姚永鑫

摘要：隨著科技的發(fā)展，對(duì)于機(jī)場(chǎng)跑道異物的探測(cè)與清掃提出了新的需求，旨在減少機(jī)務(wù)工作強(qiáng)度和提高飛航安全，設(shè)計(jì)機(jī)場(chǎng)跑道異物智能探測(cè)與清掃系統(tǒng)，探索研究以機(jī)場(chǎng)FOD巡檢機(jī)器人、遠(yuǎn)程監(jiān)控平臺(tái)為主要載體，通過研究多源信息融合的自主導(dǎo)航、高精度定位及路徑規(guī)劃、信息融合體系結(jié)構(gòu)等關(guān)鍵技術(shù)。依靠視覺傳感器來識(shí)別跑道異物，定位導(dǎo)航單元判別跑道上異物的方位，進(jìn)一步告知控制執(zhí)行系統(tǒng)，形成新的導(dǎo)航?jīng)Q策方案，完成對(duì)巡檢機(jī)器人的自動(dòng)導(dǎo)航控制。抵達(dá)異物附近時(shí)，啟動(dòng)清掃裝置，完成異物清掃工作，減少跑道異物對(duì)飛航安全的威脅。

關(guān)鍵詞：機(jī)場(chǎng)跑道?探測(cè)與清掃?信息融合?濾波算法

中圖分類號(hào)：V351.11

Research?on?the?Intelligent?Detection?and?Cleaning?System?for?Foreign?Objects?on?Airport?Runways

YAO?Yongxin

（Shanxi?Military?Industry?Human?Resources?Co.，?Ltd.，?Xi'an，Shaanxi?Province，710000?China）

Abstract：?The?development?of?science?and?technology?has?put?forward?new?requirements?for?the?detection?and?cleaning?of?foreign?objects?on?airport?runways.?In?order?to?reduce?the?work?intensity?of?maintenance?personnel?and?improve?flight?safety，?this?paper?explores?and?studies?airport?FOD?inspection?robots?and?remote?monitoring?platforms?as?main?carriers，?studies?key?technologies?such?as?autonomous?navigation?based?on?multi-source?information?fusion，?path?planning?based?on?high-precision?positioning?based?on?information?fusion，?and?designs?an?intelligent?detection?and?cleaning?system?for?foreign?objects?on?airport?runways.?This?system?relies?on?the?visual?sensor?to?identify?foreign?objects?on?the?runway?and?the?positioning?and?navigation?unit?to?determine?the?orientation?of?foreign?objects?on?the?runway，?and?further?informs?the?control?and?execution?system，?so?as?to?form?a?new?navigation?decision-making?plan.?When?the?inspection?robot?arrives?near?foreign?objects?by?automatic?navigation?control，?it?starts?the?cleaning?device?to?complete?the?cleaning?of?foreign?objects，?so?as?to?reduce?the?threat?of?foreign?objects?on?the?runway?to?flight?safety.

Key?Words：?Airport?runway;?Detection?and?cleaning;?Information?fusion;?Filtering?algorithm

研究機(jī)場(chǎng)跑道異物智能探測(cè)與清掃系統(tǒng)，實(shí)施以機(jī)場(chǎng)FOD巡檢機(jī)器人、遠(yuǎn)程監(jiān)控平臺(tái)為主要載體，開展異物智能探測(cè)清掃系統(tǒng)設(shè)計(jì)，減少機(jī)場(chǎng)跑道上的異物對(duì)飛航安全的影響，使機(jī)務(wù)人員的工作強(qiáng)度減少。針對(duì)機(jī)器人主動(dòng)探測(cè)對(duì)通信導(dǎo)航的需求，開展基于北斗定位、5G通信和激光雷達(dá)傳感器的組合技術(shù)實(shí)現(xiàn)對(duì)機(jī)器人的自主控制、信息交互與信息處理，以及基于機(jī)場(chǎng)跑道高精度三維重建的異物檢測(cè)等技術(shù)研究，突破機(jī)器人定位導(dǎo)航與安全運(yùn)行所要求的智能導(dǎo)航?jīng)Q策技術(shù)、多傳感器的融合處理算法、高精度三維重建異物檢測(cè)等關(guān)鍵技術(shù)，實(shí)現(xiàn)綜合地圖構(gòu)建、路徑規(guī)劃、自主導(dǎo)航、異物檢測(cè)等功能，以及機(jī)器人的遠(yuǎn)程控制、任務(wù)下發(fā)、自主作業(yè)等功能，對(duì)異物進(jìn)行跟蹤監(jiān)測(cè)拍照，并進(jìn)行智能分析處理后，將相關(guān)信息發(fā)送給主控系統(tǒng)分析處理，并將檢測(cè)到的異物信息上傳到指揮中心，同時(shí)發(fā)出報(bào)警提示。

