陳 強(qiáng)，胡士強(qiáng)，羅靈鯤，劉 冰，方 元

（1.上海交通大學(xué)航空航天學(xué)院，上海 200240；2.中國(guó)航空工業(yè)無線電電子研究所，上海 200240）

近年來，我國(guó)經(jīng)濟(jì)發(fā)展迅猛，國(guó)民生活水平日益提高，對(duì)電力建設(shè)的需求日益增長(zhǎng)。在輸電網(wǎng)絡(luò)建設(shè)過程中，導(dǎo)引繩的展放是一個(gè)重要的前序環(huán)節(jié)。傳統(tǒng)的導(dǎo)引繩展放一般采用人工作業(yè)或者絞磨機(jī)等機(jī)械設(shè)備輔助完成[1]，但該類方法效率低下，且電力工人在高空作業(yè)時(shí)存在巨大的安全隱患。此外，龐大復(fù)雜的機(jī)械設(shè)備等可能會(huì)對(duì)周圍植被、農(nóng)田和交通道路等造成影響和破壞，增加了額外的建設(shè)成本[2]。為有效提高施工效率以及降低高空作業(yè)所產(chǎn)生的危險(xiǎn)和施工成本，國(guó)內(nèi)外許多電力公司逐漸開始采用飛行器來完成電力架線作業(yè)。當(dāng)前，用于架線的輔助飛行器主要有4類：飛艇、動(dòng)力傘、直升機(jī)和無人機(jī)（unmanned aerial vehicle,UAV）[3-5]。其中，多旋翼無人機(jī)相較于其他幾種飛行器具有成本低廉、易于操控等顯著優(yōu)勢(shì)，此外其還能夠垂直起降，受作業(yè)環(huán)境場(chǎng)地的限制小，且具備懸停作業(yè)的能力，是未來利用飛行器輔助電力架線的主要發(fā)展方向。

利用無人機(jī)進(jìn)行電力架線的控制方式主要分為3種[6]：基站控制、半自主控制和智能控制?；究刂剖侵覆倏v員利用地面基站手動(dòng)向無人機(jī)持續(xù)發(fā)布控制指令，其本質(zhì)上是利用無線電來進(jìn)行控制的，但該類技術(shù)受環(huán)境空間的限制較強(qiáng)，以及人工操縱需要經(jīng)過專業(yè)訓(xùn)練，施工效率低下且人工成本高。半自主控制是指將地面基站導(dǎo)航和預(yù)設(shè)程序相結(jié)合的一種控制方式，但該方法的智能化水平較低，缺乏應(yīng)對(duì)作業(yè)過程中突發(fā)狀況的能力。智能控制是指無人機(jī)根據(jù)當(dāng)前周圍環(huán)境及自身狀態(tài)，結(jié)合任務(wù)需求自主做出響應(yīng)，而不需要依靠人工指令，該方法具有較高的穩(wěn)定性和工作效率。因此，基于智能控制的無人機(jī)架線技術(shù)已成為主要研究趨勢(shì)，結(jié)合地面站的無人機(jī)自主架線系統(tǒng)是其中的一種重要方案。

利用無人機(jī)完成電力架線的核心步驟如下：通過自主程序控制無人機(jī)到達(dá)指定位置并識(shí)別安裝在電桿上的架線弓，而后無人機(jī)拖曳導(dǎo)引繩穿越架線弓完成架線。在該過程中，無人機(jī)需要依賴精確定位飛到目標(biāo)位置并準(zhǔn)確識(shí)別架線弓。此外，還要求無人機(jī)具備較高的安全性，能夠避開可能遇到的障礙物。

目前，針對(duì)無人機(jī)自主架線過程中避障的相關(guān)算法研究已取得了一系列進(jìn)展。其中，基于全局地圖的經(jīng)典避障算法（如A*算法、隨機(jī)路法和人工勢(shì)場(chǎng)法等）在應(yīng)對(duì)意外情況和動(dòng)態(tài)環(huán)境時(shí)成功率低且避障效果較差，而根據(jù)實(shí)時(shí)環(huán)境感知進(jìn)行避障的智能反應(yīng)算法（如基于遺傳算法、粒子群優(yōu)化算法和蜂群算法等的避障算法）的收斂速度較慢，且易陷入局部最優(yōu)解[7]。近年來，基于強(qiáng)化學(xué)習(xí)的避障算法也得到了研究，但仍存在較多不足，例如：基于深度Q-學(xué)習(xí)（deep Q-learning,DQN）[8]框架的避障算法的作動(dòng)空間是離散的，無法生成連續(xù)的避障軌跡。此外，上述避障算法都只有在準(zhǔn)確的環(huán)境建模或精確的環(huán)境感知基礎(chǔ)上才能充分發(fā)揮自身優(yōu)勢(shì)，從而實(shí)現(xiàn)較好的避障效果。除了利用算法實(shí)現(xiàn)避障外，還可以采用地面站人工操控的方式來完成避障[9]。但是，當(dāng)前常用的一些地面站只能輔助操縱員手動(dòng)操控?zé)o人機(jī)，自動(dòng)化水平低，且對(duì)操縱員的操作技術(shù)要求較高。此外，長(zhǎng)期手動(dòng)操控會(huì)增加操縱員的工作負(fù)擔(dān)。

