殷佳煒，趙晨曦，張 帆，王 碩，曹海平，傅懷梁

（南通大學 張謇學院，江蘇 南通 226000）

中國是全球森林資源增長最多的國家，森林防火是極為重要的課題。我國的森林地域廣闊、地形復雜，人工巡邏方式遠不能滿足護林要求，因此，森林偵察逐漸向自動化邁進[1]。傳統(tǒng)履帶式或輪式偵察機器人移動速度慢、功率消耗高，不能快速到達事故現(xiàn)場進行調查，加之林間復雜環(huán)境又使消防無人機移動受限增多，因此，陸空兩棲森林火災偵察機器人應運而生。本文基于Jetson Nano開發(fā)板，設計一款用于森林火災偵察的陸空兩棲機器人，以實現(xiàn)自主定位、避障、偵察等功能，并通過實驗驗證其設計的合理性。

1 系統(tǒng)總體構建

1.1 系統(tǒng)設計方案

如圖1所示，陸空兩棲機器人[2]主要由主控模塊、外部感知模塊、內部感知模塊、飛行控制模塊和地面控制模塊等組成[2]。

圖1 陸空兩棲機器人總體結構方案

1.2 系統(tǒng)硬件結構設計

1.2.1 機械結構設計

考慮森林環(huán)境的復雜性，以及陸空兩棲機器人的安全性、靈活性等要求，飛行部分采用旋翼結構，地面部分采用輪式結構。旋翼結構具有靈活度高、起飛降落自由的優(yōu)勢，更適用于復雜環(huán)境下機器人的運動。輪式結構由于采用了橡膠輪胎及相關的懸掛裝置，具有良好的緩沖、減震性能，且比履帶式結構行駛速度更高、機動性更好。陸空兩棲機器人機械結構的三維視圖如圖2所示。

圖2 陸空兩棲機器人三維視圖

1.2.2 主控模塊

在復雜的森林環(huán)境中，由于視野受限，操作手并不能很好地進行操作。陸空兩棲機器人要在操作手的輔助操控下自主完成移動，就需要處理器擁有快速強大的運算能力。Jetson Nano開發(fā)板是Jetson系列中最小型的設備，但性能非常強大，具備472 GFLOPS的運算能力，能使無人機搭載目標檢測算法和三維建模算法。因此，系統(tǒng)設計選擇Jetson Nano處理器作為主控模塊。

1.2.3 外部感知模塊

（1）選用IMX219-170單目攝像頭，其配備索尼IMX-219感光芯片，可達800萬像素，170°視場角，廣泛應用于圖像識別的AI智能研究。

（2）選用RPLIDAR A2 360°激光掃描測距雷達，采用激光三角測距技術，測量半徑為12 m，采樣頻率高達8 000次/s，其在自主構建地圖、實時路徑規(guī)劃、自主避障等方面具有很好的性能。

（3）雙目相機選用Intel T265跟蹤攝像頭，搭載BMI055 IMU（慣性測量單元）和兩個魚眼鏡頭?？删珳蕼y量偵察機器人的旋轉角速度和加速度，實現(xiàn)機器人跟蹤，并將數(shù)據(jù)提供給環(huán)境感知模塊，實現(xiàn)高精度視覺慣性測距，同時進行定位和映射。

1.2.4 內部感知模塊

（1）慣性測量單元（IMU）包括三個單軸的加速度計ICM-20699和三個單軸的陀螺儀BMI055，實時獲取偵察機器人在三維空間中的角速度和加速度，并由此解算機器人的姿態(tài)。

（2）氣壓計選型為MS5611，高度分辨率為10 cm，幾乎可與任何微控制器連接，無須在器件中編程內部寄存器，具有非常低的滯后性，以及高穩(wěn)定性的壓力、溫度信號。

1.2.5 地面控制模塊

地面控制模塊選用Arduino Mega2560核心板，具有54路數(shù)字輸入輸出，適合需要大量IO口的設備。其具有三種供電模式，在智能機器人、智能無人機、智能家居等領域均有廣泛應用。

1.2.6 飛行控制模塊

飛行控制模塊選用具有“開源飛控之王”美譽的Pixhawk4，其上搭載基于STM32F765的FPU處理器與基于STM32F100的IO處理器。

2 軟件算法設計

2.1 飛行控制算法

飛行控制部分采用雙飛行控制系統(tǒng)。核心飛行控制系統(tǒng)將陀螺儀、加速度計、磁力計等模塊獲取的數(shù)據(jù)進行實時解算，得到姿態(tài)角數(shù)據(jù)并反饋至飛行姿態(tài)控制環(huán)，將期望角度與實際角度作差，通過比例、積分、微分等環(huán)節(jié)得到期望角速度，再與陀螺儀獲得的實時角速度作差，再次經(jīng)過比例、微分和積分環(huán)節(jié)，增強系統(tǒng)的穩(wěn)定性。最終計算出合適的波形信號，以控制電機轉速，實現(xiàn)姿態(tài)的穩(wěn)定及各種姿態(tài)變化的運動，其控制流程如圖3所示[3]。

圖3 飛行姿態(tài)控制流程

2.2 地面控制算法

由于機器人在行進過程中情況復雜，采用傳統(tǒng)的PID算法難以準確控制。模糊PID算法采用模糊算法對PID參數(shù)進行實時調節(jié)，以滿足不同復雜情況下的靈活控制，具有良好的適應能力。模糊PID自適應整定曲線具有極小的超調量，且能在極短的響應時間內達到目標值。因此，使用模糊PID算法進行地面控制，流程如圖4所示。

