摘要：激光雷達有探測距離遠，魯棒性強等特點，將激光雷達作為無人機的傳感器，并對傳統的矢量場直方圖算法（VFH）進行了改進。用激光雷達數據作為依據，提出了一種改進自適應閾值策略，使用閾值評價函數，對可選范圍內的每組閾值進行綜合評價，使得無人機能夠選取適合當前情況的閾值。實驗結果表明，存在障礙物環境中，無人機可以尋得較短的路徑和較快的時間，安全無碰撞的到達目標點，避障精度可達96.7%，并且無人機姿態的實時反饋控制也滿足避障的要求。

0?引言

避障問題一直是無人機的熱點研究問題，現如今人們對局部避障有很多成熟的算法，如人工勢場法、柵格法、可視圖法等，每個算法的優缺點也不一樣，其中，向量場直方圖法（VFH）在機器人避障表現出良好的性能。VFH是一種由人工勢場法改進而來的機器人導航算法，廣泛應用在機器人的實時避障當中。VFH算法解決了虛擬勢場法VFF容易陷入局部極小值，狹窄通道存在震蕩的問題。但該算法未考慮機器人的尺寸以及動力學和運動學特性。為了改進VFH算法缺點，文獻4提出了改進VFH*算法，另外，還有許多研究者考慮到障礙物存在速度的問題提出了VFH*算法，學習動態環境避障。文獻6設計了基于動態閾值的局部循環跳出機制以克服固定閾值所帶來的問題。通過分析會發現算法的提出都和當時的設備有關，設備精度低對障礙物檢測不完全可靠，不得不提出各種的數據處理的方法。現如今激光雷達的精度完全能滿足要求。對此，對此，本文以二維激光雷達為傳感器，采用改進的VFH算法，實現了一種自適應閾值策略，提高了在無人機飛行過程中的避障性能。

1?激光雷達特點

激光雷達結合了激光技術與雷達技術，利用激光發出光波信號進行測量，激光雷達的工作方式與微波雷達類似。相對于傳統的探測技術而言，激光雷達有著精度高，抗干擾能力強等特點。

2?改進的VFH算法

激光雷達所采集的數據是在極坐標下激光雷達與障礙物之間的距離，通過VFH算法將無人機周圍存在的障礙物進行量化表示并根據不同障礙物距離賦予不同的障礙強度值。無人機會在小于確定的閾值的范圍內選擇其移動的方向。但是閾值的確定需要根據無人機的實際飛行狀態決定，沒有統一的方法。如圖1所示，閾值過大時會有一些能夠通過的路徑被忽視，使無人機不能發現道路，從而找不到目標點；如圖2所示，閾值過小，會使無人機無法發現前方的障礙物，來不及躲避發生碰撞。

圖1 閾值過大

圖2 閾值過小

2.1?坐標變換

利用二維激光雷達作為傳感器來采集數據，根據激光雷達采集到的數據信息生成所需要的環境信息，根據所生成的環境信息建立以激光雷達為中心的直角坐標系。為了使無人機能夠安全避障，需要對全局直角坐標系與極坐標之間進行坐標轉換。圖3為坐標系的變換規則。