近年來，國(guó)內(nèi)學(xué)者針對(duì)無人機(jī)自主架線技術(shù)進(jìn)行了相當(dāng)充分的研究。例如：羅旻等[10]設(shè)計(jì)的無人機(jī)全自動(dòng)展放引線系統(tǒng)經(jīng)實(shí)地驗(yàn)證，能夠使用無人機(jī)按照地面站設(shè)定的航點(diǎn)完成架線任務(wù)，但其控制方式屬于半自主控制，無人機(jī)的定位十分依賴GPS（global positioning system，全球定位系統(tǒng)），且無自主避障能力。在此基礎(chǔ)上，上海交通大學(xué)的研究團(tuán)隊(duì)提出了基于RTK（real-time kinematic，實(shí)時(shí)動(dòng)態(tài)）與視覺輔助定位的自主無人機(jī)架線系統(tǒng)[11]，成功利用無人機(jī)完成自主架線任務(wù)。但該系統(tǒng)也無法規(guī)避GPS/RTK信號(hào)受擾甚至失效的問題，此外其避障完全依賴避障算法，當(dāng)存在未檢測(cè)到的細(xì)小障礙物或周圍環(huán)境過于復(fù)雜時(shí)，易出現(xiàn)避障失敗的情況，導(dǎo)致無人機(jī)安全性不足。

基于上述問題，為實(shí)現(xiàn)安全高效的無人機(jī)自主架線，筆者提出了一種基于地面站輔助的無人機(jī)自主架線系統(tǒng)。為使無人機(jī)具有自主避障能力，保障架線作業(yè)安全性，采用地面站輔助與避障算法相結(jié)合的避障策略，即利用地面站監(jiān)控、干預(yù)控制的方式來改善無人機(jī)自主避障能力不足的問題。為解決GPS受擾環(huán)境下的無人機(jī)定位問題，采用視覺里程計(jì)和GPS相融合的定位方式[12]，即利用視覺里程計(jì)為無人機(jī)提供GPS拒止時(shí)的短期定位支持，且GPS也能夠?yàn)橐曈X里程計(jì)提供全局約束和糾偏。

1 基于地面站輔助的無人機(jī)自主架線系統(tǒng)設(shè)計(jì)

1.1 硬件框架設(shè)計(jì)

基于地面站輔助的無人機(jī)自主架線系統(tǒng)的硬件框架如圖1所示，主要由無人機(jī)子系統(tǒng)、地面站子系統(tǒng)和通信子系統(tǒng)組成。其中：無人機(jī)子系統(tǒng)是主要的任務(wù)執(zhí)行機(jī)構(gòu)；地面站子系統(tǒng)主要負(fù)責(zé)監(jiān)控并顯示無人機(jī)的重要信息，并在必要時(shí)改變其控制模式以保證安全；通信子系統(tǒng)主要通過數(shù)傳和圖傳實(shí)現(xiàn)上述2個(gè)子系統(tǒng)間的實(shí)時(shí)通信。

圖1 基于地面站輔助的無人機(jī)自主架線系統(tǒng)硬件框架Fig.1 Hardware framework of UAV autonomous stringing system based on ground station assistance

無人機(jī)子系統(tǒng)為整個(gè)架線系統(tǒng)的核心，主要由無人機(jī)和各類機(jī)載傳感器組成。本文選用DJI M600Pro無人機(jī)，其搭載的傳感器主要有Intel Release D435i深度相機(jī)、激光雷達(dá)和GPS等。同時(shí)，選用NVIDIA Jetson TX2嵌入式開發(fā)板作為機(jī)載計(jì)算機(jī)進(jìn)行數(shù)據(jù)計(jì)算和處理。

地面站子系統(tǒng)主要由手持式地面站終端（T21s）、地面站軟件、無人機(jī)遙控器及其他硬件設(shè)備組成。其中，手持式地面站終端搭載Windows系統(tǒng)；地面站軟件是利用Qt平臺(tái)開發(fā)的界面軟件，安裝在手持式終端上。地面站子系統(tǒng)具備如下功能：獲取無人機(jī)的重要信息，可視化顯示重要信息及接收/發(fā)送重要指令等。地面站軟件分為顯示模塊和控制模塊，用于解析來自數(shù)傳的數(shù)據(jù)和圖傳的云臺(tái)畫面并實(shí)時(shí)顯示，操作員可以對(duì)無人機(jī)作業(yè)場(chǎng)面及周圍環(huán)境進(jìn)行監(jiān)控；同時(shí)，操作員可以根據(jù)無人機(jī)的狀態(tài)，隨時(shí)通過地面站向無人機(jī)發(fā)送指令來進(jìn)行控制。當(dāng)無人機(jī)接收到地面站的指令后，機(jī)載計(jì)算機(jī)中相應(yīng)程序可立即將無人機(jī)當(dāng)前的控制模式改為指定模式。因此，當(dāng)無人機(jī)無法僅靠避障算法完成自主避障或出現(xiàn)其他意外時(shí)，可以通過地面站及時(shí)主動(dòng)切換控制模式，即利用地面站對(duì)無人機(jī)進(jìn)行人工操控，從而避免危險(xiǎn)情況的發(fā)生。

