波音|一种无人机自适应感知与自主避障技术

近年来，无人驾驶航空器(UAV)与无人驾驶航空系统(UAS)的应用场景已从军事领域快速拓展至民用领域，涵盖情报监视侦察(ISR)、物资投送、应急救援、地理测绘等多元任务。随着应用需求的激增，提升UAS自主性成为行业核心研发方向，其中实时障碍检测与自主规避是保障飞行安全的关键技术瓶颈。

传统有人机依赖飞行员目视判断避障，但UAV缺乏人工干预能力，其安全运行高度依赖技术系统的自主决策。现有技术中，基于全球定位系统(GPS)与静态障碍数据库的方案难以应对移动障碍(如鸟类、无应答机无人机)，且GPS在低空、复杂地形环境下精度波动较大；而民航标准的交通防撞系统(TCAS)仅适用于配备应答机的“合作目标”，对滑翔机、多旋翼无人机等“非合作目标”完全失效。

为解决多场景下的避障难题，本文研发了自适应感知与规避系统(Adaptive Sense and Avoid System，ASA)，通过动态融合多传感器数据、适配环境与任务特性，实现了对各类障碍的精准检测与智能规避，为不同空域、不同任务类型的UAV提供了通用化安全解决方案。

当前UAV避障技术体系存在多维度短板，难以满足复杂环境下的安全运行需求，具体问题可归纳为以下五类：

1. 人工目视依赖的不可替代性瓶颈

有人机的避障核心依赖飞行员“目视-判断-操作”的闭环反应，可灵活应对突发障碍(如突遇飞鸟、临时升空的轻型航空器)。但UAV缺乏物理驾驶舱与人类视觉感知能力，现有技术无法完全复刻人工目视的灵活性与环境适应性——例如，在复杂空域中，人工可通过航空器外形、飞行姿态快速区分“友机”与障碍，而传统系统仅能依赖预设参数判断，易出现误判或漏判。

2. GPS+静态数据库方案的固有缺陷

主流低空避障系统多采用“GPS定位+预设障碍数据库”架构，但该模式存在两大致命局限：一是数据库覆盖不全，静态数据库仅收录山峰、塔楼等固定障碍，对移动障碍(如飞行中的直升机、热气球)完全无感知；二是GPS精度受限，在城市峡谷、山区等遮挡场景下，GPS信号易受干扰，定位误差可达数米至十余米，导致系统无法精准判断障碍相对位置。此外，数据库更新周期长(通常按月更新)，无法响应临时施工塔吊、突发火灾烟雾等新增障碍。

3. 合作式避障系统的应用边界受限

TCAS、ADS-B等合作式系统是民航领域的成熟避障技术，其原理是通过航空器间的无线信号交互(如Mode S应答机、广播式自动相关监视)实现位置共享。但该技术仅适用于“合作目标”——即配备对应收发设备的航空器，而UAV运行中面临的多数高风险障碍(如滑翔机、动力伞、鸟类、消费级无应答机无人机)均为“非合作目标”，合作式系统对这类目标完全失效。更关键的是，军用UAV在作战空域中需规避敌方航空器，而敌方必然不会开启合作信号，进一步凸显了该技术的局限性。

4. 非合作目标检测技术的性能短板

针对非合作目标的检测技术尚未形成成熟方案，现有技术存在明显缺陷：一是雷达系统成本高昂，传统脉冲雷达体积大、功耗高，仅能适配大型UAV，小型战术UAV难以搭载；二是视觉系统环境适应性差，基于相机与光学流技术的检测方案在低能见度(雾、雨)、强光或暗光环境下性能骤降，且图像处理延迟可达数百毫秒，无法应对高速接近的障碍；三是单一传感器覆盖不足，声学传感器虽能弥补视觉系统的光照限制，但对远距离障碍探测能力弱，而激光雷达(LiDAR)受测距范围与环境干扰影响，难以实现全场景覆盖。

