小狐狸事務所: 自主飛行的無人機

2017年2月15日星期三

自主飛行的無人機

不久前在日新看到隔壁有一架四軸無人機升空, 在空中停留五分鐘後轉向東邊飛去, 實在太讓我羨慕了. 想歸想, 但現在還不是玩的時候, 所以只好在 Youtube 上過過乾癮, 下面紀錄幾個非常棒的產品, 應用在農業, 地質, 探勘調查分析等方面.

第一個是可自主飛行自動著陸的農用無人機 QuestUAV Q-Pod AGRI, 每趟可連續飛行超過 50 分鐘, 巡航面積超過 1000 公頃, 飛行高度超過 10000 英呎 (3048 公尺, 可飛到北大武 3092 公尺!), 配備降落傘安全降落系統, 提供包括飛行規劃, 影像處理, 資料分析方面之完整解決方案, 例如農作物生長監控, 雜草分析, 乾旱評估等等.

# QuestUAV Q-Pod AGRI - The UAV For Precision Agriculture

另一款農用無人機是 eBee, 跟 Q-Pod AGRI 一樣是單引擎後推滑翔翼型, 配備 Parrot Sequoia 相機, 多頻譜感應器, 以較少的飛行趟數即可獲取更多農作物生長資料 :

# eBee SQ - The Advanced Agricultural Drone

第三款為 DIY 無人機, 使用保麗龍製模型飛機改裝, 以樹莓派 A+ 接上 PiCam 與 MinimOSD 視訊處理板, 採用 Pixhawk 飛控, 利用 Mission Planner 做自主飛行規劃, 是低成本的自製 UAV :

# Raspberry camera + autonomous UAV orthophotography experiment

無人機能自主飛行不稀奇, 要能避障自主飛行才厲害. 下面這個影片拍得非常好, 兩架 UAV 前後飛行, 前面那架自主飛行, 後面那架人為控制追逐, 自主飛行那架開啟自動避障功能, 若飛行路線上遇到樹木等障礙物會避開, 畫面與音樂搭配起來好像是空戰一樣.

# Drone Autonomously Avoiding Obstacles at 30 MPH

它的抬頭顯示器 (HUD) 非常棒, 好像是戰鬥機上的目標鎖定系統 :

因片頭出現 CSAIL 字樣, 經過搜尋調查之後發現, 原來這是出自赫赫有名的麻省理工學院電腦科學與人工智慧實驗室之手! CSAIL 即 Computer Science and Artificial Intelligence Laboratory 的縮寫. 這部影片也貼在該實驗室網站上 :

# SELF-FLYING DRONE DIPS, DARTS AND DIVES THROUGH TREES AT 30 MPH

這個高速飛行避障技術由該實驗室的博士生 Andrew Barry 與其指導教授 Russ Tedrake 所開發, 也是 Barry 的博士論文中的實作部分 ( 已於 2016 年取得 Ph.D), 師徒兩人將此技術寫成論文發表在 IEEE 與 IROS :

# Drone Autonomously Avoiding Obstacles at 30 MPH
# http://groups.csail.mit.edu/robotics-center/public_papers/Barry15.pdf
# http://groups.csail.mit.edu/robotics-center/public_papers/Barry15a.pdf

由於笨重的光學雷達 (LiDAR) 不適合裝在小型無人機上, 因此 Barry 另闢蹊徑, 開發了立體影像演算法來即時偵測障礙物與建立周遭環境的圖像, 處理速度可達每秒 120 幀. 更棒的是, Barry 將其演算法開源, 參見 :

# https://github.com/andybarry/flight

當然, 要會應用得先看懂他的論文. 片中的無人機採用兩個與手機相當的處理器, 配備兩個裝在機翼兩側的相機擷取前方影像. 傳統的避障演算法採取不同景深, 從 1 公尺, 兩公尺, 3 公尺, ... 依序處理所擷取之影像, 這種作法相當耗費計算時間, 除非使用高階處理器, 否則飛行速度無法超越時速 5 英里.

Barry 的演算法跳脫傳統限制, 他認為即使在高速飛行下其實外在世界變化並不大, 並不需要依景深逐一處理, 只要處理較遠的特定影像即可, 例如 10 公尺, 比這還要遠或近距離的影像毋須顧慮, 因為往前飛行時會不斷將 10 公尺影像逐一納入, 而 10 公尺以內的環境影像之前已取得, 演算法軟體可以快速重建景深資訊.

下面這兩部影片較詳細地解說其原理與測試過程 :

# https://www.youtube.com/watch?v=iksfHQkkq88