通信子系統(tǒng)主要包括數(shù)傳設(shè)備和圖傳設(shè)備。數(shù)傳采用串口通信協(xié)議，傳輸?shù)臄?shù)據(jù)主要分為上行數(shù)據(jù)和下行數(shù)據(jù)。上行數(shù)據(jù)為地面站終端傳輸?shù)綗o人機(jī)的數(shù)據(jù)，主要是地面站對(duì)無人機(jī)的指令：在常規(guī)情況下，地面站向無人機(jī)持續(xù)發(fā)送機(jī)載控制的指令，無人機(jī)一直處于按照機(jī)載程序自主飛行的狀態(tài)；在緊急情況下，地面站向無人機(jī)發(fā)送手動(dòng)控制的指令，無人機(jī)將自身的控制模式切換為手動(dòng)模式，然后懸停并等待地面站終端和遙控器的下一步操作指令后再執(zhí)行。下行數(shù)據(jù)為無人機(jī)傳輸?shù)降孛嬲窘K端的數(shù)據(jù)，主要包括無人機(jī)的速度、位置、當(dāng)前控制模式和云臺(tái)模式等自身狀態(tài)信息，當(dāng)前任務(wù)執(zhí)行進(jìn)度，以及部分有必要在地面站軟件界面上顯示的機(jī)載程序的執(zhí)行結(jié)果（如架線弓檢測(cè)結(jié)果）等。圖傳用于傳輸無人機(jī)云臺(tái)捕捉的實(shí)時(shí)畫面。云臺(tái)將捕捉到的畫面以視頻形式通過圖傳設(shè)備發(fā)送到圖傳接收機(jī)，圖傳接收機(jī)連接到地面站終端，地面站軟件通過調(diào)用OpenCV庫對(duì)接收到的圖像進(jìn)行解析顯示。

1.2 軟件系統(tǒng)設(shè)計(jì)

基于地面站輔助的無人機(jī)自主架線系統(tǒng)的軟件框架如圖2所示。整個(gè)軟件框架基于ROS（robot operating system，機(jī)器人操作系統(tǒng)）[13]開發(fā)。在ROS工作空間內(nèi)，以模塊化的方式分別建立多個(gè)功能包和節(jié)點(diǎn)，用于實(shí)現(xiàn)不同功能。其中：通信及飛行任務(wù)管理模塊是主節(jié)點(diǎn)，接收來自地面站的任務(wù)輸入和指令并生成無人機(jī)自主作業(yè)路徑；架線弓檢測(cè)模塊依靠深度相機(jī)拍攝的深度圖及RGB（red green blue，紅綠藍(lán)）圖來對(duì)每根電桿上的架線弓進(jìn)行識(shí)別，識(shí)別結(jié)果一方面作為任務(wù)規(guī)劃節(jié)點(diǎn)的輸入，另一方面作為重要信息傳遞至地面站并顯示；障礙物檢測(cè)與路徑規(guī)劃模塊接收來自激光雷達(dá)和深度相機(jī)的數(shù)據(jù)，先利用避障算法生成安全路徑并發(fā)送至任務(wù)規(guī)劃節(jié)點(diǎn)，再結(jié)合架線任務(wù)重新規(guī)劃無人機(jī)需執(zhí)行的路徑，并將路徑以速度和位置等控制指令的形式傳遞到無人機(jī)飛控及執(zhí)行機(jī)構(gòu)；定位模塊可為無人機(jī)的飛行提供精確的位置和姿態(tài)信息。

圖2 基于地面站輔助的無人機(jī)自主架線系統(tǒng)的軟件框架Fig.2 Software framework of UAV autonomous stringing system based on ground station assistance

構(gòu)造合理的軟、硬件框架是無人機(jī)能夠執(zhí)行自主架線的前提。以此為基礎(chǔ)，通過高效的算法協(xié)助無人機(jī)提高自主作業(yè)的安全性、準(zhǔn)確率和效率。