5. 缺乏环境与任务自适应能力

UAV的运行场景具有高度多样性：从15000英尺的高空巡航到1000英尺的低空突防，从开阔的沙漠空域到复杂的城市峡谷，从长时间巡航任务到低空悬停侦察，不同场景对避障系统的需求差异极大。例如，高空空域中非合作目标少，应优先依赖合作传感器；而低空山区地形复杂，需强化雷达与地形数据库的协同。但现有系统采用固定的传感器配置与数据处理逻辑，无法根据环境、任务、航空器状态动态调整，导致“高负荷下误报率高”“低风险场景资源浪费”等问题。

本文提出的自适应感知与规避系统(ASA，部件200) 针对上述问题，构建了“多传感器动态融合-智能障碍检测-环境适配轨迹规划”的全链路解决方案，通过硬件模块化、算法自适应、数据多维度支撑，实现了复杂场景下的高效避障。系统核心架构如图2a所示，其与UAV飞行控制系统的集成关系如图1c所示，可适配多旋翼(图1a)、固定翼(图1b)等各类航空器。

图1a 为示例多旋翼飞机视图

图1b 为示例固定翼飞机的视图

图1c 示出了用于图1a和/或图1b的飞机的示例飞行控制系统的框图

图2a 示出了用于障碍物自动检测与避让的

自适应感知与避障(ASA)系统

ASA系统200并非独立设备，而是与UAV现有飞行控制系统120深度集成的模块化解决方案，其核心部件包括处理器124、多类型传感器阵列226、障碍检测电路202、规避轨迹电路204、多维度数据库224，并通过无线收发器130与远程设备138实现人机交互。

从集成逻辑看(图1c)，处理器124作为核心算力单元，分别与飞行控制器126、内存设备128(存储数据库224)、导航系统142(含GPS142a、INS142b、IMU142c)、传感器阵列226(含ISR载荷140的140a相机、140b声学传感器)连接；障碍检测电路202与规避轨迹电路204通过软件算法实现于处理器124中，前者接收传感器226与数据库224的输入，后者输出轨迹指令至飞行控制器126。这种集成方式可通过固件升级实现现有UAV的技术迭代，无需重构硬件。

关键集成优势：

• 硬件复用：直接调用UAV现有传感器(如ISR任务的相机、导航用的GPS)，降低改装成本；

• 实时响应：与飞行控制器126的直连时延低于50毫秒，满足高速避障需求；

• 远程协同：通过无线收发器130与地面远程设备138(平板、基站)通信，支持人工干预与状态监控。

传感器阵列226是ASA系统的“感知触角”，采用“合作+非合作”双模设计，通过分布式布置实现360度环境感知，解决了传统单一传感器的覆盖盲区问题。

传感器阵列226分为合作传感器226a与非合作传感器226b两类，具体配置如下：

合作传感器226a：基于无线收发器130实现，支持ADS-B、TCAS、TAS等主流合作协议，可接收其他航空器的位置、航向、速度等信息，主要用于管制空域、高空场景中的合作目标检测。

非合作传感器226b：覆盖多物理模态，包括：

雷达系统：用于中远距离非合作目标检测，抗环境干扰能力强；

光电/红外系统(140a相机)：基于光学流与3D重建技术，识别中近距离障碍外形与类型；

声学系统(140b麦克风/回声定位传感器)：通过声波发射与回声分析，检测视觉盲区的近距离障碍(如鸟类)；

 LiDAR系统：高精度测距，辅助地形匹配与障碍定位。

传感器的布置需匹配航空器类型与任务需求，图1a与图1b展示了典型配置：

多旋翼航空器100a：在旋翼臂112末端与机身顶部、底部布置4组传感器110，每组含声学+视觉传感器，实现360度无死角覆盖，适配悬停侦察等需要全向感知的任务；

固定翼航空器100b：机头布置主传感器组(雷达+LiDAR)，机翼两侧布置辅助视觉传感器，尾部布置声学传感器，重点强化前向探测(巡航方向)，同时兼顾侧后方警戒。

这种布置方案可通过障碍检测电路202的模式指令208动态调整传感器工作状态——例如，巡航任务时仅启动机头主传感器组以降低功耗，悬停任务时开启全部传感器实现全向扫描(图2b步骤208)。

