大疆无人机自主飞行解决方案局限性及增强解决方案-AIBOX:特色行业无人机巡检解决方案

大疆无人机自主飞行解决方案局限性及增强解决方案-AIBOX:特色行业无人机巡检解决方案

大疆无人机是低空行业无人机最具性价比的产品,尤其是大疆机场3的推出,以及持续自身产品升级迭代,包括司空2、大疆智图以及大疆智运等专业软件和各种功能强大的挂载及大疆生态合作伙伴的加持,构筑了围绕大疆无人机从空中检查到空中测绘等行业应用解决方案。

“大疆能提供完整的低空无人机巡检解决方案,满足了行业用户的普遍需求,具备很强的通用性特点。大疆方案缺少行业本身的特殊性,需要集成商结合行业用户的场景特点,提供具备行业特色的无人机巡检解决方案”

大疆无人机系统架构也有几点局限性:

1:无人机无线通信架构的局限性

大疆无人机的无线通信采用2.4/5.8G的点到点通信方式,实现无人机到遥控器或者机场的C2+实时视频流的无线通讯。

C2:Command and Control (指挥和控制);C4:Command  、Control、Communication、Computer(指挥、控制、通讯、计算)

大疆无人机包括两个系列:消费级和行业级。

消费级主要面对个人用户,以飞手手控为主,无需考虑无人机人工智能的需求。无人机和遥控器绑定的点到点的无线通信,已经满足用户需要,超视距飞行基本不需要。

行业机应用就不同了,需要超远距离、超长时间,还有复杂环境飞行的要求。另外,从管理需求出发,除了现场以外还需要远程飞行监控要求。类似消费级的点到点的无线通信架构已经没有办法满足应用需求。

  • 大疆视距飞行

这种点到点的无线通信设计实现了视距条件下远距离无线数据通信(超过20-30公里)。但是很多行业应用情况,无人机没有办法保证视距飞行,比如城市低空安防,无论是高架巡检、违停执法还是突发空中执法,很多情况都是超视距飞行;隧道环境中飞行,这种点到点的无线通信也不理想;工业环境中大的金属物体的遮挡也可能导致点到点的无线通信无法正常工作。

点到点无线通信失效的一个重要后果就是导致无人机飞行控制失效。另外一个重要后果是当无人机基于RTK飞行的情况,无人机通过和遥控器的点到点无线通信链路获取差分数据信息。点到点无线链路失效也将导致RTK失效。

4G增强图传模块也解决不了全部问题

尽管大疆提供了4G增强图传模块,但是模块只提供的实时视频流和部分C2功能,满足不了行业用户的完整超视距自主飞行的要求。

基于大疆MSDK开发APP,利用遥控器或者机场上云API的解决方案,只实现了远程控制无人机的功能,但是依旧没有摆脱大疆无人机到遥控器或者机场的点到点的无线通信架构,依然没有办法解决超视距和复杂环境的自主飞行。

“大疆无人机的无线通讯技术确实已很好的满足了消费级客户需求,当时对于行业客户无论从应用还是管理角度都有不足”

大疆无人机和遥控器或者机场绑定的使用方式实际行业应用叶会带来很多局限性:比如一个遥控器无法控制多架无人机的编队飞行、也不支持一机多巢或者多机多巢等等。

增加方案-AIBOX

  • 基于AIBOX的视距及超视距飞行

1:基于机载AIBOX的PSDK开发,具备了完整独立C2及C4的能力,以及实时视频流低延时的无线传输是行业无人机应用的技术趋势。

基于大疆行业无人机的特色解决方案-无线通信篇:基于蜂窝以及自组网MESH的无线通信C2链路

2:具身智能

目前大疆的无人机除了M4以外,其他机型并不具备具身智能的能力。目前大疆的无人机只是高性价比的通用飞行器,还不能称之为具备具身智能的人工智能的无人机。

“关于这一点其实也很好理解,具身智能的智能体一定是在特定的场景和需求背景的自主人工智能,需要用户定制开发”

