时间：2020-08-28 19:46来源：无人机 作者：中国通航
|
其中，行人在0.3 s内进入实验障，碍物的半径设置为0.6 m，从无人机和障碍物的路径可以看出，从识别出轨迹的时间步长开始，飞行控制器便开启了回避机制。
实验三：与前两种情况一样，无人机的任务是保持位置，同时避免进入的障碍物。障碍物半径设置为0.4m，被抛出经过第一次反弹后影响无人机路径。
如图，投掷障碍物的时间约为0.25 s，而控制器的反应速度为0.35 s。这表明即使是简化的轨迹模型也仍然可以对障碍物路径做出足够好的预测，尤其是在增加沿预测的安全半径。
 下图为基于回避操作开始时的初始条件的障碍物的预测轨迹，以及障碍物和UAV的测量路径。
 无人机成功避开了最小距离为0.38 m的障碍物，而求解器时间达到了33 ms的峰值。由于求解器公差和测量结果不理想，因此预期会出现小范围的约束冲突。
实验四：避免多个动态障碍，在避开无人机的碰撞航线上设置一架单独的无人机，同时向其投掷弹丸，两者的障碍物半径都设置为 0.4。轨迹分类和预测方案应用于两个障碍物的单独测量，但在其他方面与单个障碍物情况相同。两个无人飞行器和弹丸的轨迹如图，
 躲避的无人飞行器、最近的无人飞行器以及障碍物三者之间的最小距离分别为0.45 m和0.42 m。
 需要注意的是，避空无人机可以在较长的时间内保持安全距离，同时避开进入的弹丸。实验中，障碍无人飞行器一旦开始运动，回避操纵就会立即开始。
3、进一步研究方向
总体来讲，研究人员所提出的NMPC架构和轨迹分类方案成功地在所有可能的情况下提供了无碰撞运动路径。在线优化问题可以在所需的50 ms的限制内解决，而不会违反已建立的障碍或输入限制。不过，该方法目前也存在一定的局限性：
总体性能基于对轨迹分类的依赖：即使对于有限的轨迹研究，其方案也可能出现轨迹分类错误的情况。
使用对未来障碍物位置的明确预测：如果预测方案失败或误差太大，无人飞行器可能会完全忽略碰撞过程中的障碍物。
论文中指出，未来这项工作还会进一步优化和拓展，具体方向包括更一般的轨迹识别，障碍物的位置和速度提取，优化轨迹分类方案等。更重要的是，随着更多障碍物扩展以及与求解器时间的关系，分析NMPC的复杂性问题，以了解在何时间接地在控制层解决障碍物更合适。
|