1?異物智能探測(cè)與清掃系統(tǒng)方案設(shè)計(jì)

設(shè)計(jì)機(jī)場(chǎng)跑道異物智能探測(cè)與清掃系統(tǒng)，主要包括遠(yuǎn)程監(jiān)控平臺(tái)與FOD巡檢機(jī)器人。FOD巡檢機(jī)器人用于完成探測(cè)并清掃機(jī)場(chǎng)道上的異物，在探測(cè)到異物后發(fā)出異物報(bào)警與定位信息，傳輸?shù)竭h(yuǎn)程監(jiān)控平臺(tái)；遠(yuǎn)程監(jiān)控平臺(tái)用于完成接收和顯示FOD巡檢機(jī)器人發(fā)出的報(bào)警和定位信息以及控制FOD巡檢機(jī)器人的運(yùn)行軌跡，并且具有實(shí)時(shí)監(jiān)控功能，且在遠(yuǎn)端出現(xiàn)異常情況下能通過近端進(jìn)行遙控干預(yù)；FOD探測(cè)機(jī)器人根據(jù)識(shí)別出的FOD定位信息，自動(dòng)移動(dòng)到定位點(diǎn)，控制機(jī)械手或吸塵器對(duì)異物進(jìn)行清理[1]。通過設(shè)置多個(gè)模塊，實(shí)現(xiàn)對(duì)機(jī)器人的模塊化模塊化設(shè)計(jì)。該系統(tǒng)能夠便捷地實(shí)現(xiàn)探測(cè)與清掃的自動(dòng)化結(jié)合，確保飛行保障安全，提升機(jī)場(chǎng)保障水平，系統(tǒng)設(shè)計(jì)方案和監(jiān)控平臺(tái)方案如圖1、圖2所示。

2?系統(tǒng)關(guān)鍵技術(shù)的設(shè)計(jì)與實(shí)現(xiàn)

2.1?基于多源信息融合的定位導(dǎo)航技術(shù)

研究基于衛(wèi)星、慣性測(cè)量單元和3D激光雷達(dá)的組合技術(shù)來提供高精度的機(jī)器人姿態(tài)信息和精準(zhǔn)的位置、速度信息，不僅可以定位導(dǎo)航精度問題，而且可以有效提高系統(tǒng)的可靠性和實(shí)用性，即使在室內(nèi)等通信信號(hào)丟失的情況下也能保持輸出高精度的定位信息。以此實(shí)現(xiàn)機(jī)器人定位導(dǎo)航與安全運(yùn)行所要求的智能導(dǎo)航?jīng)Q策，需要實(shí)現(xiàn)高效導(dǎo)航?jīng)Q策的前提條件包括精確的定位、高精度的地圖和最優(yōu)的路徑規(guī)劃。