2 基于地面站輔助的無人機(jī)自主避障策略

具備自主避障能力是無人機(jī)智能化水平的體現(xiàn)，更是無人機(jī)實(shí)現(xiàn)自主架線必不可少的條件。無人機(jī)避障的一般步驟為：先根據(jù)傳感器采集到的環(huán)境信息判定當(dāng)前是否存在障礙物，并對(duì)是否會(huì)與障礙物發(fā)生碰撞進(jìn)行檢測(cè)；然后根據(jù)判定和檢測(cè)結(jié)果規(guī)劃合理安全的避障路徑并執(zhí)行。針對(duì)無人機(jī)在電力環(huán)境下對(duì)障礙物的感知能力弱，以及在復(fù)雜環(huán)境下避障算法可能失效的問題，在自主避障算法的基礎(chǔ)上引入地面站輔助避障策略。

2.1 障礙物判定及碰撞檢測(cè)

一般而言，當(dāng)障礙物與無人機(jī)之間的距離小于安全閾值時(shí)，無人機(jī)才需要執(zhí)行避障程序。為了避免無人機(jī)出現(xiàn)過于保守或不必要的避障行為，以提高其自主執(zhí)行任務(wù)及避障的效率，采用碰撞檢測(cè)方法來識(shí)別無人機(jī)前方的障礙物。從幾何學(xué)角度看，碰撞檢測(cè)問題可以看成求解2個(gè)多面體間的相交問題[14]。碰撞檢測(cè)算法一般分為空間分解法[15]和層次包圍盒法[16]兩大類。其中，包圍盒法構(gòu)造簡(jiǎn)單且容易測(cè)試，適用于復(fù)雜環(huán)境中的碰撞檢測(cè)，應(yīng)用范圍更為廣泛，故本文采用這種方法來實(shí)現(xiàn)無人機(jī)前向障礙物判定以及碰撞檢測(cè)。

如圖3所示，利用軸向包圍盒法對(duì)無人機(jī)碰撞檢測(cè)進(jìn)行建模：先以無人機(jī)質(zhì)心為原點(diǎn)構(gòu)建機(jī)體坐標(biāo)系O-XYZ（X軸正方向?yàn)闊o人機(jī)的前進(jìn)方向），再以機(jī)體坐標(biāo)系為參考構(gòu)建長(zhǎng)方體包圍盒ABCD-A1B1C1D1；為保證無人機(jī)安全，在無人機(jī)前向上增加2 m的安全余量，即長(zhǎng)方體包圍盒A1B1C1D1-A2B2C2D2，其中線段AA1的長(zhǎng)度S=2 m。

圖3 無人機(jī)碰撞檢測(cè)包圍盒模型Fig.3 Collision detection surround box model of UAV

當(dāng)激光雷達(dá)和深度相機(jī)掃描點(diǎn)進(jìn)入包圍盒內(nèi)部時(shí)，判定此時(shí)無人機(jī)有發(fā)生碰撞的可能性，需要執(zhí)行避障策略。

2.2 基于激光雷達(dá)的避障算法設(shè)計(jì)

結(jié)合無人機(jī)架線的任務(wù)需求，在遇到障礙物時(shí)主要考慮水平面內(nèi)的橫移避障。因此，可以利用威脅錐模型[17]對(duì)無人機(jī)前向障礙物進(jìn)行建模，如圖4所示。圖中：XUk為k時(shí)刻無人機(jī)的位置矢量，VUk為當(dāng)前無人機(jī)的速度矢量，Xobs為當(dāng)前障礙物的位置矢量，則障礙物與無人機(jī)的相對(duì)位置Xk=Xobs-XUk。以Xk和XUk構(gòu)造二維平面，則威脅錐為無人機(jī)當(dāng)前位置與界線圓的2個(gè)切向量(P1、P2)垂直。

圖4 障礙物威脅錐模型Fig.4 Obstacle threat cone model

根據(jù)圖4，切向量P1、P2的計(jì)算式如下：

其中：

式中：u1、u2分別為障礙物到切向量P1、P2的單位向量；c、d為模型參數(shù)，c由d、Xk、VUk計(jì)算得到，實(shí)際作業(yè)中d=3 m（當(dāng)無人機(jī)與障礙物距離小于3 m時(shí)，開始執(zhí)行避障程序）。

由此可得，無人機(jī)的速度矢量VUk可表示為：

式中：a、b為系數(shù)，其計(jì)算方式見文獻(xiàn)[18]。

無人機(jī)的碰撞判據(jù)為：a＞0且b＞0，即在此條件滿足時(shí)，無人機(jī)存在碰撞危險(xiǎn)。

無人機(jī)激光雷達(dá)可以提供障礙物的距離及角度信息，建立碰撞模型后需要計(jì)算無人機(jī)避障所需的偏轉(zhuǎn)角度φ：

式中：ri為障礙物與激光雷達(dá)間的距離；θv為無人機(jī)速度方向與激光雷達(dá)正方向（即無人機(jī)機(jī)體正方向）間的夾角；θi為障礙物與無人機(jī)正方向間的夾角；i為激光雷達(dá)掃描到的第i個(gè)點(diǎn)。