α為無人機在直角坐標系中行進方向的角度，β為極坐標系下與直角坐標系下的坐標變換角。

式（2）為極坐標系航向角與直角坐標系航向角的轉換關系。如圖3所示在極坐標系下的障礙物A方向角為O，根據公式（2）可以得出直角坐標系下的方向角Φ。

圖3 直角坐標與極坐標的轉換

2.2?閾值的選取

經過以上分析閾值過大會忽視一些可通過的路徑，閾值過小可能會發生碰撞，因此針對傳統VFH算法固定閾值敏感的問題，本文提出一種自適應閾值策略。

（1）假設無人機飛速度為v，勻減速加速度為α，無人機減速到速度為零時所進行的位移D為

式（4）中Lmax激光雷達的最遠離，dth最優閾值，λ安全系數，RT激光雷達到達無人機邊緣的距離。

（2）設置初始閾值，其中dmax（最大閾值）和dmin（最小閾值），一般選取的最大閾值應略小于激光雷達掃描的最大距離．取dmin=λ（D+ RT）。

（3）選取合適的步長△d，對于區間[dmin，dths

式中（c，kt）可選方向與目標點的夾角，（c，kr）可選方向與當前方向的夾角?（c，kbt）可選方向與上一次運動方向的夾角，u1+u2

在求解的所有dthi中，求得代價函數函數值最小的一項對應的dthi即為最優閾值。

2.3?自由扇區與轉向的確定

首先需要對激光雷達采集到數據生成環境信息，在根據環境信息確定無人機可通過的扇區區間，在可通過的扇區區間中選取一個最合適的區間，為無人機行進的方向。

（1）自由扇區的選取

定義在極坐標環境信息中，如果θ角度方向的距離d小于等于ds且dd小于無

人機的寬度，則該區域稱為峰扇區：否則為谷扇區。其中，dd的定義如下：

其中，φ為包ds并且大于ds區域的角度值。

根據上述定義確定的自由扇區，就是無人機可以通過的方向。

（2）平臺轉向方向的確定

以激光雷達為中心的直角坐標系下，利用式（6）計算目標點與無人機的夾角α，如圖4所示。

在公式（7）中，（xg，yg）和（xr，yr）為在直角坐標系下的距離目標點的距離。

圖4 測量位置關系圖

如圖4從測量位置關系圖可以看出，在無人機的前方共有三個障礙物，均可以通過θ1，θ2，θ3，θ4 4個方向到達目標點。通過比較可知與目標點方向接近的方向有兩個分別為：θ2與θ3。根據自由扇區選取的定義可知，θ2與θ3都是自由扇區，均可作為無人機的飛行方向。然后分別計算兩個候θ2與θ3與目標點方向之間的角度β1，β2，通過比較到達目標點距離近的自由扇區為最終的方向。θ3扇區到達目標點的距離比θ2扇區到達目標點的距離更近，因此，θ3扇區是無人機的最終行進的方向。

（3）轉向角度的計算

如圖4在建立了激光雷達極坐標環境地圖之后，無人機的行進方向為Φ。

αl為θ3扇區的終止方向O2的角度，α2為θ3扇區的起始方向O1的角度。

最終航向為：

3?實驗分析

根據上述算法的規則，設計無人機避障實驗，激光雷達采用的是川杉機器人公司的Delta3。激光雷達參數如表1所示，激光雷達和無人機如圖5所示。

表1 激光雷達的相關參數

圖5 激光雷達

為了測試本文的方法，文獻11和文獻12進行對比實驗，如圖6所示。圖6中障礙物之間距離均滿足閾值要求，本文方法根據障礙物檢測結果對無人機移動方向和速度進行不斷調整，無人機可以較好無碰撞的避開障礙物，并準確到達目標點。表2所示所本文方法行進的距離更短，時間更短，說明本文方法尋得的路線更優。為了驗證避障精度進行30次避障實驗，文獻11成功避障22次，文獻12成功避障26次，本文方法成功避障29次，精度可達96.7%。與文獻11和文獻12兩種方法進行了對比，本文方法結果更為精確性能更優。

圖6 避障結果示意圖

表2 與其他方法的對比

為了測試無人機避障時的姿態誤差，以陀螺儀的姿態系統與采用激光雷達的姿態系統相比較如圖7，圖8，圖9。

圖7 無人機的位置偏移

圖8 滾轉角與俯仰角誤差

圖9 無人機航向誤差

圖7表明無人機的位置偏移表明無人機的位置偏移均保持在1cm之內，圖8分別為滾轉角誤差和俯仰角誤差，表明其誤差也均在0.2?以內，圖9為無人機航向誤差，其誤差范圍在1?以內。均比陀螺儀的姿態系統誤差小。因此，利用激光雷達作為傳感器，無人機在避障的過程中姿態控制有較高精度，能夠滿足避障控制要求。

4?結論

本文以激光雷達為傳感器設計了一種無人機的避障方法。該方法計算效率高，魯棒性強，對誤讀不敏感等優點。針對傳統VFH閾值敏感問題，提出了一種結合閾值評價函數的自適應閾值策略。實驗結果表明，利用激光雷達獲取的環境信息并結合改進VFH算法滿足避障精度要求，精度可達96.7%，能夠使無人機安全的到達目標點，并且無人機姿態的反饋控制的精度也滿足避障控制的要求。該方法適用于無人機的實時避障規劃。

審核編輯：劉清