使用北斗做室外絕對(duì)定位，可以使機(jī)器人不依賴周邊環(huán)境，不依賴自身初始位姿和時(shí)間，直接得到地球坐標(biāo)系下的坐標(biāo)信息，但是傳統(tǒng)的北斗定位精度在米級(jí)，而一般機(jī)器人行走的車道也在米級(jí)，無法保證機(jī)器人在車道上的正常行走。有效的解決方案為使用RTK提供室外全天候厘米級(jí)定位。但是缺點(diǎn)是RTK容易受到衛(wèi)星信號(hào)丟失、惡劣天氣狀況、數(shù)據(jù)鏈傳輸中斷等突發(fā)狀況的影響，保證不了高可靠性；并且依賴的北斗信息，無法在建筑物內(nèi)和高樓密集區(qū)使用：北斗RTK僅適用于開曠的區(qū)域，不適用于建筑物密集的城市中心、建筑物內(nèi)的場(chǎng)景[2]。

激光雷達(dá)可以通過向外發(fā)射探測(cè)信號(hào)（激光束），然后將反射回來的信號(hào)（目標(biāo)回波）與發(fā)射信號(hào)進(jìn)行比較，進(jìn)行適當(dāng)處理后，便于獲取目標(biāo)的相關(guān)信息，例如距離、方位、高度、速度、姿態(tài)、甚至形狀等參數(shù)，從而可以對(duì)周邊環(huán)境進(jìn)行探測(cè)、跟蹤和識(shí)別，同時(shí)還能獲得信息數(shù)據(jù)形成精確的數(shù)字模型。激光雷達(dá)具有分辨率高（相比微波雷達(dá)）、抗干擾能力強(qiáng)、不受光線影響（白天黑夜全天候）、體積小等優(yōu)點(diǎn)，但是在惡劣的雨雪天氣下，激光雷達(dá)的測(cè)量信息誤差會(huì)明顯增大；在開曠的路面環(huán)境下，因?yàn)槌黾す饫走_(dá)的最大測(cè)距范圍，是無法使用的。激光雷達(dá)適用于建筑物密集的城市中心和建筑物內(nèi)的場(chǎng)景，不適用于開曠的室外場(chǎng)景。

慣性測(cè)量單元包括陀螺儀和加速度計(jì)，能夠連續(xù)、高速的輸出位置、方向、速度信息，不依賴外部環(huán)境，不需要任何外部信號(hào)，能在若干秒內(nèi)提供精確的定位精度，北斗定位對(duì)激光雷達(dá)數(shù)據(jù)采集間隔這段時(shí)間能夠提供良好的補(bǔ)充和驗(yàn)證作用。

通過對(duì)以上三種傳感器的融合，可以實(shí)現(xiàn)定位中的優(yōu)勢(shì)互補(bǔ)、相互驗(yàn)證，提供一定的冗余替補(bǔ)性，達(dá)到更加可靠的定位導(dǎo)航手段?；贙alamn濾波器的耦合理論，使用慣性測(cè)量單元（IMU）測(cè)量采集的加速度和角速度積分后，得到的位置、速度、姿態(tài)數(shù)據(jù)作為卡爾曼濾波器的傳播階段預(yù)測(cè)模型；RTK定位和激光雷達(dá)點(diǎn)云定位結(jié)果作為卡爾曼濾波器的測(cè)量更新依據(jù)；相應(yīng)地，經(jīng)過卡爾曼濾波器的遞推解算會(huì)對(duì)慣性測(cè)量單元測(cè)量的加速度和角速度進(jìn)行矯正，最終輸出更加精確而且平滑的位置、速度、朝向數(shù)據(jù)，基本框架如下圖3所示。

2.2?基于高精度定位及路徑規(guī)劃技術(shù)

通過研究基于GNSS、IMU和3D激光雷達(dá)的組合技術(shù)，可以提供高精度的姿態(tài)信息和可靠的位置、速度信息，從而解決基于載波相位的定位精度易受衛(wèi)星信號(hào)被干擾的問題。即使在室內(nèi)等衛(wèi)星信號(hào)丟失的情況下，該技術(shù)也能保持定位的高精度輸出，同時(shí)提高系統(tǒng)的完好性和可用性。方案采用多系統(tǒng)多頻、慣性數(shù)據(jù)和點(diǎn)云數(shù)據(jù)的批處理算法，利用獲取的高精度位置、速度信息和點(diǎn)云周邊環(huán)境信息來校正慣性器件的誤差，以提高姿態(tài)測(cè)量精度。為了提高批處理算法的效率，研究基于正向和反向?yàn)V波混合的衛(wèi)星導(dǎo)航高精度、IMU和3D激光雷達(dá)組合定位算法[3]。