通過式（4）可計(jì)算得出無人機(jī)避障所需的最小偏轉(zhuǎn)角度，無人機(jī)沿某方向前進(jìn)，直到無人機(jī)碰撞判據(jù)不再成立，即認(rèn)為無人機(jī)完成避障，而后無人機(jī)恢復(fù)架線的飛行任務(wù)，重新向下一目標(biāo)點(diǎn)飛行。

2.3 基于地面站輔助的無人機(jī)避障策略設(shè)計(jì)

對(duì)于2.2節(jié)中的避障算法，無人機(jī)避障的成功率在很大程度上取決于激光雷達(dá)等傳感器的有效性及精度，而電力環(huán)境中存在電線電纜、電桿及植被等各類復(fù)雜障礙物，這對(duì)無人機(jī)感知能力的考驗(yàn)極大。此外，無人機(jī)在復(fù)雜環(huán)境下可能會(huì)存在無法避開障礙物的情況。因此，根據(jù)實(shí)際需求，設(shè)計(jì)并實(shí)現(xiàn)了地面站子系統(tǒng)，通過數(shù)傳和圖傳與無人機(jī)建立實(shí)時(shí)的數(shù)據(jù)交互，實(shí)現(xiàn)主動(dòng)獲取并實(shí)時(shí)顯示人機(jī)云臺(tái)和深度相機(jī)的實(shí)時(shí)畫面，并提出基于地面站輔助的無人機(jī)避障策略，如圖5所示。

圖5 基于地面站輔助的無人機(jī)避障策略Fig.5 Obstacle avoidance strategy of UAV based on ground station assistance

當(dāng)無人機(jī)開始自主架線作業(yè)時(shí)，激光雷達(dá)持續(xù)對(duì)周圍進(jìn)行障礙物感知，當(dāng)感知到障礙物存在并判定有碰撞威脅時(shí)，執(zhí)行自主避障算法來規(guī)劃路徑。同時(shí)，地面站持續(xù)對(duì)無人機(jī)進(jìn)行監(jiān)控，操縱員可以通過地面站顯示的視頻對(duì)無人機(jī)及周圍環(huán)境進(jìn)行實(shí)時(shí)監(jiān)控管理。當(dāng)發(fā)現(xiàn)無人機(jī)未感知到障礙物存在或者無人機(jī)存在避障失敗、可能發(fā)生碰撞的潛在危險(xiǎn)時(shí)，通過地面站軟件發(fā)送指令來對(duì)無人機(jī)進(jìn)行干預(yù)，即將無人機(jī)控制模式由自主控制切換為手動(dòng)控制，此時(shí)無人機(jī)會(huì)立刻懸停以防止發(fā)生危險(xiǎn)，操縱員通過地面站對(duì)無人機(jī)進(jìn)行安全操作直到無人機(jī)脫離危險(xiǎn)狀態(tài)。

上述基于地面站輔助的避障策略以避障算法為基礎(chǔ)，在絕大部分條件下能夠?qū)崿F(xiàn)無人機(jī)的自主避障，可極大地減輕操縱員的工作負(fù)荷。同時(shí)，地面站對(duì)無人機(jī)進(jìn)行實(shí)時(shí)監(jiān)控，必要時(shí)可通過地面站對(duì)無人機(jī)進(jìn)行干預(yù)控制，防止意外情況發(fā)生，從而最大程度地保證無人機(jī)的安全。

3 無人機(jī)自主架線流程設(shè)計(jì)

使用無人機(jī)進(jìn)行自主架線，除了自主避障外，架線任務(wù)規(guī)劃、架線弓檢測(cè)和精確定位等也是影響架線作業(yè)成功率和效率的重要因素，下文將針對(duì)上述關(guān)鍵環(huán)節(jié)進(jìn)行深入探究。

3.1 自主架線任務(wù)規(guī)劃算法

無人機(jī)自主架線任務(wù)規(guī)劃流程如圖6所示：當(dāng)系統(tǒng)準(zhǔn)備就緒，開始新的架線任務(wù)時(shí)，首先通過地面站輸入本次作業(yè)的目標(biāo)點(diǎn)位置（電桿的GPS坐標(biāo)和高度已知），無人機(jī)接收到信息后由機(jī)載計(jì)算機(jī)在線規(guī)劃任務(wù)執(zhí)行路徑，經(jīng)地面站確認(rèn)后發(fā)送開始架線的指令，無人機(jī)接收指令并執(zhí)行。當(dāng)無人機(jī)開始作業(yè)后，避障模塊開始不斷地進(jìn)行障礙物判定和碰撞檢測(cè)，并且結(jié)合目標(biāo)點(diǎn)和障礙物信息進(jìn)行路徑規(guī)劃，確認(rèn)路徑安全后執(zhí)行。在無人機(jī)飛至目標(biāo)點(diǎn)后，開始檢測(cè)架線弓并執(zhí)行穿越架線弓的動(dòng)作。若無人機(jī)未及時(shí)檢測(cè)到周圍細(xì)小障礙物或出現(xiàn)穿越架線弓失敗、導(dǎo)引繩被纏繞等意外情況，可及時(shí)通過地面站將無人機(jī)的控制模式切換為手動(dòng)控制，同時(shí)利用遙控器控制無人機(jī)脫險(xiǎn)，而后通過地面站恢復(fù)無人機(jī)當(dāng)前任務(wù)直到架線完成。