无人机的具身智能技术核心在于通过无人机机体与环境的深度交互,构建感知、决策与行动一体化的闭环智能系统。这一技术突破打破了传统无人机依赖预设指令或远程操控的局限性,使无人机能够像生物机体一样,通过物理形态的动态调整与环境实时互动,实现自主适应复杂场景的能力。简单来说,就是让无人机实现更“智慧”的飞行。

L4级自主飞行系统指能够在无卫星信号、强电磁干扰环境下实现自主避障和飞行,且飞行任务过程无需高精地图或预建模。采用边缘计算架构,将决策逻辑下沉至无人机端,实现 “感知 - 决策 - 行动” 的毫秒级闭环。L4级自主飞行系统要求无人机在感知层、决策层、执行层、通信层等多方位技术创新突破。

“AIBOX采用全国产化的算力平台,提供了32T的边缘算力能力,支持YOLO甚至CLIP视频大模型边缘AI的部署。

AIBOX整合了大疆无人机的飞行控制以及自主的PID自主飞控”

智能无人机赋能巡检场景,突破传统作业边界

无人机电网巡检的主要应用场景如下:

图片

无人机油气管线巡检的主要应用场景如下:

图片

人工智能的无人机首先要求无人机本身具备处理神经网络算法的算力能力,同时也结合应用场景定制边缘AI算法。

通过人工智能无人机实现高效的飞行任务。从大疆M4,我们已经看到这种无人机发展趋势,大疆也设计算法框架,鼓励生态合作伙伴定制开发边缘AI算法。当然这种边缘AI算法往往和无人机的飞行紧密结合,实现完整的飞行逻辑。

3:位置服务局限性

准确的位姿是无人机或者机械狗稳定运动的重要保障。大疆无人机的位置数据是通过GNSS和RTK获取的。在GNSS拒绝环境以及室内环境,大疆无人机没有办法获取位置数据,只能采取手动飞行。

室外高精度位置一般基于RTK获取,大疆无人机支持采用千寻的RTK差分基站,购机的费用包含了一年的RTK费用,后续需要购买服务。对于行业无人机的空中航线巡检,启用RTK是必须的。所以不同于M3,从大疆最新的M4机型来看,RTK已经是必配的模块,当然消费机没有这么苛刻的要求。

图片

大疆RTK有个使用局限性:RTK的差分信息是通过遥控器或者机场和无人机的点到点的无线通信发送给无人机的,这种通信方式在一些场合并十分可靠。

大疆的D-RTK2的自主差分基站实高精度的地基RTK定位,从D-RTK3起,同时支持星基RTK定位。RTK定位的原理是RTK模块和差分基站需要至少共6颗GNSS卫星。由于无人机是高空飞行,采用星基似乎可靠性更高些的。

在室外RTK无法收敛的环境,就需要其他定位技术来保证无人机可以得到高精度的位置信息。类似多源融合的SLAM定位或者协作定位的技术,用于解决这些场景的位置服务问题。

大疆所有系列的无人机都仅仅支持RTK的飞行,在RTK无法收敛或者GNSS拒绝的环境,目前大疆还不支持这种场景的自主飞行,只能依靠飞手手动飞行。这对于很多行业应用客户而言是没有办法接受的。

室外的姿态信息一般会基于IMU和陀螺仪获得,这在强磁的环境会失效。对于M350的中型无人机,可以通过双RTK更加可靠的获得,且不受强磁环境影响。但是其他包括最新的M4机型就没有办法解决这个问题。

此类问题也是类似宇树机械狗面临的同样问题,考虑到机械狗地面运动,RTK以及陀螺仪受到的影响会更大。

大疆无人机完全不支持室内的位姿服务,因此目前大疆无人机的所有系列都不支持室内自主飞行。

对于室内环境,RTK是完全不可用的,陀螺仪也基本没有保证的。目前大疆的所有系列无人机在室内只能是飞手的手动飞行。这对于行业应用而言是无法接受的。

室内无人机自主飞行比较成熟的技术路线是:首先对于飞行控制实现高精度的激光雷达3D点云建模;其次是将已建立的点云存储在无人机上;无人机在飞行中基于LIO里程计和3D点云比对,实现3D空间的高精度定位。另外一种方案就是在室内建立高精度的3D定位系统,协作无人机的高精度位姿服务。