路徑規(guī)劃為了讓車輛達(dá)到某個(gè)目標(biāo)（通常講是從A地到B地），基于某種方法選取最優(yōu)（即損失最?。┞窂降倪^程。根據(jù)機(jī)器人內(nèi)部存儲(chǔ)的電子地圖拓?fù)湫畔ⅲ凑兆疃叹嚯x與最短時(shí)間原則，實(shí)時(shí)準(zhǔn)確地規(guī)劃出一條最優(yōu)路徑用于車輛自動(dòng)導(dǎo)航。在對(duì)A*算法深入理解的基礎(chǔ)上，綜合考慮必經(jīng)節(jié)點(diǎn)、避開節(jié)點(diǎn)、交通規(guī)則等實(shí)際問題，構(gòu)造基于最短距離與最短時(shí)間的估價(jià)函數(shù)?？紤]到電子地圖規(guī)模龐大，路徑規(guī)劃算法所需要的時(shí)間與存儲(chǔ)空間要求苛刻，采取二叉堆排序的策略對(duì)A*算法進(jìn)行優(yōu)化，可改善算法運(yùn)行速度。

在獲取高精度電子地圖和車輛自主定位信息的基礎(chǔ)上，利用位置點(diǎn)匹配、曲線擬合與歷史軌跡推斷相結(jié)合的匹配方法，實(shí)現(xiàn)車輛位置與電子地圖信息的精準(zhǔn)匹配。繼而采用基于二叉堆排序策略的改進(jìn)算法，在考慮實(shí)時(shí)交通信息的情況下，分別給出最短距離與最短時(shí)間標(biāo)準(zhǔn)下的車輛最優(yōu)路徑規(guī)劃方法，并實(shí)現(xiàn)車輛行駛路徑的實(shí)時(shí)重規(guī)劃。

使用先采樣后選擇的邏輯，遵循安全性、舒適性和人為規(guī)定等多方面原則，綜合抽象出cost函數(shù)來保障規(guī)劃軌跡的平滑。首先基于機(jī)器人當(dāng)前時(shí)刻的位姿、速度、加速度等狀態(tài)信息，與下一時(shí)刻的機(jī)器人狀態(tài)進(jìn)行多項(xiàng)式擬合，以便在時(shí)間上進(jìn)行采樣并生成盡可能多的初步軌跡。對(duì)于每一條軌跡，我們通過計(jì)算以下六個(gè)評(píng)測(cè)標(biāo)準(zhǔn)來確定其cost：機(jī)器人到達(dá)目的位置時(shí)的位姿偏差、偏離行使路徑中心的距離、可能的碰撞概率、加速度變化率、轉(zhuǎn)彎加速度變化率以及平滑度。

循環(huán)檢測(cè)：挑選出當(dāng)前軌跡集合中cost最低的一條軌跡，進(jìn)行物理限制預(yù)測(cè)（如速度能否滿足）和碰撞預(yù)測(cè)，如果不滿足，則剔除該條軌跡，繼續(xù)下一次循環(huán)；滿足則輸出該條軌跡作為規(guī)劃結(jié)果，流程圖如下圖4所示。

RTK定位技術(shù)是基于載波相位觀測(cè)值的實(shí)時(shí)動(dòng)態(tài)定位技術(shù)，它能夠?qū)崟r(shí)地提供測(cè)點(diǎn)在指定坐標(biāo)系中的三維定位結(jié)果，可達(dá)到厘米級(jí)精度。