圖4 模糊PID控制流程

2.3 環(huán)境感知算法

機器人在復雜的森林環(huán)境中進行偵察，操作手僅依靠圖傳系統(tǒng)和GPS（全球定位系統(tǒng)）進行遠程控制，受視野所限往往不能準確操作，因此，要求機器人具有環(huán)境感知能力。目前，廣泛應用的SLAM[4]（即時定位與地圖構建）技術分為視覺SLAM和激光SLAM。由于火災環(huán)境中光照復雜，且時常伴隨濃煙，環(huán)境昏暗，視覺信息不明顯，所以使用激光SLAM技術更合適。

陸空兩棲機器人采用cartographer框架，實現(xiàn)激光雷達SLAM，為機器人提供環(huán)境信息，其總體結構如圖5所示。其中：激光雷達SLAM測量周圍360°范圍內物體到機器人的距離信息；IMU輸出角速度和加速度，主要用于融合和修正數(shù)據(jù)。將激光雷達掃描數(shù)據(jù)和IMU積分數(shù)據(jù)融合，可得到無人機的X軸、Y軸方向和偏航角；地紅外數(shù)據(jù)與IMU融合，可獲得高度信息。數(shù)據(jù)經(jīng)融合與修正可使機器人獲得更精確的角速度、加速度、位置和方向等環(huán)境感知信息，再將此信息發(fā)送至飛行控制器或地面控制器，進行實時導航。

圖5 激光SLAM算法總體結構

2.4 避障算法

本文避障算法采用人工勢場法[5]。人工勢場包括引力場和斥力場。引力場由目標點確定，產(chǎn)生假想引力，引導機器人向目標方向行進，引力的計算方式如式（1）。

其中：dg為感知直徑，是為防止目標離機器人過遠時導致引力過大而設定；xgoal-x為機器人與目標之間的距離；?a為近距離引力系數(shù)；?b為遠距離引力系數(shù)。

斥力場由障礙物確定，沿最近障礙物的切向產(chǎn)生假想斥力，排斥機器人向障礙物方向行進，斥力的計算方式如式（2）。

其中：Qj表示安全距離，即需要采取避障算法的距離；dj（x）表示第j個障礙物與機器人的距離；ρj表示第j個障礙物的斥力系數(shù)。

將兩力通過算法疊加后，為機器人規(guī)劃出最佳路徑，以提高追蹤監(jiān)測的效率，從而完成自主避障追蹤。

當機器人移動的環(huán)境非常復雜或者進入了封閉環(huán)境，在某一點引力斥力和速度很小，即處于局部最小點時，會導致機器人在該點停止或在該點周圍振蕩。為解決此問題，引入了繞行機制，其避障算法結構如圖6所示。

圖6 避障算法總體結構

繞行閾值為一個很小的正數(shù)，當合速度小于繞行閾值時，機器人即進入了局部最小點，將沿斥力場等勢面移動繞行，并判斷是否到達目的地，若是就退出算法，否則重新計算合速度。

2.5 火情檢測算法

YOLO系列是先進的目標檢測算法。YOLOv4是YOLO系列的第四代，其通過各種調優(yōu)手段，實現(xiàn)了精度和速度的平衡，提升了網(wǎng)絡的性能。YOLOv4-tiny是基于YOLOv4的壓縮版本，大大減少了參數(shù)，更適用于移動端的部署。本文選用YOLOv4-tiny作為火情檢測模型?；鹎闄z測算法流程如圖7所示。具體檢測識別流程是：采集火情圖像，建立數(shù)據(jù)集；將數(shù)據(jù)集輸入YOLOv4-tiny模型并進行訓練，得到檢測模型；機載攝像頭對環(huán)境逐幀拍攝并將視頻幀逐幀輸入機載處理器，經(jīng)YOLOv4-tiny模型檢測識別火情。

圖7 火情檢測算法整體流程

3 系統(tǒng)測試與分析

3.1 火情檢測測試

為測試上述火情檢測算法的可行性，隨機抽取火情圖像進行識別，結果如圖8所示。

圖8 火情檢測算法識別效果

在機載處理器Jetson Nano上使用自制的火情數(shù)據(jù)集對各模型進行測試，結果如表1所示。由表1可見，YOLOv4-tiny能實現(xiàn)實時檢測，且擁有不錯的準確率。

表1 不同模型的檢測結果對比

3.2 實物測試

為驗證系統(tǒng)的可實施性，集成上述硬件和軟件系統(tǒng)制成實驗樣機如圖9，并在較為復雜的迷宮中進行實驗測試。

圖9 實物測試樣機

為機器人規(guī)劃路徑，測試其運動軌跡如圖10所示。由圖10可知，設計的陸空兩棲機器人在系統(tǒng)控制下能較好地修正誤差，完成規(guī)劃的運動路徑，具有較好的精度。

圖10 機器人樣機運動軌跡

系統(tǒng)建模實驗結果如圖11。由圖11可知，陸空兩棲機器人在較為復雜的地形中完成了巡航偵察任務，并且規(guī)避了無法行駛的死角，達到預期效果。

圖11 系統(tǒng)建模實驗結果

4 結 語

以Jetson Nano為核心處理器，集成了無人機與無人車的優(yōu)勢與特點，設計了用于森林火災偵察的陸空兩棲機器人。實驗表明，該機器人能實現(xiàn)自主定位、避障、偵察等功能，達到預期控制效果。制作樣機，并通過實驗驗證了其設計方案的合理可靠性。