业最新的技术和硬件推荐给大家。看到经过我们培训的学员在技术上突飞猛进，是我们培训最大的价值。如果你在机器人行业，就请关注我们的公众号，我们将持续发布机器人行业最有价值的信息和技术。 阿木实验室致力于前沿IT科技的教育和智能装备，让机器人研发更高效！