2.3?基于信息融合體系結(jié)構(gòu)技術(shù)

通過對(duì)傳統(tǒng)的信息融合體系結(jié)構(gòu)進(jìn)行分析，通過對(duì)集中卡爾曼濾波、分散卡爾曼濾波、聯(lián)邦卡爾曼濾波和分層卡爾曼濾波等多種濾波類型進(jìn)行對(duì)比分析，針對(duì)智能導(dǎo)航終端主要是對(duì)多種異構(gòu)導(dǎo)航傳感器信息進(jìn)行融合的特點(diǎn)，本研究計(jì)劃采用改進(jìn)的分散卡爾曼濾波算法。

2.3.1?采用分散卡爾曼濾波的原因

多種異構(gòu)導(dǎo)航傳感器的性能差異較大，其中影響性能的主要誤差源是其系統(tǒng)誤差，而系統(tǒng)誤差是濾波技術(shù)無法消除的。若采用聯(lián)邦卡爾曼濾波的算法，其算法主要針對(duì)隨機(jī)噪聲的閉環(huán)反饋、調(diào)節(jié)信息分配因子的作用是沒有意義的。分散卡爾曼濾波相比較而言，具有結(jié)構(gòu)簡(jiǎn)單、計(jì)算量小、易操控、且能達(dá)到與聯(lián)邦濾波相同精度的目的等優(yōu)點(diǎn)，因此采用分散卡爾曼濾波算法。

2.3.2?傳統(tǒng)的分散卡爾曼濾波的局限性

智能導(dǎo)航終端涉及的導(dǎo)航源多，且導(dǎo)航源的測(cè)量信息使用方式多樣，如果按照傳統(tǒng)的分散卡爾曼濾波算法，子濾波器個(gè)數(shù)將難以計(jì)數(shù)，主濾波器的設(shè)計(jì)也較為困難，信息融合深度受到制約。所以，需要針對(duì)傳統(tǒng)的分散卡爾曼濾波算法進(jìn)行必要的改進(jìn)。

2.3.3?分散卡爾曼濾波的改進(jìn)方法

采用改進(jìn)分散卡爾曼濾波器，摒棄傳統(tǒng)濾波中唯“傳感器”論的思想，采用以“融合子模式”為焦點(diǎn)的處理方法。即將原先的“每個(gè)導(dǎo)航傳感器與慣導(dǎo)組合的子濾波器”修改成“每種融合子模式與慣導(dǎo)組合，并構(gòu)成子濾波器”，這樣的設(shè)計(jì)依然保留了分散濾波器較強(qiáng)的擴(kuò)充能力，一旦需要引入新型的導(dǎo)航傳感器時(shí)，如果已經(jīng)具有了對(duì)新導(dǎo)航傳感器測(cè)量數(shù)據(jù)進(jìn)行融合定位的子模式，則導(dǎo)航融合動(dòng)態(tài)重構(gòu)功能將對(duì)該導(dǎo)航傳感器進(jìn)行支配和使用，滿足對(duì)其的即插即用功能；如果分散卡爾曼濾波器中沒有該新型傳感器的融合定位子模式，則在現(xiàn)有的基礎(chǔ)上，只需研究新的融合子模式，并增加一個(gè)子濾波器即可滿足對(duì)新型導(dǎo)航傳感器的擴(kuò)展需求[4]。

改進(jìn)的分散卡爾曼濾波算法通過決策管理單元來實(shí)現(xiàn)。在這種算法中，它將同時(shí)使用多種性能相近的融合子模式。然而，當(dāng)這些融合子模式的性能差距較大時(shí)，算法只會(huì)選擇精度最好的融合子模式與慣導(dǎo)進(jìn)行組合濾波，從而避免其他性能較低的融合子模式帶來的負(fù)面影響，改進(jìn)的分散濾波器的結(jié)構(gòu)如圖5所示。