图2b 示出了用于障碍物自动检测与避让的

自适应感知与避障(ASA)系统

障碍检测电路202是ASA系统的“大脑中枢”，核心功能是依据航空器状态、环境条件动态调整传感器模式与数据权重，通过多源数据融合生成障碍信息的“最佳估计值”。其工作流程如图2b所示，包含5个关键步骤：

电路首先通过飞机数据系统228获取实时状态参数，包括：

• 航空器状态：高度、空速、爬升率、任务类型(巡航/悬停/突防)；

• 姿态信息：俯仰角、滚转角、偏航角(来自IMU142c)；

• 位置信息：经纬度、海拔(来自GPS142a与INS142b融合)。

同时，电路查询环境数据库224b与空域数据库224a，获取当前环境条件(能见度、风速、光照强度)与空域类型(管制区/限制区/非管制区)，为后续传感器配置提供依据。例如，若检测到航空器处于“低空山区+能见度5公里”的环境，将优先强化雷达与声学传感器的启用优先级。

基于状态与环境感知结果，电路向传感器阵列226发送模式指令208，调整传感器的工作参数与探测范围，典型配置案例如下：

巡航任务(高度>5000英尺)：指令雷达进入“中距离扫描模式”(探测距离20公里)，视觉传感器进入“低帧率模式”(10帧/秒)，关闭声学传感器；

悬停任务(高度<1000英尺)：指令所有传感器进入“全向警戒模式”，视觉传感器提升至“高帧率模式”(30帧/秒)，声学传感器开启“高频探测”(10kHz采样率)；

低空突防(地形复杂区)：指令雷达进入“抗地杂波模式”，过滤地面反射信号，LiDAR进入“高精度测距模式”(误差<0.1米)。

这种动态配置可在保证检测性能的前提下，最大限度降低传感器功耗与数据处理压力——例如，高空场景中声学传感器对远距离障碍无效，关闭后可减少30%的算力占用。

权重分配是障碍检测的核心创新点，电路依据传感器类型、航空器状态、环境条件三个维度为每路传感器数据分配权重(0-1.0)，权重越高表示数据可信度越高。分配逻辑基于预设规则与机器学习模型，典型案例包括：

权重分配的动态性是ASA系统的关键优势——例如，当航空器从管制区飞入非管制区时，电路可在100毫秒内将合作传感器权重从0.8降至0.2，同时提升雷达权重从0.2至0.7，确保对非合作目标的检测灵敏度。

电路采用加权融合算法处理多传感器数据，核心逻辑是：对同一障碍的不同传感器探测结果，按权重计算位置、速度、类型的融合值；对不同障碍的探测结果，通过交叉验证排除误报。

具体实现中，若雷达与视觉传感器同时检测到前方3公里处的障碍：

• 雷达数据(权重0.8)：位置(X1,Y1,Z1)，速度200km/h，类型“未知”；

• 视觉数据(权重0.2)：位置(X2,Y2,Z2)，速度190km/h，类型“固定翼航空器”；

• 融合结果：位置(0.8X1+0.2X2, 0.8Y1+0.2Y2, 0.8Z1+0.2Z2)，速度198km/h，类型“固定翼航空器”。

同时，电路通过机器学习模型过滤误报：模型基于历史数据(存储于内存128)识别“易误报场景”——例如，强光下视觉传感器易将云层误判为障碍，此时若雷达未检测到目标，将直接排除该“虚假障碍”。这种融合方式使障碍检测的准确率较传统单一传感器方案提升60%，误报率降低80%。

