無人機(jī)是一個(gè)非線性、欠驅(qū)動(dòng)的被控制對(duì)象，飛控控制有四個(gè)研究難點(diǎn)：建模困難，欠驅(qū)動(dòng)性，強(qiáng)耦合特性，易受外界干擾。因此雖然很多研究人員都已經(jīng)開發(fā)了無人機(jī)的飛行控制系統(tǒng)，其控制算法的研究仍然是研究的熱點(diǎn)。除了經(jīng)典的比例積分微分（Proportional-Integral-Derivative，PID）算法外，反步法，現(xiàn)行二次優(yōu)化控制方法和滑模控制方法都在無人機(jī)姿態(tài)控制系統(tǒng)設(shè)計(jì)中有所應(yīng)用，且獲得了比較好的控制效果。無人機(jī)是一個(gè)非冗余系統(tǒng)，容易受到例如風(fēng)和執(zhí)行機(jī)構(gòu)故障等內(nèi)部擾動(dòng)的影響。無人機(jī)穩(wěn)定懸�？刂�，姿態(tài)控制器和對(duì)位置姿態(tài)擾動(dòng)的魯棒性都需要進(jìn)行驗(yàn)證糾正。

       2.2、視覺導(dǎo)航相關(guān)技術(shù)研究

       VIO（visual-inertial odometry）即視覺慣性里程計(jì)，有時(shí)也叫視覺慣性系統(tǒng)（VINS，visual-inertial system），是融合相機(jī)和IMU數(shù)據(jù)實(shí)現(xiàn)SLAM的算法，根據(jù)融合框架的區(qū)別又分為緊耦合和松耦合，松耦合中視覺運(yùn)動(dòng)估計(jì)和慣導(dǎo)運(yùn)動(dòng)估計(jì)系統(tǒng)是兩個(gè)獨(dú)立的模塊，將每個(gè)模塊的輸出結(jié)果進(jìn)行融合，而緊耦合則是使用兩個(gè)傳感器的原始數(shù)據(jù)共同估計(jì)一組變量，傳感器噪聲也是相互影響的，緊耦合算法上比較復(fù)雜，但充分利用了傳感器數(shù)據(jù)，可以實(shí)現(xiàn)更好的效果，是目前研究的重點(diǎn)。對(duì)運(yùn)動(dòng)的估計(jì)量需要一個(gè)第三方工具測(cè)量其算法的準(zhǔn)確性。

       2.3、無人機(jī)運(yùn)動(dòng)軌跡規(guī)劃方法研究

       和其他自主運(yùn)動(dòng)系統(tǒng)一樣，無人機(jī)的運(yùn)動(dòng)規(guī)劃問題一直是研究重點(diǎn)。無人機(jī)因其垂直起降和懸停能力，可以跟蹤平滑以及某些不平滑的三維軌跡，是非常理想的通用三維運(yùn)動(dòng)規(guī)劃算法驗(yàn)證平臺(tái)。通過水平掃描環(huán)繞的方式規(guī)劃無人機(jī)的運(yùn)動(dòng)使其能完全掃描全部曲面；對(duì)有界不確定性線性系統(tǒng)漸進(jìn)最優(yōu)化的算法的研究；在滿足高斯分布假設(shè)的非線性系統(tǒng)中獲得概率可行路徑解，對(duì)于無邊界強(qiáng)不確定性的算法的研究。用一系列帶有時(shí)間延遲的路徑點(diǎn)描述路徑，根據(jù)飛行參數(shù)計(jì)算各路徑點(diǎn)之間的控制輸入，通過規(guī)劃無人機(jī)的三種動(dòng)作形成動(dòng)作序列實(shí)現(xiàn)協(xié)調(diào)轉(zhuǎn)彎。