其中融合子模式包括：基于位置融合的子模式、基于速度融合子模式、基于姿態(tài)融合子模式、基于多測(cè)距融合子模式、基于測(cè)距測(cè)角子模式和多測(cè)角融合子模式等，子模式中對(duì)各種線性的、非線性的測(cè)量信息進(jìn)行融合濾波處理，同時(shí)對(duì)濾波參數(shù)進(jìn)行自適應(yīng)調(diào)整。

3?算法優(yōu)化設(shè)計(jì)

3.1?多傳感器融合處理算法技術(shù)

隨著定位與導(dǎo)航技術(shù)的迅猛發(fā)展，基于位置的服務(wù)給用戶帶來了越來越好的體驗(yàn)。然而，單一的導(dǎo)航源通常無法滿足用戶對(duì)精度的要求，同時(shí)也缺乏足夠的可操作性和可靠性。多源融合導(dǎo)航技術(shù)將來自不同導(dǎo)航源的同構(gòu)或異構(gòu)的導(dǎo)航信息按照相應(yīng)的融合算法進(jìn)行融合，從而獲得最佳的融合結(jié)果。與傳統(tǒng)的單一導(dǎo)航源相比，多源融合導(dǎo)航可以充分利用每個(gè)導(dǎo)航源的優(yōu)勢(shì)，提供最佳的定位與導(dǎo)航服務(wù)。通過分析多源信息融合以及多源融合導(dǎo)航技術(shù)，充分利用有效的多傳感器信息融合技術(shù)來整合激光雷達(dá)、視覺、毫米波雷達(dá)等多傳感器信息。

3.2?濾波算法優(yōu)化設(shè)計(jì)

對(duì)于線性化的測(cè)量信息，采用常規(guī)Kalman濾波進(jìn)行信息處理，具有高可靠性和低計(jì)算量等優(yōu)點(diǎn)；在無INS的情形下，充分利用-波、--濾波、IMM濾波等算法對(duì)傳感器的測(cè)量信息進(jìn)行濾波處理，同時(shí)提高定位信息的連續(xù)性和更新頻率[5]。接下來將詳細(xì)描述非線性的測(cè)量信息的濾波處理。

部分導(dǎo)航系統(tǒng)輸出的測(cè)量信息是非線性的，其中的“非線性特性”可能是伴隨在過程模型中或觀測(cè)模型中，或者兩者皆有。通常采用EKF算法進(jìn)行線性化處理，但EKF只是對(duì)組合系統(tǒng)的非線性系統(tǒng)方程進(jìn)行簡(jiǎn)單的線性化，會(huì)帶來一定的誤差，甚至造成濾波器的不穩(wěn)定。而無軌跡卡爾曼濾波算法（UKF）是一種基于采樣點(diǎn)的非線性濾波算法，它直接使用非線性系統(tǒng)模型，不必進(jìn)行線性化，且具有和EKF方法相同的算法結(jié)構(gòu)。

UKF是一種通過采樣策略逼近非線性系統(tǒng)分布的濾波算法。UKF以無軌跡變換為核心思想，無軌跡變換方法認(rèn)為狀態(tài)的概率密度分布，可以通過能完全表述密度函數(shù)的均值和方差的有限個(gè)樣本來描述，通過直接使用狀態(tài)和測(cè)量方程來映射這些點(diǎn)，求得更新的均值和方差。在此基礎(chǔ)上，UKF采用線性卡爾曼濾波框架，其采樣形式為確定性采樣。UKF的采樣點(diǎn)通常稱為Sigma點(diǎn)，由于采樣個(gè)數(shù)較少，具體采樣數(shù)則根據(jù)所選擇的采樣策略而定，因此最常用的是2n+1個(gè)Sigma點(diǎn)對(duì)稱采樣。

