目前越來越多的國家將陸空機器人應(yīng)用到軍事偵察方面，對其性能要求越來越高，偵察過程中很難對陸空機器人進行跟蹤操控，機器人需具備自主運行能力. 為了提高機器人的續(xù)航能力，平臺工作時以地面模式為主，以空中機動為輔；為了更好地發(fā)揮陸空機器人的跨域特性，進行自主跨域越障研究.

障礙物檢測是自主跨域越障的前提，隨著科技的快速發(fā)展，基于視覺傳感器的障礙物檢測方法已成為研究熱點. 基于顏色特征模型的障礙物檢測方法利用不同物體具有不同色彩屬性的原理進行障礙物檢測[1-2]，但在色彩差異較小的環(huán)境中檢測效果較差，且不能提取障礙物的三維信息. 基于光流法的障礙物檢測方法對動態(tài)障礙物檢測表現(xiàn)良好，但對靜態(tài)障礙物檢測不敏感[3-4]. 基于邊緣檢測技術(shù)的方法可以提取障礙物的邊緣信息，但是包含地面干擾信息[5-6]. 基于雙目立體視覺的障礙物檢測方法可以有效地獲取障礙物的三維信息[7-10]，美國研制的勇氣號火星探測機器人利用此方法進行前方障礙物的檢測[11]. 鄧祥等[12]提出了快速區(qū)域匹配算法進行障礙物檢測，利用閾值來分割障礙物區(qū)域，可以去除無效的干擾信息，該算法具有較好的檢測效果. 基于深度學習的方法具有檢測能力強、魯棒性好等優(yōu)點，但是也存在對硬件要求高等缺點. 針對以上方法存在的不足，本文采用深度相機采集的深度圖像進行障礙物檢測.

目前，針對陸空機器人自主跨域越障的研究較少，本文根據(jù)變結(jié)構(gòu)陸空機器人自身的特點及障礙物檢測結(jié)果提出自主跨域越障策略，并進行障礙物檢測及自主跨域越障試驗.

1 變結(jié)構(gòu)陸空機器人

1.1 機器人平臺

變結(jié)構(gòu)陸空機器人融合了輪式移動與4旋翼飛行，存在地面移動、陸空模式切換及飛行移動3種運動狀態(tài)[13]，如圖1所示. 地面移動系統(tǒng)為兩輪驅(qū)動、差速轉(zhuǎn)向的4輪結(jié)構(gòu)；為了減小陸空模式切換阻力，陸空模式切換由舵機直接驅(qū)動，舵機的旋轉(zhuǎn)軸與機身水平面、機身側(cè)平面夾角均為45°，4個舵機的旋轉(zhuǎn)軸按照對應(yīng)方向旋轉(zhuǎn)180°即可實現(xiàn)地面模式與飛行的相互切換；飛行系統(tǒng)為“X”型4旋翼結(jié)構(gòu). 車輪為共用執(zhí)行機構(gòu)，既是地面移動車輪同時也是飛行電機的安裝基座，降低了系統(tǒng)的復(fù)雜度和機器人自身質(zhì)量，有利于延長續(xù)航時間.

圖1 變結(jié)構(gòu)陸空機器人運動狀態(tài)Fig.1 Motion state of the variable structure land-air robot

1.2 自主跨域越障系統(tǒng)

平臺采用Intel RealSense Depth Camera D415相機完成障礙物檢測，采用NVIDIA Jetson TX2核心模塊搭載RTSO-9003超小型載板作為機載數(shù)據(jù)處理單元，飛行采用Pixhawk 2.4.8進行位姿控制. 6S Li-Po電池直接為地面移動和飛行部分提供穩(wěn)定可靠的電壓，電池通過一塊電源模塊、DC-DC降壓模塊將電壓轉(zhuǎn)為12 V、8.4 V之后，分別為舵機、NVIDIA Jetson TX2供電. 變結(jié)構(gòu)陸空機器人自主跨域越障系統(tǒng)硬件框圖如圖2所示.

