全文总字数：3390字

1. 研究目的与意义及国内外研究现状

多旋翼无人机可由地面操作人员通过无线遥控设备或自主控制飞行，近年来，随着相关领域的快速发展，如图像处理、无线网络通信传输、机械与电子等，多旋翼无人机变得日益智能化，广泛应用于农药喷洒、植保、航拍测绘、环境监测、通信中继、反恐侦察等众多领域。

无人机进行自主飞行的前提是需要通过传感器来获取周边的环境信息，一般的无人机飞行控制器中就有陀螺仪和加速度计这两种传感器，这两者也被称作惯性传感器（inertial measurement unit,imu）。

超声波传感器，激光雷达等可以直接获取传感器与环境障碍物之间距离的传感器更是能非常快速的提升无人机的对环境的几何信息感知能力。

2. 研究的基本内容

本人首先对现有避障技术进行分析，现有技术主要有基于视觉、激光、超声波、雷达等避障技术，其各有优缺点；单一的传感器避障无法满足多旋翼无人机复杂使用环境，本文提出了基于多传感器信息融合的无人机自主避障控制系统，主要考虑基于视觉和超声波技术的融合。首先根据超声波测距，探测障碍物距离旋翼无人机的距离，当小于设定的距离时，产生触发信号，触发图像采集传感器采集障碍物图像；其次对采集到的图像进行边缘检测算法处理，得到障碍物清晰的边界轮廓；最后根据清晰的障碍物轮廓执行避障算法。障碍物距离的探测是基于 Kalman 滤波器的障碍物距离信息的融合，采用Kalman 滤波器得到精确的距离数据，然后根据视觉识别CCD 成像传感器，通过图像的灰度化，便可以将采集到的彩色图像转化为只有灰度像素值的灰度图像，图像的灰度化采用二值法；灰度化后对图像进行增强、去噪以及锐化等处理，这些处理目前均是基于模板卷积或频域变换的基础之上的，通过这些处理后，可以去掉一些不相关因素对目标处理图像质量的影响，进一步提高图像的可读性，凸显目标图像的有用信息，满足人们对处理图像的需求，提高处理后的准确率；然后采用中值滤波技术，在滤除噪声的同时尽量保持障碍物的边缘信息，提高系统总体的检测精度。避障算法是避障系统的灵魂，基于以上分析，为了使得路径长度短且圆滑和路径规划计算时间短等要求，本文避障具体目标点飞行采用改进SAS 与改进人工势场相结合的方式进行目标点的规划。本课题避障实时飞行采用改进型最大最小原则求飞行障碍物顶点，从无人机当前位置 O 运行到下一个飞行航迹点 A，当之间遇到障碍物时，执行避障算法：首先旋翼无人机实时自主飞行时，超声波循环探测此时飞行方向是否有障碍物，当没有障碍物时，继续飞行；当探测的障碍物距离旋翼无人机一定距离范围内时，触发图像采集传感器采集图像，接着对采集到的图像实时进行边缘检测处理提取图像边界轮廓，然后避障算法一句图像处理结果规划路径实施避障飞行；当探测到障碍物时，根据边界搜索要飞行的下一个航迹点，搜索到点后，旋翼无人机进行避障飞行，飞到该航迹点后，重复循环以上步骤直到飞行到目标点后为止。

3. 实施方案、进度安排及预期效果

实施方案：先用计算机建立算法研究平台，验证理论的正确可实现性，然后实现控制算法，进行相应的控制策略研究，如果条件允许，可进行实验验证。

进度安排：第一阶段2018年11月：查阅资料学习理论，熟悉多旋翼无人机相关知识、传感器相关知识以及算法的相关知识。

第二阶段2018年12月-2019年1月：控制算法理论研究。

4. 参考文献

[1] 邴丽媛. 基于多传感器融合的无人机自动避障技术研究[d]. 长春理工大学, 2017.

[2] 韩邢健. 基于单目视觉的无人机自主避障算法研究[d]. 哈尔滨工程大学, 2016.

[3] 张岩辉. 基于机器视觉的四旋翼无人机避障控制系统设计[d]. 南京航空航天大学, 2017.