图片

但是两种方案都是已知环境的飞行,需要对环境测绘或者部署定位设备,似乎都不太友好。另外由于基于激光雷达的方案需要加载激光雷达,会导致本来室内小型无人机飞行时间大大缩短,执行效率降低。目前还没有特别完美的室内无人机自主飞行的方案。

4:专业机载数据采集设备

尽管大疆在可见光以及激光雷达相关的挂载已经很齐全了,但是涉及类似工业设备的超声波、磁力仪等专业传感设备依然缺失。如何快速的将现有成熟专业的传感采集设备集成到无人机平台,也是一个重要的行业应用需要。

图片

图片

“AIBOX提供了独立对外供电以及LAN、USB接口,方便集成传感采集设备”

5:复杂环境飞行不支持

从成本和普遍性设计考虑,大疆无人机并没有特别考虑在复杂环境的飞行面对的飞行安全以及位姿数据的问题,需要用户在大疆无人机基础上增强和提升。

比如避障功能及策略:

M350 RTK配备六向视觉系统和六向红外传感系统,为飞机提供定位和环境传感功能。视觉系统通过视觉图像感测障碍物并测量距离,以获得有关飞机的位置信息。它们位于飞机机身的前部、后部、左侧、右侧、顶部和底部,每个都由两个摄像头组成。红外传感系统可以通过红外测距判断障碍物的距离,还可以提供飞机的地面高度参考,并通过视觉系统的视觉计算飞机的位置信息。

图片

视觉避障功能适用于良好的照明环境,飞行路线中遇到的前方障碍物不应特别稀疏。此外,由于惯性关系,有必要将飞机的制动控制在有效距离内。

图片

红外传感系统使用场景红外传感系统适用于漫反射、大尺寸、高反射率障碍物的环境。

视觉系统的测量精度容易受到光照强度和表面纹理的影响;因此,应谨慎使用以下场景:

  1. 纯色表面(如纯黑色、纯白色、纯红色、纯绿色)和弱纹理场景。

  2. 具有强烈反射或反射的表面。

  3. 水面或透明物体表面。

  4. 移动物体的表面(如上方人流、上方芦苇、灌木、草丛等被风移动的移动物体)。

  5. 剧烈快速变化的场景和直接光源的场景。

  6. 在特别暗(小于15勒克斯)或特别亮(大于10000勒克斯)的表面上。

  7. 飞机的速度不应太快,例如在离地面1米、离地面2米处飞行速度不能超过5米/秒

红外传感系统必须用于漫反射、大尺寸和高反射率障碍物的环境中。

红外测距传感器在以下情况下可能无法提供准确的距离:

  1. 对光有强烈吸收的材料表面(如哑光纯黑色物体)。

  2. 15米外有一大片强反射场景(例如并排放置的多个交通标志)。

  3. 小障碍。

  4. 镜子或透明物体(如镜子、水和玻璃)。

“大疆也认识到自身无人机避障能力的局限性,在今年最新的机型M4,就同步推出了激光雷达+毫米波雷达的避障模块;另外在今年最新的农业植保机T100也配置了激光雷达+毫米波雷达的避障模块;行业机搭载激光雷达+毫米波雷达实现避障增强应该的行业无人机的趋势”

AIBOX本身集成了一款360°的全向激光雷达

图片

7:机场以及编队飞行

大疆目前还提供支持M350的多旋翼无人机的机场,需要第三方机场配合使用。另外,大疆解决方案不支持多机多巢以及多机的编队飞行。

图片

图片

8:机型的局限性

比如无人机的物理尺寸、载重以及飞行时间

很多适合无人机任务执行的环境复杂,期望尺寸相对小(M350有些大)、另外结合环境(可能需要补光)以及任务目标,需要搭载不同的挂载设备(比如一些气体或者雷达探测设备),对于无人机的载重有些要求。此外复杂环境的飞行往往是超视距飞行的,无线通信是个挑战。此外飞行时间也是个不小的问题,除去往返飞行的时间,十几分钟的飞行根本没有办法达到执行任务的目的。