圖2 變結(jié)構(gòu)陸空機器人自主跨域越障系統(tǒng)硬件框圖Fig.2 Autonomous cross-domain obstacle negotiation system of the variable structure land-air robot

在Linux Ubuntu 16.04操作系統(tǒng)上實現(xiàn)自主跨域越障功能，主要基于ROS開源機器人系統(tǒng)使用C++進行編程. mavros作為Pixhawk 2.4.8在ROS下的信息交互接口，其主要完成PX4固件與TX2的通信工作，mavros已經(jīng)封裝mavlink消息流，通過ROS底層UDP協(xié)議在PX4固件與TX2之間進行轉(zhuǎn)發(fā). 在ROS中運行mavros節(jié)點，mavros能夠訂閱和發(fā)布話題，發(fā)布的話題主要包括當前時刻的飛行速度、全局和局部位姿等信息，訂閱的話題主要包括外部定位信息、下一時刻位置和速度、加速度等信息.

1.3 地面移動越障極限分析

為了使變結(jié)構(gòu)陸空機器人更好地適應(yīng)環(huán)境及方便實際應(yīng)用中對機器人進行越障控制，需要明確變結(jié)構(gòu)陸空機器人地面移動模式下的越障極限. 地面移動時會遇到各種障礙物，其中跨越難度最大的障礙物類型是垂直障礙物，越過垂直類型障礙物的能力體現(xiàn)了變結(jié)構(gòu)陸空機器人地面移動越障性能的好壞[14-16]. 以機器人地面移動跨越臺階為例，僅對機器人驅(qū)動輪越過垂直類型障礙物的情況進行受力分析，驅(qū)動輪與臺階面為點接觸，且假設(shè)驅(qū)動輪與臺階任何點之間不發(fā)生相對滑動. 機器人可以越過臺階的條件是驅(qū)動力矩克服車輪在臺階頂角處的摩擦力矩，機器人在緩慢勻速越障過程中接觸的地面為硬路面，忽略空氣阻力，將機器人越障過程簡化為以下二維模型，靜力學分析如圖3所示.

圖3 地面移動越障受力分析Fig.3 Force diagram of the obstacle negotiation

根據(jù)力學平衡條件，驅(qū)動輪越障時有以下方程：

(1)

式中：N為地面對隨動輪的支持力；N′為臺階對驅(qū)動輪的支持力；μ為驅(qū)動輪與臺階之間的摩擦因數(shù)；Ff為地面對隨動輪的摩擦阻力；F′f為驅(qū)動輪在接觸點處受到的摩擦力；M為驅(qū)動輪的驅(qū)動力矩；h為臺階高度；R為齒圈半徑；m為機器人質(zhì)量(5 kg).

則變結(jié)構(gòu)陸空機器人地面移動越障極限：

(2)

2 障礙物檢測

2.1 地面干擾及遠景去除

由于深度圖像的像素值僅與障礙物到深度相機的距離有關(guān)，可以降低環(huán)境對障礙物檢測精度的影響且不易受障礙物陰影的影響. 深度圖像存在邊緣噪聲，對障礙物檢測造成干擾，首先通過雙邊濾波和中值濾波進行降噪處理，修復(fù)深度值.

地面區(qū)域與障礙物區(qū)域的深度值十分接近，會被誤檢為障礙物區(qū)域，降低障礙物檢測的準確率，本文基于幾何模型去除地面干擾區(qū)域. 設(shè)深度相機光心到地面的高度為H，像素點p對應(yīng)的三維空間點P的坐標為(XP，YP，ZP). 設(shè)定閾值Δh，若點P距離地面的高度H-YP<Δh，則認為像素點p位于地面干擾區(qū)域，直接將其去除.

在障礙物檢測時，為提高準確度，去除較遠的背景，只對一定距離范圍內(nèi)的障礙物進行檢測. 設(shè)置障礙物最大檢測距離為Zmax，深度圖像中像素值大于Zmax的像素點全部去除.

