拒绝GPS导航扩大了关键任务无人机用例的门槛

描述

  在荒凉的环境中进行侦察对美国军方来说并不是什么新鲜事。然而,随着实地的外国威胁变得更加复杂和遥远,在危险、难以到达的地方收集情报的挑战需要一种方法,最大限度地收集关键数据,同时最大限度地减少对现场人员的风险。

  使用无人机系统 (UAS) 或无人机在危险情况下执行情报、监视和侦察 (ISR) 工作要求它们重量轻、符合法规,并在动态 GPS 和 GPS 拒绝的环境中可靠地机动。

  没有全球定位系统,没问题

  GPS已成为汽车,手机和包括UAS在内的设备的标准导航功能。自主UAS使用GPS来确定其纬度和经度,以及气压计(用于高度)和指南针(用于磁航向),以获得它们在太空中位置的准确方向和位置。他们还使用此数据来确定其他对象的位置,例如任务航点、地理围栏和起始位置。

  GPS信号的强度决定了无人机导航的准确性。GPS在天空视野畅通无阻的情况下效果最好,但随着用例数量的增加,UAS必须导航的不同类型的环境也是如此。

  对于UAS来说,在室内或建筑物附近导航可能非常具有挑战性,因为建筑物会阻挡并反射GPS卫星与接收器的通信。即使卫星强度略有下降,也会导致位置精度迅速下降。GPS信号的退化或丢失会降低位置数据的准确性,并可能迫使车辆终止导航,直到有人干预或撞车。

  没有GPS信号,UAS就无法在太空中定位,因此无法自行运行。由于无人机通常必须在动态GPS中导航到拒绝GPS的环境,因此当GPS不可用时,它们需要可靠的备用导航工具。通过视觉惯性里程计(VIO),UAS可以在没有GPS的情况下自主运行。VIO使用视觉和惯性数据来测量行进距离和位置,而无需GPS信号。VIO的独特之处在于它可以在3D空间中测量飞机的位置,并且是许多其他计算机视觉功能的基础,例如避障,位置控制和GPS拒绝环境中的自主导航。

  同时使用 GPS 和 VIO 的 UAS 可以在动态环境中精确导航并完成关键任务,包括:

  室内监控:由于信号干扰会降低或消除 GPS 可靠性,因此在隧道、地雷、掩体和其他结构内飞行小型 UAS (sUAS) 可能很困难或不可能。

  搜索和救援:根据地形、茂密的树木覆盖和其他自然障碍物,GPS 信号可能微弱甚至不存在,因为障碍物使连接成为挑战。

  灾区:无人机通常用于紧急救援工作,因为它们能够进入难以到达的地方,但碎片和瓦砾会削弱GPS信号。

  关键基础设施:使用UAS测量建筑物,桥梁和其他潜在的禁区结构,而无需部署现场人员,从而提高安全性,同时提供仅凭人员并不总是可以访问的多个视角的优势。

  越小越好

  由于重量是重力的克星,因此UAS必须尽可能轻巧,尤其是在密闭空间中使用时。优化重量和飞行的一种方法是在其主印刷电路板(PCB)上使用带有多个集成组件的自动驾驶仪。

  PCB现在比以往任何时候都更小,更智能。传统上,UAS开发人员需要使用六到七个不同的板来实现自主性,AI和飞行。然而,随着新技术和创新,市场上的一些自动驾驶仪现在将所有计算能力浓缩到一个单板解决方案中。这种单一包装解决方案可实现更小、更轻的飞行器,非常适合在危险情况下导航。单个 PCB 还可以减少布线和成本,同时提高可靠性,因为组件更少。

  另外, 考虑使用集成 PCB 时的易于开发;由于已经板上已有软件,因此开箱即用。基于开源平台构建的 PCB 配有可靠的软件开发套件 (SDK),可实现灵活高效的设计和构建,以及用于可选附加组件的功能端口。

  美国国防部(DoD)国防创新部门(DIU)率先开展了所谓的“蓝色UAS项目”,该项目为国防部和联邦政府合作伙伴开发了值得信赖的sUAS。这项工作建立在美国陆军的sUAS记录计划短程侦察(SRR)的基础上,以颁布廉价,背包便携式,垂直起降sUAS。根据DIU的信息,蓝色sUAS系统共享SRR飞行器的功能,但集成了供应商提供的地面控制系统。

  蓝色UAS框架计划满足国防部的要求,即提供在国防部sUAS计划内实现更高水平的现场自主性的sUAS组件;sUAS组件之间的共性,可减少开发时间和成本;以及通过在可信平台上测试面向未来的技术来领先于国防部最新要求的能力。

  集成的即插即用解决方案的一个示例是来自ModalAI的VOXL Flight。它将配套计算机与PX4飞行控制器融合在一个PCB上,从而实现GPS拒绝飞行。它的自动驾驶仪从GPS无缝切换到VIO,即使在动态环境中也能确保精确飞行。ModalAI自2018年以来一直与DIU合作。

  利用 AI 让无人机更智能

  将人工智能(AI)的实时学习与自主无人机的探索能力相结合,使“智能”UAS成为21世纪军事行动的重要组成部分。人工智能为无人机增加了先进的感知功能,为飞行员提供物体跟踪和分类、区域测绘和实时操作反馈等关键数据。这种原始数据收集具有前瞻性的好处,使指挥中心人员能够从捕获的图像和反馈中学习,从而制定适用于未来任务的有根据的理论。

  基于GPS拒绝导航构建通信拒绝导航

  当sUAS在隧道等拒绝GPS的环境中导航时,它也可能失去与其无线电链路的连接,这可能会切断与飞行员的实时通信。在这些通信被拒绝(通信被拒绝)的情况下,车辆必须能够独立于飞行员完成其任务并分析数据。这就是机载计算机视觉和人工智能接管的地方。

  支持人工智能的UAS进一步受益于智能自导航和物体回避/检测,这在通信和GPS拒绝环境中至关重要。实时处理机载数据的能力使无人机能够独立于飞行员做出决策。

  例如:sUAS被派去执行侦察任务,以侦察隧道中的敌方人员并失去无线电链路连接。在这种情况下,它仍然可以依靠VIO进行导航,并依靠AI来绘制和探索领土。计算机视觉、机器学习和深度/图像传感器使UAS能够自主扫描和识别可能构成威胁的物体或人。一旦检测到威胁,飞行器就会被编程为返回飞行员,在那里它可以传达其发现。

  这种自主性为军事和企业应用提供了广泛的用例,包括结构和地下检查、地形扫描、安全监控、在恶劣环境中检测危险等。

  在恶劣或密集的室内环境中飞行UAS需要精确的飞行解决方案,以便在启用GPS和拒绝GPS的环境之间导航。GPS拒绝的自主飞行器也可以在传统的敌人干扰或操纵GPS信号的战略之外运行。在拒绝GPS和拒绝通信的环境中为飞船配备GPS和VIO导航工具,结合智能AI和计算机视觉解决方案,扩大了这些sUAS的视野。

  审核编辑:郭婷

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分