图片

总而言之,大疆无人机解决方案已经满足大多数的场景需求,在针对行业用户的需要,需要通过AIBOX、机场、平台,增强解决方案,提供用户行业特色的无人机自主巡检解决方案。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/49399.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

leetcode:58. 最后一个单词的长度(python3解法)

难度:简单 给你一个字符串 s,由若干单词组成,单词前后用一些空格字符隔开。返回字符串中 最后一个 单词的长度。 单词 是指仅由字母组成、不包含任何空格字符的最大子字符串。 示例 1: 输入:s "Hello World"…

Ubuntu24.04 安装 5080显卡驱动以及cuda

前言 之前使用Ubuntu22.04版本一直报错,然后换了24.04版本才能正常安装 一. 配置基础环境 Linux系统进行环境开发环境配置-CSDN博客 二. 安装显卡驱动 1.安装驱动 按以下步骤来: sudo apt update && sudo apt upgrade -y#下载最新内核并安装 sudo add…

Github 2025-05-15 Go开源项目日报 Top10

根据Github Trendings的统计,今日(2025-05-15统计)共有10个项目上榜。根据开发语言中项目的数量,汇总情况如下: 开发语言项目数量Go项目10Python项目1Ollama: 本地大型语言模型设置与运行 创建周期:248 天开发语言:Go协议类型:MIT LicenseStar数量:42421 个Fork数量:27…

操作系统-锁/内存/中断/IO

文章目录 锁自旋锁互斥锁悲观锁和乐观锁 内存管理物理/虚拟内存页表段表虚拟内存布局写时复制copy on writebrk,mmap页面置换算法 中断中断分类中断流程 网络I/OI/O模型服务器处理并发请求 锁 自旋锁 自旋锁是一种基于忙等待(Busy-Waiting)…

校园一卡通安全策略研究调研报告

目录 一、研究背景 二、问题分析 三、解决方案 1.系统功能整合 2.用户体验优化 3.安全性能提升 4.代码说明 ①ConfigController.java ②FileController.java ③SushedianfeiController.java ④UserService.java ⑤XiaoyuankachongzhiController.java ⑥其他代码 …

EWOMAIL

1、错误 Problem: problem with installed package selinux-policy-targeted-3.14.3-41.el8.noarch package fail2ban-server-1.0.2-3.el8.noarch requires (fail2ban-selinux if selinux-policy-targeted), but none of the providers can be installed - package fail2ban-…

强化学习算法实战:一个例子实现sarsa、dqn、ddqn、qac、a2c、trpo、ppo

简介 在学习强化学习算法:sarsa、dqn、ddqn、qac、a2c、trpo、ppo时,由于有大量数据公式的推导,觉得十分晦涩,且听过就忘记了。 但是当把算法应用于实战时,代码的实现要比数据推导要直观很多。 接下来通过不同的算法实…

《数据库原理》部分习题解析1

《数据库原理》部分习题解析1 1. 名词解释 (1)关系(2)属性(3)域(4)元组(5)码(6)分量(7)关系模式 &#xff0…

20250515通过以太网让VLC拉取视熙科技的机芯的rtsp视频流的步骤

20250515通过以太网让VLC拉取视熙科技的机芯的rtsp视频流的步骤 2025/5/15 20:26 缘起:荣品的PRO-RK3566适配视熙科技 的4800W的机芯。 1080p出图预览的时候没图了。 通过105的机芯出图确认 荣品的PRO-RK3566 的硬件正常。 然后要确认 视熙科技 的4800W的机芯是否出…

