一说到无人机定位就想到GPS,但对于GPS信号很弱的室内环境，我们的无人机飞行控制又该依赖谁呢？今天阿木实验室就来带大家了解一下无人机的各种室内定位方案。 方案一：超声波+光流传感器 超声波测距原理：，超声波发射器向某一方向发射超声波，在超声波在空气中的传播速度为340m/s，根据计时器记录的时间t，就可以计算出发射点距障碍物面的距离s，即：s=340t/2。 光流算法原理：简单来说，光流是空间运动物体在观测成像平面上的像素运动的“瞬时速度”。当观测对象不动、无人机水平移动时，这时光流计算结果可以估算为无人机的水平速度。 图片为市面常见无人机入门学习机所配，可通过超声波传感器和光流传感器分别获取无人机距离地面高度和水平方向的速度，融合IMU的数据，实现无人机在室内的悬停。 方案二：激光SLAM (Simultaneous Localization And Mapping,简称SLAM)
SLAM技术对于机器人或其他智能体的行动和交互能力至为关键，因为它代表了这种能力的基础：知道自己在哪里，知道周围环境如何，进而知道下一步该如何自主行动。它在自动驾驶、服务型机器人、无人机、AR/VR等领域有着广泛的应用，可以说凡是拥有一定行动能力的智能体都拥有某种形式的SLAM系统。 激光测距的原理：激光器发射一个激光脉冲，并由计时器记录下射出的时间，回返光经接收器接收，并由计时器记录下回返的时间。两个时间相减即得到了光的“飞行时间”，而光速是一定的，因此在已知速度和时间后很容易就可以计算出距离。 阿木实验室无人机配备的360°A3激光扫描雷达，采样频率高达16000次，25m的测量半径，提供了丰富的二维点云信息，使得无人机的路径规划和导航变得直观。
方案三：视觉SlAM
双目测距的原理： 目标点在左右两幅视图中成像的横坐标之间存在的差异(视差Disparity),与目标点到成像平面的距离成反比例的关系:Z = ft/d;得到深度信息 双目测距中光源是环境光或者白光这种没有经过编码的光源，图像识别完全取决于被拍摄的物体本身的特征点，因此匹配的精度和正确性很难保证，于是出现了结构光技术来解决匹配问题。结构光测距的不同点在于对投射光源进行了编码或者说特征化。这样拍摄的是被编码的光源投影到物体上被物体表面的深度调制过的图像。Intel D435I就是一种使用了这种技术的RGB-D相机，但RGB-D相机是以牺牲视角为代价针对深度精度进行优化的，如果想获取更高质量的目标识别和追踪，可以并行使用T265和D435I。 方案四：动作捕捉系统
目前动作捕捉系统有惯性式和光学式两大主流技术路线，而光学式又分为标定和非标定两种。我们可以将动作捕捉系统分为以下三大主类：基于计算机视觉的动作捕捉系统（光学式非标定）、基于马克点的光学动作捕捉系统（光学式标定）和基于惯性传感器的动作捕捉系统（惯性式）。 基于计算机视觉的动捕系统原理：由多个高速相机从不同角度对目标特征点进行监视和跟踪。理论上对于空间中的任意一个点，只要它能同时为两部相机所见，就可以确定这一时刻该点在空间中的位置。当相机以足够高的速率连续拍摄时，从图像序列中就可以得到该点的运动轨迹。 动捕系统虽常见于影视作品的制作，但同样也是各大高校研究和验证无人机运动控制的神器，可以利用少量的摄像机对检测区域的多目标进行监控，精度可达亚毫米级别。 方案五：UWB定位系统 UWB（Ultra wideBand）是室类定位领域的一项新兴技术，无需传统通信体制中的载波，发送和接受纳秒及以下级别的超窄脉冲来传输数据，具有GHz级别的宽带，穿透力强、功耗低、抗多径效果好、安全性高、系统复杂度低、能提供精确定位精度。 UWB定位原理：常见的定位方法有信号强度法（RSSI）、抵达角度法（AOA）、抵达时间法（TOA）、到达时间差法（TODA）、双向飞行时间法（RTOF）等，主要都是通过待测目标点与多个基站通信测距来计算目标点坐标。UWB定位技术的实现，首先需要知道等待测点的点位与各参照基站间的位置对应关系，接着构建定位运算方法的函数模型，再运用测定的参数与构建的函数模型做出运算来获得测定目标的准确位置数据。 作为室内的“GPS”,UWB技术的应用场景将更加广阔，不再仅限于无人机的定位，未来是物联网的时代，室内定位技术作为物联网感知网络的底层基础，必然将获得更大的市场机遇，随之而来就是各位同学们的发展机遇，所以赶快行动起来，可以从阿木实验无人机入手get起新的定位技术！
| 
