第3章环境感知与障碍物建模

3. 环境感知与障碍物建模

各位同学，大家好。我是你们的老朋友，一个在无人机航迹规划领域摸爬滚打了十几年的工程师。今天咱们来聊聊一个非常核心，也特别有意思的话题——环境感知与障碍物建模。

说白了，无人机要飞得好，首先得「看得见」周围的世界。你想想看，一个盲人开车，技术再好也白搭。无人机也是一样。它得知道自己身处何方，周围有什么东西，哪些是能碰的，哪些是碰不得的。这就是环境感知要做的事。

我个人习惯把这一章拆成三个部分来讲：传感器、障碍物类型，还有碰撞检测模型。咱们一个一个来。

3.1 传感器：无人机的「眼睛」

无人机用什么来看世界？靠传感器。目前主流的就三种：激光雷达、视觉传感器、超声波传感器。它们各有各的脾气，也各有各的擅长。

3.1.1 激光雷达（LiDAR）

激光雷达，我愿称之为「硬核选手」。它通过发射激光束，测量反射回来的时间，来精确计算距离。精度高，抗干扰能力强，晚上也能用。

优点：

精度极高，毫米级误差
不受光照影响，白天黑夜通吃
能直接获取三维点云数据

缺点：

贵！真的贵。一个工业级的LiDAR能顶半架无人机
体积大，重量重，小飞机背不动
在雨雪、雾霾天气下性能会下降

我的经验： 我在做大型巡检无人机项目时，首选就是激光雷达。虽然贵，但数据干净，后期处理省心。不过，如果你做的是消费级产品，比如航拍机，那还是老老实实用视觉吧。

3.1.2 视觉传感器（摄像头）

视觉传感器，说白了就是摄像头。它模仿人眼，通过图像来理解世界。成本低，信息丰富，还能识别颜色、纹理、文字。

优点：

便宜，一个普通摄像头几十块钱
轻便，几乎不增加负载
信息量大，能识别物体类别

缺点：

依赖光照，暗光环境下基本抓瞎
计算量大，需要强大的处理器
深度估计精度不如激光雷达

注意： 我曾经在一个项目中，只用了视觉传感器做避障。结果傍晚光线变暗，无人机直接撞上了电线杆。嗯，从那以后，我再也不敢在弱光环境下完全依赖视觉了。

3.1.3 超声波传感器

超声波传感器，靠发射声波并接收回波来测距。原理简单，成本极低。但它有个致命弱点——精度差，而且容易受干扰。

优点：

便宜到可以当消耗品
对透明物体（如玻璃）有效
功耗极低

缺点：

精度低，只能做粗略测距
受温度、湿度、气流影响大
测量范围窄，一般不超过10米

我建议，超声波传感器只用来做近距辅助，比如降落时的地面高度检测。别指望它做主要避障。

3.2 障碍物类型：静态与动态

传感器拿到数据后，我们得知道这些数据代表什么。障碍物，按运动状态分两类：静态和动态。

3.2.1 静态障碍物

静态障碍物，就是那些不会动的东西。比如建筑物、树木、电线杆、山体。它们的位置是固定的，我们可以提前建图，或者通过一次扫描就确定下来。

处理静态障碍物，相对简单。你只需要在航迹规划时，把它们当成「禁区」绕过去就行。

3.2.2 动态障碍物

动态障碍物就麻烦多了。飞鸟、其他无人机、行人、车辆……它们随时在动，位置不确定。

处理动态障碍物，需要实时跟踪和预测。我常用的方法是：

用卡尔曼滤波或粒子滤波跟踪目标
预测其未来几秒的运动轨迹
动态调整自己的航迹

    核心要点： 静态障碍物靠「躲」，动态障碍物靠「猜」。猜得准不准，直接决定了你的无人机能不能安全通过。

3.3 碰撞检测模型：数学上的「安全距离」

有了障碍物的位置和形状，我们怎么判断无人机和它有没有撞上？这就需要碰撞检测模型。说白了，就是用数学方法，把无人机和障碍物抽象成简单的几何体，然后算它们有没有重叠。

常用的有三种模型：AABB、OBB、球体。

3.3.1 AABB（轴对齐包围盒）

AABB，全称Axis-Aligned Bounding Box。它的特点是：盒子的边永远和坐标轴平行。

优点：

计算简单，只需要比较坐标值
内存占用小

缺点：

对旋转物体不友好，包围盒会变大
精度较低

代码实现也很简单：

// AABB碰撞检测
bool checkAABB(AABB a, AABB b) {
    return (a.minX <= b.maxX && a.maxX >= b.minX) &&
           (a.minY <= b.maxY && a.maxY >= b.minY) &&
           (a.minZ <= b.maxZ && a.maxZ >= b.minZ);
}

3.3.2 OBB（有向包围盒）

OBB，全称Oriented Bounding Box。它可以根据物体的实际方向旋转，包围得更紧。

优点：

精度高，能紧密贴合物体
适合旋转物体

缺点：

计算复杂，需要分离轴定理
更新旋转时开销大

我的建议： 如果你的无人机经常做翻滚、旋转动作，或者障碍物形状不规则，用OBB更合适。但如果你只是做简单的水平飞行，AABB就够用了。

3.3.3 球体包围盒

球体包围盒，就是用球体来包裹物体。计算最简单，但精度也最低。

优点：

计算极快，只需比较球心距离和半径和
无方向性，旋转不影响

缺点：

精度差，对细长物体浪费空间

代码示例：

// 球体碰撞检测
bool checkSphere(Sphere a, Sphere b) {
    float dist = sqrt(pow(a.x - b.x, 2) + 
                      pow(a.y - b.y, 2) + 
                      pow(a.z - b.z, 2));
    return dist < (a.radius + b.radius);
}

3.4 知识体系总览

为了让大家更直观地理解这一章的内容，我画了一张图。它把传感器、障碍物类型、碰撞检测模型串在了一起。

这张图把整个流程串起来了。从传感器获取原始数据，到识别障碍物是静态还是动态，再到选择合适的碰撞检测模型，最后输出安全航迹。每一步都环环相扣。

    总结一下： 环境感知是航迹规划的基础。传感器选对了，数据才可靠；障碍物分清了，策略才有效；碰撞检测模型选好了，计算才高效。这三者缺一不可。

好了，这一章的内容就到这里。记住，做航迹规划，别光盯着算法。先把「眼睛」擦亮，把「世界」看清楚。后面的路，才好走。

📚 课程目录

3. 环境感知与障碍物建模

3.1 传感器：无人机的「眼睛」

3.1.1 激光雷达（LiDAR）

3.1.2 视觉传感器（摄像头）

3.1.3 超声波传感器

3.2 障碍物类型：静态与动态

3.2.1 静态障碍物

3.2.2 动态障碍物

3.3 碰撞检测模型：数学上的「安全距离」

3.3.1 AABB（轴对齐包围盒）

3.3.2 OBB（有向包围盒）

3.3.3 球体包围盒

3.4 知识体系总览