AI 赋能防艾宣传:从创意到实践,我的 IP 形象设计之旅

在数字技术飞速发展的今天,如何让严肃的健康传播变得更有温度、更具吸引力?作为一名参与防艾宣传实践的学生,我尝试通过 AI 工具构建专属 IP 形象,让防艾知识从 "被动接受" 转化为 "主动探索"。这篇文章将分享…

机器学习笔记2

5 TfidfVectorizer TF-IDF文本特征词的重要程度特征提取 (1) 算法 词频(Term Frequency, TF), 表示一个词在当前篇文章中的重要性 逆文档频率(Inverse Document Frequency, IDF), 反映了词在整个文档集合中的稀有程度 (2) API sklearn.feature_extraction.text.TfidfVector…

MYSQL 子查询

标量子查询 #标量子查询 #1.查询“研发部”的所有员工信息 # a.查询“研发部”部门id select id from dept where name研发部;#b.根据销售部部门id,查询员工信息 select * from emp where dept_id(select id from dept where name研发部);#2.查询在王金彪入职之后…

EasyRTC嵌入式音视频通话SDK驱动智能硬件音视频应用新发展

一、引言 在数字化浪潮下,智能硬件蓬勃发展,从智能家居到工业物联网,深刻改变人们的生活与工作。音视频通讯作为智能硬件交互与协同的核心,重要性不言而喻。但嵌入式设备硬件资源受限,传统音视频方案集成困难。EasyRT…

c/c++中程序内存区域的划分

c/c程序内存分配的几个区域: 1.栈区:在执行函数时,函数内局部变量的存储单元都可以在栈上创建,函数执行结束时这些存储单元自动被释放,栈内存分配运算内置于处理器的指令集中,效率很高但是分配的内存容量有…

微信小程序 自定义图片分享-绘制数据图片以及信息文字

一 、需求 从数据库中读取头像,姓名电话等信息,当分享给女朋友时,每个信息不一样 二、实现方案 1、先将数据库中需要的头像姓名信息读取出来加载到data 数据项中 data:{firstName:, // 姓名img:, // 头像shareImage:,// 存储临时图片 } 2…

IPLOOK超轻量核心网,助力5G专网和MEC边缘快速落地

随着5G深入千行百业,行业客户对核心网的灵活性、可控性和部署效率提出了更高要求。IPLOOK面向数字化转型需求,推出了超轻量级核心网解决方案,具备体积小、资源占用少、部署灵活、易于维护等特性,广泛适用于专网、实验室、MEC边缘云…

搭建基于chrony+OpenSSL(NTS协议)多层级可信时间同步服务

1、时间同步服务的层级概念 在绝大多数IT工程师实际工作过程中,针对于局域网的时间同步,遇到最多的场景是根据实际的需求,搭建一个简单的NTP时间同步服务以时间对局域网中的服务器、网络设备、个人电脑等基础设施实现同步授时功能。虽然这样…

单片机-STM32部分:12、I2C

飞书文档https://x509p6c8to.feishu.cn/wiki/MsB7wLebki07eUkAZ1ec12W3nsh 一、简介 IIC协议,又称I2C协议,是由PHILP公司在80年代开发的两线式串行总线,用于连接微控制器及其外围设备,IIC属于半双工同步通信方式。 IIC是一种同步…

存算一体芯片对传统GPU架构的挑战:在GNN训练中的颠覆性实验

点击 “AladdinEdu,同学们用得起的【H卡】算力平台”,H卡级别算力,按量计费,灵活弹性,顶级配置,学生专属优惠。 一、冯诺依曼架构的"三座大山"与GNN算力困境 当前图神经网络(GNN&…

AI大模型学习十八、利用Dify+deepseekR1 +本地部署Stable Diffusion搭建 AI 图片生成应用

一、说明 最近在学习Dify工作流的一些玩法,下面将介绍一下Dify Stable Diffusion实现文生图工作流的应用方法 Dify与Stable Diffusion的协同价值 Dify作为低代码AI开发平台的优势:可视化编排、API快速集成 Stable Diffusion的核心能力:高效…