无人机舰队激光测绘自主地图，帮助搜寻迷路的徒步旅行者

无人机舰队激光测绘自主地图，帮助搜寻迷路的徒步旅行者

该系统允许无人机在GPS信号不可靠的茂密森林树冠下协助探索地形。

在森林中寻找迷路的徒步旅行者可能是一个困难和漫长的过程，因为直升机和无人机无法从茂密的树冠中瞥见。最近，有人提议，能够在树间来回穿梭的无人驾驶飞机可以帮助这些搜索。但用于引导飞机的GPS信号在森林环境中可能不可靠或不存在。

在实验性机器人国际研讨会(International Symposium on Experimental Robotics conference)上，麻省理工学院(MIT)的研究人员描述了一种无人机编队在浓密的森林树冠下协同搜索的自主系统。无人机只使用机载计算和无线通信——不需要GPS。

每个自主四旋翼无人机都配备了激光测距仪，用于位置估计、定位和路径规划。当无人机四处飞行时，它会创建一个单独的三维地形地图。算法帮助它识别未被探索和已经被搜索的地点，这样它就知道什么时候它已经完全映射了一个区域。一个离线地面站将多架无人机上的个人地图融合成一个全球3D地图，由救援人员进行监控。

在现实世界中，虽然目前的系统中还未实现，但无人机将配备目标检测功能，以识别失踪的徒步旅行者。一旦定位成功，无人机就会在全球地图上标出徒步旅行者的位置。然后，人类可以利用这些信息来计划救援任务。

论文第一作者、航空航天学院(AeroAstro)研究生田玉伦(Yulun Tian)表示:“从本质上讲，我们正在用一队无人机取代人类，以提高搜救过程中的搜索效率。”

研究人员测试了多架无人机，模拟了随机产生的森林，并在美国宇航局兰利研究中心的森林区域测试了两架无人机。在这两个实验中，每架无人机都在大约两到五分钟内绘制出了大约20平方米的地图，并将它们的地图实时地结合在一起。无人机还在多个指标上表现良好，包括完成任务的总体速度和时间、森林特征的检测以及地图的精确合并。

在每架无人机上，研究人员都安装了一个激光雷达系统，该系统通过发射激光束和测量反射脉冲，对周围障碍物进行二维扫描。这可以用来检测树木;然而，对于无人机来说，单棵树看起来非常相似。如果无人机不能识别给定的树，它就不能确定它是否已经探索过某个区域。

研究人员给他们的无人机编程，让它们识别多棵树的方向，而这种方向要明显得多。用这种方法，当激光雷达信号返回一个树簇时，算法计算树之间的角度和距离来识别这个簇。田说:“无人机可以利用这个独特的特征来判断他们是否曾经去过这个区域，或者这是否一个新的区域。”

这种特征检测技术有助于地面站精确合并地图。无人机通常会循环探测一个区域，在飞行过程中产生扫描结果。地面站持续监测扫描结果。当两架无人机在同一簇树上盘旋时，地面站通过计算无人机之间的相对变换合并地图，然后融合单个地图以保持一致的方向。

“计算相对变换告诉你应该如何对齐两张地图，这样它就和森林的样子完全一致，”田说。

在地面站，机器人导航软件“同步定位和映射”(SLAM)——既能定位未知区域，又能追踪该区域内的代理——使用激光雷达输入来定位和捕捉无人机的位置。这有助于精确地融合地图。

最终的结果是一张带有3D地形特征的地图。树木呈现出从蓝色到绿色的色块，这取决于高度。未被探测的区域是深色的，但在无人驾驶飞机的拍摄下，它们会变成灰色。机载路径规划软件告诉无人机在飞行过程中要一直探索这些未被探索的黑暗区域。田说，制作3-D地图比简单地将摄像机安装在无人机上并监控视频更可靠。例如，将视频传输到中央车站需要大量带宽，而这些带宽在森林地区可能无法获得。

一个关键的创新是一种新的搜索策略，让无人机更有效地探索一个领域。根据一种更传统的方法，无人机总是会搜索最接近的未知区域。然而，从无人机目前的位置看，这可能是任何方向。无人机通常飞行很短的距离，然后停下来选择一个新的方向。

田说:“那不尊重无人机的动态。它必须停下来转弯，这意味着它在时间和能量方面效率非常低，而且你无法真正加快速度。”

相反，研究人员的无人机在考虑当前方向的同时，探索最接近的可能区域。他们相信这可以帮助无人机保持更稳定的速度。这种策略——无人机倾向于呈螺旋状飞行——覆盖搜索区域的速度要快得多。“在搜救任务中，时间是非常重要的，”田说。

在论文中，研究人员将他们的新搜索策略与传统方法进行了比较。与这一基线相比，研究人员的策略帮助无人机明显覆盖了更多的区域，速度快了几分钟，平均速度也提高了。

实际使用的一个限制是，无人机仍然必须与场外地面站进行通信以进行地图合并。在他们的户外实验中，研究人员必须设置一个无线路由器，将每架无人机和地面站连接起来。未来，他们希望设计无人机在接近对方时进行无线通信，融合地图，然后在分离时切断通信。在这种情况下，地面站将仅用于监测更新后的全球地图。