圖6 無人機(jī)自主架線流程Fig.6 Flow of UAV autonomous stringing

3.2 融合定位算法和架線弓檢測(cè)算法

無人機(jī)在執(zhí)行自主架線任務(wù)過程中需要精確定位和準(zhǔn)確快速識(shí)別架線弓，這樣才能保證作業(yè)的成功率和效率。對(duì)于無人機(jī)的定位問題，本文采用GPS與視覺里程計(jì)融合的方式實(shí)現(xiàn)位姿估計(jì)，并通過擴(kuò)展卡爾曼濾波（extended Kalman filter,EKF）算法對(duì)GPS與視覺里程計(jì)的定位結(jié)果進(jìn)行融合。該方式既能利用GPS全局定位對(duì)視覺里程計(jì)的定位結(jié)果進(jìn)行約束和糾偏，又能利用視覺里程計(jì)保證無人機(jī)的局部定位精度，且當(dāng)GPS短暫失效時(shí)能夠?yàn)闊o人機(jī)的飛行提供定位支持。利用EKF算法融合的優(yōu)勢(shì)如下：可利用GPS開展全局層面的定位，利用視覺里程計(jì)實(shí)現(xiàn)局部精確、平滑的位置更新[19]；相較于非線性優(yōu)化的融合方式，該方式的計(jì)算量更小，更適用于計(jì)算資源有限的無人機(jī)[20]。為更好地利用無人機(jī)自主飛行技術(shù)完成電力架線任務(wù)，使用位姿估計(jì)功能包robot_pose_ekf，其為基于EKF算法開發(fā)的融合定位功能包，在實(shí)際應(yīng)用中易實(shí)現(xiàn)。

圖7所示為無人機(jī)拖曳的導(dǎo)引繩需要穿越的架線弓。無人機(jī)在每一次執(zhí)行架線任務(wù)前均需準(zhǔn)確檢測(cè)到架線弓。目前，目標(biāo)檢測(cè)方法已從傳統(tǒng)的“特征提取+訓(xùn)練分類”方法逐漸過渡到基于深度學(xué)習(xí)的方法，其中YOLO系列算法是使用最廣泛的檢測(cè)方法之一[21]。但是，上述方法不可避免地存在需要訓(xùn)練、易受圖像背景干擾以及實(shí)時(shí)性差等不足?？紤]到架線弓具有明顯的顏色特征和幾何特征，可直接利用圖像處理算法進(jìn)行檢測(cè)：一方面該算法易于實(shí)現(xiàn)，實(shí)時(shí)性好；另一方面該算法具有較高的準(zhǔn)確率。

圖7 架線弓實(shí)物Fig.7 Physical object of stringing bow

架線弓檢測(cè)算法流程如下：首先，對(duì)深度相機(jī)采集的架線弓圖像進(jìn)行Canny邊緣檢測(cè)并進(jìn)行掩碼合成；然后，利用顏色分割算法對(duì)架線弓圖像進(jìn)行HSV（hue saturation value，色調(diào)、飽和度和明度）顏色分割；最后，在獲得紅色邊緣后利用EDLines算法[22]進(jìn)行直線段檢測(cè)，相較于霍夫變換或直線檢測(cè)算法（line segment detector，LSD）等，EDLines算法在保證檢測(cè)結(jié)果準(zhǔn)確的前提下具有更好的實(shí)時(shí)性?？紤]到所得紅色直線段中仍可能包含大量環(huán)境干擾（如紅色樓宇的輪廓等），結(jié)合架線弓長(zhǎng)度、角度以及空間不相交等幾何特性對(duì)檢測(cè)結(jié)果進(jìn)行約束，以有效提高架線弓檢測(cè)的準(zhǔn)確率。假定直線段檢測(cè)結(jié)果共獲得n條直線，由于架線弓在大多數(shù)情況下是視野中最長(zhǎng)的，故按長(zhǎng)度對(duì)直線段進(jìn)行排序，從最長(zhǎng)的直線段開始往下依次配對(duì)，滿足以下所有條件的即為正確的檢測(cè)結(jié)果：

