Project AirSim简介(3)：简单的无人机巡检算法

本文介绍了ProjectAirSim无人机仿真平台的关键API接口和基于规则的巡检算法实现。

2301_78500903

1724人浏览 · 2025-11-20 21:15:54

2301_78500903 · 2025-11-20 21:15:54 发布

一、Project AirSim关键Api接口

1.1 无人机碰撞检测

1.1.1 如何订阅碰撞信息

在运行hello_drone.py时，发现其日志输出有一下内容：

The following topics can be subscribed to for robot "Drone1": 
... 
    robot_info["collision_info"] 
...

由此可知，我们可以通过订阅robot_info["collision_info"]这个主题来获取无人机的碰撞信息。具体实现方式如下：

首先定义一个State类，用于管理无人机的状态：

class State:
    def __init__(self):
        self.collision = False

    def set_collision(self, value):
        self.collision = value

接着，通过client.subscribe()方法订阅碰撞信息主题，并指定一个回调函数：

client.subscribe(
      drone.robot_info["collision_info"],
      lambda topic, msg: state.collision_callback(True),
)

这种方式类似于 ROS 系统中的消息订阅机制。当无人机发生碰撞时，会触发该主题的回调函数。这里使用了一个匿名 lambda 函数，在接收到碰撞信息时将State类中的collision成员变量设置为True。这样，在后续循环执行的飞行任务中，我们就可以方便地判断无人机是否发生了碰撞。

1.1.2 如何忽略无人机初始化时的地面碰撞

根据 Project AirSim 文档说明，Actor 设置中的start-landed是一个可选的布尔参数，用于指定无人机是否以手动设定的着陆状态开始。当设置为true时，无人机会直接在生成原点启动，无需降落到带有碰撞网格的物体表面，从而避免初始阶段的碰撞检测。如果省略该参数，其默认值为false，即无人机将以非着陆状态开始运行。

例如，在初始化世界时执行以下代码：

world = World(client, "scene_drone_classic.jsonc", delay_after_load_sec=2)

只需在scene_drone_classic.jsonc配置文件中添加"start-landed" = true，即可实现忽略初始碰撞的功能。

1.2 异步任务的执行与调度：async和await

详细内容见链接：一文读懂Python async/await异步编程

await 是 Asyncio 并发编程的核心机制，它代表一个协作式任务切换点。当协程执行到 await 表达式时，它会挂起当前任务的执行，主动将控制权交还给事件循环，从而让其他就绪的任务有机会运行。这本质上是一种协作式多任务，而非抢占式。

这种机制意味着：只有在遇到 await 时任务才会暂停和切换。如果一个协程内部没有包含任何 await 语句，或者包含的是同步阻塞调用（如 time.sleep()），它将会独占事件循环，导致整个程序的其他异步任务都被阻塞，无法并发执行。

同时，任务调度不是随机的，而是确定且有序的。事件循环维护着一个就绪任务队列，通常按照任务就绪的先后顺序（FIFO，先进先出）来调度。在链接的代码中，三个任务的创建和启动顺序是固定的，因此它们的执行顺序也是确定的。

二、基于规则的无人机巡检算法

在无人机自主巡检系统中，路径规划与实时避障是两个核心模块。本文将介绍一种基于规则的巡检算法，实现无人机在预设交叉口网络中自主飞行，并在飞行中实时避开障碍物。

2.1系统架构概述

我们假设巡检区域由多个交叉口节点组成，无人机初始位置为其中一个交叉口。系统会随机选择一个相邻交叉口作为目标点，无人机朝目标飞行。到达目标后，再随机选择下一个相邻节点，循环执行，实现持续巡检。

在飞行过程中，无人机通过机载深度摄像头获取前方环境信息，判断是否存在障碍物。如无障碍，则继续朝目标点飞行；如检测到障碍，则根据深度图信息选择最安全的方向绕行。

2.2 实时避障：基于深度图的规则决策

避障是无人机自主飞行的关键能力。我们使用前向深度摄像头获取 DEPTH_PLANAR 类型的图像，并对其进行分区域分析，判断前方是否存在障碍物。

我们将深度图像在垂直方向截取中间三分之一区域（避免天花板和地面干扰），并水平划分为三个带状区域，分别计算每个区域的最小深度值，以此判断前方障碍物的分布情况。

num_bands = 3
height, width = depth_image.shape
middle_band = depth_image[middle_start:middle_end, :]
band_depths = [np.min(band) for band in bands]

如果中间区域的最小深度小于设定的阈值，则认为前方有障碍物。此时，系统会选择深度值最大的区域作为安全方向，并计算出一个偏航角度，使无人机朝该方向绕行。

if front_min < self.change_direction_distance_threshold:
    safe_index = int(np.argmax(band_depths))
    angle_offset = (safe_index - center_index) * angle_per_band
    abs_yaw = yaw + angle_offset
    v_north = MOVE_VELOCITY * math.cos(abs_yaw)
    v_east = MOVE_VELOCITY * math.sin(abs_yaw)

如未检测到障碍，则无人机根据当前位置与目标点的坐标差，计算朝向目标的速度向量：

dx = to_x - cur_x
dy = to_y - cur_y
distance = math.hypot(dx, dy)
unit_dx = dx / (distance + 1e-6)
unit_dy = dy / (distance + 1e-6)
v_north = unit_dx * MOVE_VELOCITY
v_east = unit_dy * MOVE_VELOCITY

为避免速度突变，我们对控制指令进行平滑处理：

v_north = self.prev_v_north * (1 - self.smoothing_factor) + v_north * self.smoothing_factor
v_east = self.prev_v_east * (1 - self.smoothing_factor) + v_east * self.smoothing_factor

然后，我们使用 move_by_velocity_z_async 方法控制无人机以指定速度飞行，并保持高度稳定。该方法是异步执行的，确保系统能实时响应传感器数据并更新控制指令。

task = self.drone.move_by_velocity_z_async(v_north, v_east, z, 1, 
                                           yaw_control_mode=YawControlMode.ForwardOnly,
                                           yaw_is_rate=False, yaw=0)
await task