2.2 障礙物輪廓提取

深度圖像通過二值處理之后進行輪廓提取，計算輪廓的像素面積，過濾噪聲形成的偽障礙物區(qū)域. 設(shè)置鄰域窗口為3×3，障礙物輪廓上的像素點p(x，y)像素值為255，背景像素值為0，則目標像素點p(x，y)的8個鄰域像素值應(yīng)均為255，這樣可以得到輪廓點的集合，提取的障礙物輪廓如圖4所示.

計算每個輪廓的像素面積，根據(jù)面積閾值S進行判斷，將像素面積小于S的輪廓作為偽障礙物區(qū)域去除.

圖4 障礙物輪廓Fig.4 Obstacle contour

2.3 障礙物建模

障礙物檢測完成后，需要獲取障礙物的距離和高度信息. 深度圖像中障礙物經(jīng)凸包處理后邊界信息更加明確，但是獲得的凸包形狀可能是不規(guī)則的，其對應(yīng)的邊界信息不能有效地表示出障礙物的高度信息，這將影響后續(xù)的自主跨域越障控制，因此本文運用最小矩形匹配法進行障礙物建模，利用矩形邊界信息獲取障礙物的高度信息，如圖5所示.

圖5 最小矩形匹配法示意圖Fig. 5 Minimum enclosing rectangle diagram

與凸多邊形相比，矩形邊界具有標準規(guī)范、信息明確的特點. 最小矩形匹配法的基本原理是尋找能夠完全將障礙物邊界包含在內(nèi)的最小矩形，將障礙物的邊界信息轉(zhuǎn)化為最小矩形的4個頂點信息，然后將邊界信息由像素坐標轉(zhuǎn)化為世界坐標，進而獲得障礙物的高度等物理信息，為變結(jié)構(gòu)陸空機器人的自主跨域越障策略提供數(shù)據(jù).

最小矩形匹配法建模步驟如下：

① 分別提取障礙物凸包的上邊界像素坐標(x1，y1)，左邊界像素坐標(x2，y2)，右邊界像素坐標(x3，y3)，下邊界像素坐標(x4，y4)；

② 根據(jù)4個邊界像素坐標，確定的障礙物區(qū)域外接矩形的左上角頂點坐標(xleft，yleft)和右下角頂點坐標(xright，yright)，其中：

(3)

3 自主跨域越障策略

機器人自主運動存在兩種基本行為：趨向目標點行為和自主越障行為. 運用仲裁機制對這兩種基本行為進行判斷，在仲裁機制中設(shè)定地面移動越障極限高度h及安全距離d作為觸發(fā)自主越障行為的起始條件. 自主越障行為的優(yōu)先級高于趨向目標點行為，一旦檢測到障礙物的距離在安全距離d內(nèi)，機器人立即采取自主越障行為，當障礙物距離大于安全距離時采取趨向目標點行為.

對于趨向目標點行為，根據(jù)機器人到目標位置的距離D、機器人的移動方向與目標位置方向的夾角，對地面移動速度和角速度進行控制，飛行位姿的控制采用開源飛控Pixhawk 2.4.8中自帶的較成熟的PID控制方法. 此行為下，機器人逐步改變自身位置及移動方向，以順利到達目標點.

對于自主越障行為，根據(jù)檢測到的障礙物高度H進行自主越障模式選擇，根據(jù)檢測到的機器人到前方障礙物的距離D進行判斷是否越障. 一旦發(fā)現(xiàn)障礙物高度H大于機器人地面移動越障極限h且障礙物的距離D在設(shè)定的安全距離d范圍內(nèi)，機器人停止地面移動，進行陸空模式切換，以飛行模式進行自主越障；若發(fā)現(xiàn)障礙物高度H小于機器人地面移動越障極限h，則以地面移動模式進行自主越障.