1）兩線段長(zhǎng)度差值在短者長(zhǎng)度的30%以內(nèi)；

2）兩線段夾角約為126°；

3）兩線段的低端近似平行；

4）兩線段不相交。

4 實(shí)驗(yàn)驗(yàn)證

為驗(yàn)證本文所提出的無人機(jī)自主避障策略、融合定位算法、架線弓檢測(cè)算法以及整個(gè)自主架線系統(tǒng)的可行性，利用模擬測(cè)試和實(shí)地實(shí)驗(yàn)展開分析。

4.1 無人機(jī)自主避障策略驗(yàn)證

為了驗(yàn)證所提出的無人機(jī)避障算法的有效性以及基于地面站輔助的無人機(jī)避障策略的可靠性，分別在空曠場(chǎng)地和真實(shí)電力架線場(chǎng)地中進(jìn)行實(shí)驗(yàn)。在空曠場(chǎng)地中，為無人機(jī)設(shè)定一條預(yù)定的飛行軌跡。在無人機(jī)執(zhí)行架線任務(wù)的過程中，利用手舉牌模擬障礙物，在無人機(jī)前方的各個(gè)角度隨機(jī)進(jìn)行阻擋，重復(fù)多次。在真實(shí)電力架線場(chǎng)地中，無人機(jī)按照真實(shí)架線流程進(jìn)行作業(yè)，通過遠(yuǎn)距離觀察并結(jié)合地面站的監(jiān)控畫面，對(duì)無人機(jī)飛行過程中的避障動(dòng)作進(jìn)行記錄，重復(fù)多次真實(shí)作業(yè)流程加以驗(yàn)證。不同場(chǎng)地中無人機(jī)自主避障實(shí)驗(yàn)結(jié)果如表1所示。

表1 不同場(chǎng)地中無人機(jī)自主避障實(shí)驗(yàn)結(jié)果Table 1 Experimental results of autonomous obstacle avoidance of UAV at different sites

4.2 融合定位算法和架線弓檢測(cè)算法驗(yàn)證

本文所設(shè)計(jì)的無人機(jī)自主架線系統(tǒng)在ROS工作空間中主要包含4個(gè)功能模塊，分別由對(duì)應(yīng)的節(jié)點(diǎn)實(shí)現(xiàn)，不同節(jié)點(diǎn)之間通過發(fā)布和訂閱話題（Topic）實(shí)現(xiàn)數(shù)據(jù)傳輸?；谏鲜鲈O(shè)計(jì)，對(duì)其中某個(gè)功能模塊進(jìn)行算法優(yōu)化或更替較為方便，只需修改對(duì)應(yīng)功能包，確保話題名稱一致即可。

對(duì)于融合定位算法，由于難以獲取參考值，在真實(shí)電力架線場(chǎng)地中開展定性實(shí)驗(yàn)。經(jīng)過驗(yàn)證，利用GPS和視覺里程計(jì)融合的定位方式能夠代替RTK定位方式，其定位結(jié)果的誤差在可允許范圍（±30 cm）內(nèi)，滿足無人機(jī)自主架線任務(wù)需求。相比于RTK定位方式，融合定位方法能大幅度降低傳感器成本，同時(shí)在部分GPS/RTK信號(hào)受干擾時(shí)仍能保持較高的魯棒性，提高了無人機(jī)執(zhí)行任務(wù)時(shí)的穩(wěn)定性。

對(duì)于架線弓檢測(cè)算法，主要通過模擬測(cè)試和實(shí)地實(shí)驗(yàn)來驗(yàn)證。由于在真實(shí)電力架線場(chǎng)地中所獲取的架線弓圖像背景復(fù)雜，對(duì)檢測(cè)算法造成的干擾較大，分別在室內(nèi)、室外草坪和真實(shí)電力架線場(chǎng)地中開展相關(guān)測(cè)試，以對(duì)算法進(jìn)行驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，所提出的架線弓檢測(cè)算法具有較好的實(shí)時(shí)性和較高的準(zhǔn)確率。在不同光線條件下，顏色分割算法的HSV參數(shù)可能會(huì)影響架線弓檢測(cè)結(jié)果，通過重復(fù)實(shí)驗(yàn)得出最優(yōu)的HSV參數(shù)，如表2所示。表中：hmax和hmin、smax和smin、νmax和νmin分別為色調(diào)、飽和度、明度的最大值和最小值。

表2 顏色分割算法的HSV參數(shù)最優(yōu)值Table 2 Optimal values of HSV parameters of color segmentation algorithm