       2.4、無人機(jī)姿態(tài)控制的擾動(dòng)抑制問

       題無人機(jī)機(jī)構(gòu)簡(jiǎn)單且執(zhí)行機(jī)構(gòu)具有非冗余、低可靠性的特點(diǎn)，易受各種內(nèi)外部擾動(dòng)影響，因此其姿態(tài)控制的主要問題在于在線擾動(dòng)抑制。以在線擾動(dòng)估計(jì)和主動(dòng)擾動(dòng)補(bǔ)償為基本結(jié)構(gòu)，擾動(dòng)抑制問題已獲得了比較廣泛的研究，其中自抗擾控制（Active Disturbance Rejection Control， ADRC）方法提出了針對(duì)一般非線性系統(tǒng)的主動(dòng)補(bǔ)償控制結(jié)構(gòu)，具有很強(qiáng)的適用性。但是其擾動(dòng)觀測(cè)與擾動(dòng)補(bǔ)償包含共同的系數(shù)矩陣，不能完全解耦，不利于控制系統(tǒng)整定。另外應(yīng)用其方法結(jié)構(gòu)可以對(duì)不同模塊分別設(shè)計(jì)進(jìn)一步提升系統(tǒng)性能。在對(duì)無人機(jī)姿態(tài)控制自抗擾控制研究時(shí)，需要有一個(gè)外部視覺工具給予算法的驗(yàn)證與糾正。

       2.5、室內(nèi)高精度視覺/慣性導(dǎo)航問題

       在室內(nèi)無GPS環(huán)境下，無人機(jī)的狀態(tài)估計(jì)主要依賴于IMU和其他外部測(cè)量傳感器（光學(xué)動(dòng)捕系統(tǒng)等）組成的組合導(dǎo)航系統(tǒng)。由于高精度導(dǎo)航系統(tǒng)在完整系統(tǒng)設(shè)計(jì)中的基礎(chǔ)性重要作用，很多研究人員從多傳感器融合和多約束優(yōu)化等方面進(jìn)行了大量的導(dǎo)航理論和應(yīng)用研究，取得了大量的研究成果。但是以往研究的主要重點(diǎn)在于對(duì)傳感器數(shù)據(jù)的復(fù)雜處理，其中包含大量經(jīng)驗(yàn)性和試探性的工作，缺少適用性強(qiáng)的高精度算法框架。在室內(nèi)無GPS環(huán)境下無人機(jī)實(shí)現(xiàn)自主導(dǎo)航也成為了很多高校研究的課題，外部的測(cè)量工具在無人機(jī)的狀態(tài)估計(jì)起到了至關(guān)重要的作用。

       2.6、SLAM問題

               SLAM算法主要分為3大部分：前端(又叫跟蹤或前端建圖，跟蹤又可以分成odometry loop closure)、后端、地圖創(chuàng)建。而SLAM算法按照傳感器的不同主要分為3大類：基于相機(jī)的SLAM算法、基于深度相機(jī)的SLAM算法、基于激光的SLAM算法。常用的傳感器有：?jiǎn)文肯鄼C(jī)、雙目/多目相機(jī)、全景相機(jī)、深度相機(jī)(RGB-D數(shù)據(jù))、2D轉(zhuǎn)軸雷達(dá)、可裝戴設(shè)備等。其中，激光SLAM研究較早，理論和工程均比較成熟。視覺方案目前尚處于實(shí)驗(yàn)室研究階段，極少看到實(shí)際產(chǎn)品應(yīng)用。