电路最终生成障碍信息，包括：

• 核心参数：障碍位置、速度、加速度、尺寸、类型(航空器/鸟类/建筑物)；

• 威胁等级：基于碰撞时间(TCPA)与距离(DCPA)划分(高/中/低风险)；

• 置信度：融合结果的可信度(0-1.0)。

该信息一方面通过无线收发器130发送至地面远程设备138，为操作员提供声光警报；另一方面实时传输至规避轨迹电路204，作为轨迹规划的输入。

数据库224是ASA系统的“知识底座”，存储于内存设备128中，包含空域数据库224a、环境数据库224b、地形数据库224c三类，为障碍检测与轨迹规划提供静态与动态数据支撑。数据库可通过远程设备138预加载，或通过传感器阵列226实时更新(如发现新增障碍后自动补充至数据库)。

该数据库存储全球空域的法律与运行规则数据，包括：

• 空域类型：管制区、限制区、禁飞区、临时飞行限制区(TFR)；

• 运行规则：航线、高度层、进近程序、冲突告警阈值；

• 合作目标分布：机场、航路点、已知航班航线。

其核心作用是为权重分配与轨迹规划提供约束——例如，在管制区(如机场5公里范围内)，障碍检测电路202会将ADS-B数据的权重提升至0.9(优先信任合作目标)，规避轨迹电路204会禁止规划穿越跑道中心线的规避轨迹。

该数据库包含静态统计数据与动态实时数据：

静态数据：不同区域的季节特征(如北方冬季雾天频率)、鸟类活动热点(如湿地周边鸟类迁徙路线)、光照规律(如赤道地区正午强光时段)；

动态数据：实时天气(能见度、风速、降水，来自气象卫星或地面站)、临时环境事件(如火灾烟雾、沙尘暴)。

例如，若数据库显示“某区域夏季16-18时鸟类活动频繁”，障碍检测电路202会自动提升声学传感器的权重(0.7)，规避轨迹电路204会规划远离鸟类热点区域的航线。

该数据库采用高精度数字高程模型(DEM)，存储地形特征数据：

• 自然地形：山峰、峡谷、河流、森林；

• 人工建筑：塔楼、高压线、桥梁、建筑物；

• 地形梯度：坡度、坡向(用于判断规避轨迹的可行性)。

其与LiDAR传感器的数据融合可实现“地形跟随”功能——例如，当航空器在山区突防时，规避轨迹电路204会查询地形数据库224c，确保规划的规避轨迹(如爬升)不会撞向后方的山峰(图2c步骤216)。

图2c 示出了用于障碍物自动检测与避让的

自适应感知与避障（ASA）系统

规避轨迹电路204的核心任务是基于障碍信息、数据库约束与航空器性能，计算“避障有效+合规合法+操作可行”的轨迹指令，其工作流程如图2c所示，包含5个步骤：

电路通过GPS142a与飞机数据系统228实时监控关键参数：

• 位置精度：若GPS信号受干扰(误差>5米)，自动切换至INS142b的惯性导航数据；

• 性能边界：最大爬升率、最小转弯半径、失速速度(来自航空器性能数据库)；

• 任务约束：目标航点、任务优先级(如“侦察任务优先于避障，允许临时逼近障碍”)。

这些参数构成轨迹规划的“操作可行性”边界——例如，若航空器处于“低速悬停”状态，电路不会规划“大坡度转弯”的规避轨迹(超出性能极限)。

电路依据当前位置，并行查询三类数据库：

• 空域数据库224a：确认规避方向是否进入限制区；

• 地形数据库224c：确认规避轨迹是否存在地形碰撞风险；

• 环境数据库224b：确认规避路径是否受恶劣天气影响(如强侧风区域)。

查询结果会生成“约束掩码”——例如，若左侧为管制区、右侧为开阔地形，则掩码标记“左侧路径不可用”，电路仅需在右侧规划轨迹(图2c步骤220)。

在无障碍场景下，电路会持续计算基础安全轨迹，定义航空器的“安全运行区”——该轨迹基于地形数据库224c(避开地形障碍)与空域数据库224a(符合空域规则)生成，例如在山区飞行时，基础轨迹会自动保持“高于地形300米”的安全高度。