在室內(nèi)環(huán)境下，將架線弓放置在水平地面上，手持深度相機(jī)正對(duì)架線弓并緩慢靠近，當(dāng)距離架線弓2.5～3 m時(shí)保持不動(dòng)，觀察架線弓檢測(cè)結(jié)果并重復(fù)多次實(shí)驗(yàn)。在室外草坪環(huán)境下，將架線弓放置在離地面2 m高的臺(tái)架上，將深度相機(jī)固定在無人機(jī)正前方，利用遙控器和地面站控制無人機(jī)與架線弓保持同一高度并緩慢靠近，同樣在距離為2.5～3 m時(shí)保持懸停，觀察架線弓檢測(cè)結(jié)果并重復(fù)多次實(shí)驗(yàn)。在真實(shí)電力架線場(chǎng)地中，依次輸入電桿的GPS坐標(biāo)，然后令無人機(jī)執(zhí)行自主架線程序，并在地面站軟件界面上觀察架線弓檢測(cè)結(jié)果，并重復(fù)多次實(shí)驗(yàn)。不同場(chǎng)地中架線弓檢測(cè)實(shí)驗(yàn)結(jié)果如表3所示。

表3 不同場(chǎng)地中架線弓檢測(cè)實(shí)驗(yàn)結(jié)果Table 3 Experimental results of stringing bow detection at different sites

由表3結(jié)果可知，在3種場(chǎng)地中，架線弓檢測(cè)算法均沒有出現(xiàn)誤檢（即錯(cuò)誤判定其他物體為架線弓）的情況，準(zhǔn)確率滿足實(shí)際需求。在室外草坪環(huán)境中出現(xiàn)2次未檢測(cè)到的情況，而在真實(shí)電力架線場(chǎng)地中共出現(xiàn)3次，這是因?yàn)槭彝夤饩€可能會(huì)發(fā)生變化且存在較多背景干擾。為了解決該問題，當(dāng)在實(shí)際任務(wù)中檢測(cè)不到架線弓時(shí)，無人機(jī)執(zhí)行局部搜索程序，逐漸擴(kuò)大搜索范圍直至檢測(cè)到架線弓。

4.3 無人機(jī)自主架線系統(tǒng)驗(yàn)證

為了驗(yàn)證整個(gè)無人機(jī)自主架線系統(tǒng)功能的完整性和可靠性，在電力公司專業(yè)架線訓(xùn)練場(chǎng)地開展實(shí)物實(shí)驗(yàn)。利用無人機(jī)牽引電力導(dǎo)引繩，在訓(xùn)練場(chǎng)地中依次飛越3根電桿并完成架線作業(yè)，如圖8所示。

圖8 無人機(jī)自主架線現(xiàn)場(chǎng)Fig.8 UAV autonomous stringing site

作業(yè)電桿高度為11 m左右，每2根電桿間距30～35 m，測(cè)試結(jié)果如表4所示。在30次作業(yè)中，有22次是完全依靠無人機(jī)自主作業(yè)完成架線任務(wù)；由于未檢測(cè)到障礙物、導(dǎo)引繩發(fā)生纏繞以及卡線等，有8次需要地面站進(jìn)行輔助并參與架線：當(dāng)發(fā)現(xiàn)無人機(jī)作業(yè)狀態(tài)異常時(shí)，通過地面站將無人機(jī)的控制模式切換為手動(dòng)控制，操縱員通過地面站子系統(tǒng)手動(dòng)操控?zé)o人機(jī)并最終完成任務(wù)。在地面站輔助下，無人機(jī)自主架線系統(tǒng)的成功率為100%，不僅高效穩(wěn)定，而且能夠應(yīng)對(duì)各類突發(fā)狀況，具有較高的安全性。

表4 無人機(jī)自主架線系統(tǒng)完整作業(yè)實(shí)驗(yàn)結(jié)果Table 4 Complete operation experiment results of UAV autonomous stringing system

5 總結(jié)與展望

為實(shí)現(xiàn)無人機(jī)自主架線，基于地面站搭建了完整的自主架線系統(tǒng)硬件框架，并基于ROS構(gòu)造了模塊化的軟件框架。針對(duì)無人機(jī)感知能力弱、避障能力不足的問題，通過引入基于地面站輔助的避障策略，有效提高了無人機(jī)自主避障能力，大大增強(qiáng)了無人機(jī)自主架線時(shí)的安全性。針對(duì)架線過程中無人機(jī)定位、架線弓檢測(cè)等問題，利用GPS與視覺里程計(jì)融合的定位算法有效地解決了無人機(jī)定位問題，并結(jié)合圖像處理算法完成了架線弓檢測(cè)，極大程度地提高了自主架線的成功率和效率。

通過模擬測(cè)試及實(shí)驗(yàn)驗(yàn)證，基于地面站輔助的無人機(jī)自主架線系統(tǒng)能夠高效穩(wěn)定地執(zhí)行電力架線任務(wù)，架線任務(wù)規(guī)劃算法、融合定位算法和架線弓檢測(cè)算法等均能夠達(dá)到設(shè)計(jì)要求，且無人機(jī)與地面站能夠?qū)崟r(shí)通信，既保證了無人機(jī)作業(yè)效率及成功率，又實(shí)現(xiàn)了無人機(jī)的自主避障，具有較高的安全性。綜上，所提出的無人機(jī)自主架線系統(tǒng)高效可靠，可在實(shí)際中推廣應(yīng)用。