UKF算法傳遞非線性的函數(shù)關(guān)系是通過計(jì)算UT變換所產(chǎn)生的采樣點(diǎn)來進(jìn)行傳遞，避免了誤差模型線性化，但是也增大了計(jì)算量的負(fù)擔(dān)。針對(duì)UKF計(jì)算量大的缺陷，利用超球體的采樣策略，可以減少采樣點(diǎn)的數(shù)量，降低計(jì)算量，解決系統(tǒng)所帶來的濾波精度下降問題[6]。改進(jìn)后的UKF算法如圖6所示，采用了單形采樣的UT變換方法來實(shí)現(xiàn)UKF濾波的時(shí)間更新和測(cè)量數(shù)據(jù)更新過程。

對(duì)于n維狀態(tài)量，傳統(tǒng)的對(duì)稱分布采樣需要2n+1個(gè)采樣點(diǎn)來實(shí)現(xiàn)UT變換。然而，當(dāng)系統(tǒng)的維度較高時(shí)，計(jì)算量會(huì)增加。因此，為了提高計(jì)算效率，需要在保證濾波性能的前提下減少采樣點(diǎn)的個(gè)數(shù)。與對(duì)稱分布采樣的Sigma點(diǎn)UT變換相比，超球體單形采樣只需要n+2個(gè)Sigma點(diǎn)，從而明顯減少了計(jì)算量。

4?結(jié)論

綜上所述，機(jī)場(chǎng)跑道異物智能探測(cè)與清掃系統(tǒng)集成了多種設(shè)備和技術(shù)，如激光雷達(dá)、GNSS定位系統(tǒng)、慣性導(dǎo)航定位系統(tǒng)、攝像頭、毫米波雷達(dá)和清掃裝置等。在環(huán)境感知層由多種傳感器組合感知周邊環(huán)境狀況，北斗模塊和IMU模塊主要獲取高精度位姿信息，確定機(jī)器人當(dāng)前所處位置和姿態(tài)，毫米波雷達(dá)檢測(cè)周圍動(dòng)靜態(tài)障礙物，之后融合激光雷達(dá)數(shù)據(jù)進(jìn)行三維場(chǎng)景重建生成柵格地圖，為下一步自主決策提供數(shù)據(jù)基礎(chǔ)。在自主決策層主要根據(jù)環(huán)境感知階段生成的柵格地圖，結(jié)合一些駕駛?cè)蝿?wù)路網(wǎng)，通過路徑規(guī)劃算法完成自動(dòng)導(dǎo)航?jīng)Q策；與此同時(shí)，視覺傳感器可以用來識(shí)別跑道異物，判別跑道上異物的方位，進(jìn)一步告知控制執(zhí)行系統(tǒng)，形成新的導(dǎo)航?jīng)Q策方案，完成對(duì)機(jī)器人的自動(dòng)導(dǎo)航控制。抵達(dá)異物附近時(shí)，啟動(dòng)清掃裝置，完成異物清掃工作。

參考文獻(xiàn)

[1] 許嘉豪.機(jī)場(chǎng)跑道異物檢測(cè)系統(tǒng)設(shè)計(jì)[D].西安：西安工業(yè)大學(xué)，2023.

[2] 蘭庭信，蔣進(jìn)，尚帥等.機(jī)場(chǎng)跑道異物檢測(cè)與定位技術(shù)研究[J].電光與控制，2021，28（9）：75-79.

[3] 湯雙霞.一種毫米波雷達(dá)機(jī)場(chǎng)跑道異物檢測(cè)算法[J].激光與紅外，2022，52（6）：820-826.

[4] 于晨.基于深度學(xué)習(xí)的機(jī)場(chǎng)跑道異物檢測(cè)與識(shí)別技術(shù)研究[D].北京：北京工業(yè)大學(xué)，2019.

[5] 李沙，李春娟.機(jī)場(chǎng)跑道異物檢測(cè)系統(tǒng)設(shè)計(jì)與算法研究[J].現(xiàn)代雷達(dá)，2021，43（6）：80-85.

[6] 黨國(guó)龍.機(jī)場(chǎng)跑道異物檢測(cè)與識(shí)別的相關(guān)算法研究[D].南京：南京航空航天大學(xué)，2018.