这种“提前计算”机制可大幅缩短障碍出现时的响应时间——当检测到障碍时，电路无需从零开始规划，仅需在基础轨迹上调整即可，响应时延可从传统系统的500毫秒降至100毫秒以内。

当接收到障碍检测电路202的威胁信息后，电路采用多目标优化算法计算规避轨迹，优化目标按优先级排序为：

1. 碰撞规避：确保轨迹与障碍的距离≥安全阈值(根据障碍类型动态调整：鸟类≥50米，航空器≥500米)；

2. 合规性：不进入限制区、不偏离任务航线过远(≤2公里)；

3. 可行性：轨迹符合航空器性能边界(如爬升率≤最大爬升率)；

4. 经济性：最小化燃料消耗与任务延误。

典型规划案例：若前方5公里处出现非合作航空器(速度300km/h)，电路查询数据库发现“左侧为限制区，右侧为开阔地形”，则规划“右侧水平转弯+增速脱离”的轨迹，同时确保转弯半径(1公里)小于航空器最小转弯半径(0.8公里)，且转弯后仍能回归原任务航线。

电路将规划好的轨迹转换为飞行控制指令，包括航向角、俯仰角、速度指令，通过处理器124发送至飞行控制器126。同时，指令会同步至远程设备138，供操作员监控——若操作员认为指令不合理(如规避轨迹偏离任务目标)，可通过远程设备138发送“否决指令”，电路将重新规划轨迹。

这种“自动规划+人工监控”的模式兼顾了自主性与安全性，尤其适用于军用UAV的复杂任务场景。

为更清晰展示ASA系统的工作逻辑，以“多旋翼UAV100a执行山区悬停侦察任务”为例，结合图3的导航方法300说明完整应用流程：

图3 示出了用于操作配备有 ASA 系统的飞机的示例导航方法

1. 步骤302：系统启动：ASA系统随飞行控制系统120启动，自动加载任务区域的数据库224(空域224a、环境224b、地形224c)；

2. 步骤304：状态与环境检测：处理器124获取“悬停状态(高度800英尺)+山区地形+夏季晴天(能见度10公里)”的信息；

3. 步骤306：传感器模式设置：障碍检测电路202发送指令，开启所有传感器进入“360度全向扫描模式”，视觉传感器140a设为“高帧率(30帧/秒)”；

4. 步骤308：权重分配：基于“能见度高+非管制区”，分配视觉传感器权重0.7、雷达权重0.2、声学传感器权重0.1；

5. 步骤310：数据评估：视觉传感器检测到右侧200米处有“移动障碍(动力伞)”，雷达与声学传感器交叉验证确认，生成障碍信息；

6. 步骤312：威胁报告：障碍检测电路202将“中风险障碍(速度10km/h)”信息发送至规避轨迹电路204；

7. 步骤314：状态监控：确认UAV当前悬停速度0km/h，最大横向移动速度5m/s；

8. 步骤316：数据库查询：查询发现右侧为陡坡(地形224c)，左侧为开阔区(空域224a无限制)；

9. 步骤318-320：轨迹计算与指令发送：规划“左侧横向移动50米”的轨迹，发送指令至飞行控制器126；

10. 步骤322-324：任务未完成，返回步骤304持续监控，直至任务结束。

自适应感知与规避系统(ASA)通过“多传感器动态融合-智能障碍检测-环境适配轨迹规划”的技术路径，彻底解决了传统UAV避障技术“依赖人工、覆盖不全、环境适应性差”的核心痛点。其创新点在于将“传感器硬件”与“环境知识”深度耦合，通过算法自适应实现了“感知-决策-控制”的闭环优化。

来源：公开信息，要点纵航整理

提示：原创文章未经允许，请勿转载

免责申明：本文中所含内容乃一般性信息，包含的价格及观点仅供贵方参考，要点纵航不对任何方因使用本文内容而导致的任何损失承担责任。