單目視覺SLAM算法存在一些本身框架無法克服的缺陷，首先是尺度的問題，單目SLAM處理的圖像幀丟失了環(huán)境的深度信息，即使通過對(duì)極約束和三角化恢復(fù)了空間路標(biāo)點(diǎn)的三維信息，但是這個(gè)過程的深度恢復(fù)的刻度是任意的，并不是實(shí)際的物理尺度，導(dǎo)致的結(jié)果就是單目SLAM估計(jì)出的運(yùn)動(dòng)軌跡即使形狀吻合但是尺寸大小卻不是實(shí)際軌跡尺寸；由于基于視覺特征點(diǎn)進(jìn)行三角化的精度和幀間位移是有關(guān)系的，當(dāng)相機(jī)進(jìn)行近似旋轉(zhuǎn)運(yùn)動(dòng)的時(shí)候，三角化算法會(huì)退化導(dǎo)致特征點(diǎn)跟蹤丟失，同時(shí)視覺SLAM一般采取第一幀作為世界坐標(biāo)系，這樣估計(jì)出的位姿是相對(duì)于第一幀圖像的位姿，而不是相對(duì)于地球水平面 (世界坐標(biāo)系) 的位姿，后者卻是導(dǎo)航中真正需要的位姿，換言之，視覺方法估計(jì)的位姿不能和重力方向?qū)�齊。
       經(jīng)過眾多領(lǐng)域的專家學(xué)者的不懈努力，SLAM問題已經(jīng)獲得了基于狀態(tài)觀測(cè)器的完整解決方案。如圖6為SLAM原理圖。并在一些實(shí)際系統(tǒng)中得到了實(shí)驗(yàn)驗(yàn)證。麻省理工大學(xué)、卡內(nèi)基梅隆大學(xué)、賓夕法尼亞大學(xué)以及杜克大學(xué)等高校一直以來在SLAM問題的研究中處于領(lǐng)先地位。其中一些重要的研究成果唄用作后續(xù)研究人員的評(píng)價(jià)基準(zhǔn)。國(guó)內(nèi)對(duì)SLAM問題研究目前集中于國(guó)外先進(jìn)研究的復(fù)現(xiàn)，缺乏具有獨(dú)創(chuàng)性和實(shí)用型的研究成果。雖然SLAM問題的基本算法研究較為成熟，但是大部分研究都是針對(duì)二維環(huán)境中的移動(dòng)機(jī)器人開展的，對(duì)三維環(huán)境的SLAM問題算法復(fù)雜度將增大一個(gè)階次，嚴(yán)重影響算法計(jì)算速度，這也是現(xiàn)在三維SLAM問題研究的難點(diǎn)。另外對(duì)SLAM問題的研究大多將其當(dāng)作一個(gè)獨(dú)立系統(tǒng)進(jìn)行，實(shí)際上一個(gè)運(yùn)動(dòng)系統(tǒng)的定位和地圖建立不應(yīng)該是一個(gè)任務(wù)的全部目的，而應(yīng)該以具體的任務(wù)為目的進(jìn)行相應(yīng)的SLAM算法研究。在SLAM算法研究中需要外部的測(cè)量工具對(duì)其進(jìn)行運(yùn)動(dòng)規(guī)劃。

 

 

       2.7、未知環(huán)境的綜合探索問題

       未知環(huán)境的綜合探索問題從最早的運(yùn)動(dòng)規(guī)劃問題出發(fā)，逐漸與SLAM相結(jié)合，演變?yōu)榘�括�?guī)劃、導(dǎo)航、控制在內(nèi)的自主運(yùn)動(dòng)系統(tǒng)的綜合性問題。近幾年借助于SLAM問題的研究熱度，也獲得了很高的關(guān)注。在早期基于便捷搜索的算法基礎(chǔ)上，二維環(huán)境的綜合探索問題很快與SLAM問題結(jié)合，并發(fā)展出基于信息增益的探索策略。但是信息增益的計(jì)算十分繁瑣，需要大量的迭代計(jì)算，難以實(shí)現(xiàn)。因此大部分將運(yùn)動(dòng)目標(biāo)點(diǎn)的決策和朝向目標(biāo)點(diǎn)的運(yùn)動(dòng)規(guī)劃解耦，僅以目標(biāo)點(diǎn)信息量選擇最優(yōu)目標(biāo)，而忽略了運(yùn)動(dòng)路徑上傳感器的信息增益。針對(duì)全路徑的信息優(yōu)化問題仍需進(jìn)一步研究。