開始運行時，首先設(shè)定目標點位置，機器人轉(zhuǎn)向?qū)誓繕它c，控制單元不斷對采集到的視頻圖像進行處理，檢查是否有障礙物出現(xiàn). 如果沒有障礙物出現(xiàn)，機器人直接以地面移動模式行駛至目標點(到目標位置的距離在設(shè)定的閾值范圍內(nèi)). 如果有障礙物出現(xiàn)，根據(jù)檢測到的障礙物的高度H和機器人到障礙物的距離D，切換自主越障的模式：如果以地面移動模式進行越障，則根據(jù)定位信息獲取機器人的實時位置信息，判斷機器人是否到達目標位置；如果采用飛行越障方式，需要進行陸空模式切換至飛行模式，然后垂直起飛至安全高度(高于障礙物1.5 m)，飛行至目標點的正上方，最后垂直降落至目標位置. 自主跨域越障策略的具體流程如圖6所示.

圖6 自主跨域越障流程Fig.6 Flowchart of autonomous cross-domain obstacle negotiation

4 試驗研究

4.1 障礙物檢測試驗

為了驗證本文提出的障礙物檢測算法是否有效，將深度相機安裝在變結(jié)構(gòu)陸空機器人上，在1 500～4 000 mm之間每隔500 mm對高649 mm、寬690 mm靜態(tài)障礙物的距離及高度進行檢測，為了方便觀察，將深度圖像檢測到的障礙物邊界信息經(jīng)坐標變換轉(zhuǎn)換到彩色圖像上，圖7為障礙物距離4 000 mm處的試驗場景及檢測結(jié)果，不同距離的障礙物檢測結(jié)果如表1所示.

試驗結(jié)果顯示，本文提出的障礙物檢測算法可以成功地檢測出障礙物的距離及高度信息，能夠真實地反映障礙物的高度及距離信息. 對于分辨率為640×480的視頻圖像，處理速度平均可達到24幀/s，基本可以滿足機器人自主越障過程中對實時性的要求.

圖7 障礙物距離4 000 mm處的試驗場景及檢測結(jié)果Fig.7 Experimental scenarios and detection result at 4 000 mm away from the obstacle

表1 不同距離的障礙物檢測結(jié)果Tab.1 Obstacle detection results

4.2 自主跨域越障試驗

為了驗證本文提出的變結(jié)構(gòu)陸空機器人自主跨域越障策略的有效性，在變結(jié)構(gòu)陸空機器人行駛航路上設(shè)置障礙物(高450 mm). 距離障礙物3 000 mm處的障礙物檢測結(jié)果如圖8所示，檢測結(jié)果(高462 mm，距離3 012 mm)較為準確，障礙物的高度超過地面移動越障極限，選擇自主飛行越障. 設(shè)定目標位置為正前方8 000 mm處，起初機器人距離障礙物4 500 mm，機器人自主跨域越障過程如圖9所示:機器人地面移動至距離障礙物1 500 mm處,地面移動模式切換為飛行模式,垂直起飛至安全高度(高于障礙物1 500 mm),飛行至目標點正上方、垂直降落至目標點.

圖8 距離3 000 mm處障礙物檢測結(jié)果Fig.8 Detection result at 3 000 mm away from the obstacle

圖9 自主跨域越障過程Fig.9 Process of autonomous cross-domain obstacle negotiation

試驗結(jié)果顯示，機器人可以準確檢測判斷出行駛前方障礙物的距離及高度信息并可以順利自主跨域越障，到達目標點，表明本文設(shè)計的自主跨域越障策略是有效的.

5 結(jié) 論

以研制的變結(jié)構(gòu)陸空機器人為平臺，完成基于深度圖像的障礙物距離和高度信息的檢測，根據(jù)檢測結(jié)果及機器人地面移動越障極限，提出自主跨域越障策略. 試驗結(jié)果表明，本文提出的障礙物檢測方法及自主跨域越障策略是有效的. 此外，本文提出的變結(jié)構(gòu)陸空機器人自主跨域越障策略，為機器人更好發(fā)揮跨域越障特性及多模態(tài)自主運動奠定了基礎(chǔ).