水上无人系统研究进展及其面临的挑战

无人机与有人机相比具有相当大的优势，比如，成本较低、无人员伤亡风险、功能多样和使用方便等，特别适合在成本限制较严格的场景或在危险的空域中使用，典型地如地形测绘、灾害救援、战场侦察、农业喷药、影视航拍以及消费娱乐等。

早期的无人机研究多是出于军事目的。在20世纪60年代，美国就在越战中使用了无人机执行军事侦察任务。在第四次中东战争中，以色列使用无人机成功地摧毁了埃及沿运河部署的地空导弹基地。

美国高度重视军用无人机技术。美国陆军2010年发布了《2010—2035美国陆军无人机系统路线图》。2016年，美国空军发布了《小型无人机系统路线图2016—2036》，从战略层面肯定了小型无人机系统的前景和价值。2018年，美国国防部发布了《无人系统综合路线图2017—2042》，强调了自主性对于加速无人系统领域进步的重要作用。美国不同部门近几年设立了众多研究项目，如美国国防高级研究计划局(DARPA)的“小精灵”项目，美国海军研究局(ONR)的LOCUST项目，以及美国防部战略能力办公室(SCO)的“山鹑”项目等。

美国也将越来越多的无人机运用到民用领域。美国国家航空航天局(NASA)成立了一个无人机应用中心，专门开展无人机的民用研究，如天气预报和监测冰川消融与热带风暴强度演化过程等。2007年森林大火时，NASA使用了“伊哈纳”无人机评估灾害损失。美国科学基金会2016年发布的《美国机器人发展规划：从互联网到机器人》对无人机有专门的讨论。有文献根据自主技术在农业、军事和民用领域的需求，介绍了无人机的多种应用。

以色列是无人机技术最为先进的国家之一，已成立了民用无人机审定委员会，开展了多种民用任务的试验飞行评估，并于2012年举办了国际无人机系统展会。

俄罗斯空中卫士公司研发了多用途无人机“A-03Nart”，可用于自然灾害救援、人工降雨、道路监控和环境监测等。

欧洲2006年开始制定并实施《民用无人机发展路线图》，开发了多种型号的无人机。2018年，瑞士宣布要部署欧洲首个国家无人机空管系统。

日本在民用无人机领域开展了许多卓有成效的工作，譬如在农业领域拥有数千架注册无人直升机，操作人员一两万人，广泛采用了无人机进行喷药等农业作业。

我国虽然从20世纪六七十年代就开始研制无人机，但进展缓慢。直到最近十几年无人机技术才得到快速发展，无论是军用还是民用无人机，技术水平都已进入世界先进行列。近十年，国内与无人机相关的专利申请有近万件。目前，我国注册的无人机公司已有数百家，研制的无人机型多达数百种。以大疆创新科技有限公司(以下简称大疆)无人机为代表的多旋翼无人机在民用领域占领了国际上的大部分市场。国内各军工集团则开发了种类齐全的军用无人机。典型地，如彩虹和翼龙无人机，已形成批量军贸出口。同时系列产品在民用领域也被广泛用于测绘、森林防火、海洋监测、航空物探和管道巡线等。

在民用领域，无人机很早就被用于航拍。大疆在2013年初推出的“Phantom”系列飞行器和昊翔电能运动科技有限公司(YUNEEC)在2015年推出的“Q500”等都是早期航拍领域的代表性产品。目前的航拍无人机已非常成熟，典型的如大疆的“Phantom”系列和“Maic”系列。无人机也被用于植保，可实现喷洒农药和种子等。广州极飞科技有限公司推出的植保无人机已经成功地应用到了新疆地区。大疆在2015年也推出了农业喷洒无人机。该方向的发展非常快，国内目前已有生产植保无人机的企业上百家。

无人机作为一种新型运输工具，在边远地区物流运送方面具备很好的应用前景。网络零售巨头亚马逊公司在2013年首次宣布无人机送货的构想，2015年公布了一款无人机送货服务的原型机。国内快递巨头顺丰速运有限公司以及电商北京京东世纪贸易有限公司也进行了无人机送货的测试。目前该领域的最大障碍不是技术问题，而是投运成本、安全性，以及民用无人机监管问题。

早期的无人机研发侧重于单机，近年来有许多机构开始探索无人机群的协同控制。2015年，美国海军实现了50架固定翼无人机的集群飞行；2016年，中国进行了67架的固定翼无人机集群飞行试验。2017年，美军使用三架战斗机在空中释放了103架“山鹑”微型侦察无人机；2018年，中国完成了200架固定翼无人机集群陆地起飞试验。英特尔公司在2016年展示了500架旋翼无人机的灯光秀；2018年中国进行了1374架旋翼无人机的表演。但是目前无人机群的编队只是简单的程序控制，还未实现自主协同。美国正在积极推进这方面的研究。2018年，DARPA启动了“进攻性蜂群战术”项目第二阶段工作，计划实现50个异构无人系统在复杂城市环境中，在15～30分钟内锁定目标。

在学术研究领域，无人机的研究文献非常多，主要集中在航迹规划、避撞和编队协同等方面。无人机的航迹规划是三维的，增大了航迹规划的复杂性。文献[30]将航迹定义为路径和运动函数的组合，通过计算气动力矩和升力满足旋翼飞行器的动力约束，根据任务要求和约束条件利用非线性约束优化方法得到了最优航迹。有文献将进化算法应用于航迹规划问题，规划出的航迹具备较小代价值。有文献将A*算法的搜索空间扩展到三维空间，实现了无人机在复杂环境下的航迹规划。有文献将蝗虫算法引入无人机三维航迹规划，利用地形和约束条件等缩短搜索空间，给出了三维航迹规划过程，在预定场景下进行了算法性能测试。有文献提出了即时修复式稀疏A*算法，能够快速生成可行航迹。有文献将无人机的各种路径规划技术分为代表性技术、协同技术和非协同技术三大类，针对每一类路径规划方案进行了分析，探讨了当前的开放性问题。

在避撞方面，有文献提出了一种有干扰和障碍环境下的鲁棒非线性控制方法，在四旋翼无人机上实现了该算法，并与其他非线性控制方法进行了比较。有文献提出了一种利用椭球形状作为障碍物限制区来寻找避让路径的方法。有文献建立了基于信息融合的防撞系统，系统采用了一个超声波传感器和一个激光雷达来进行环境感知。有文献针对无人机避障问题提出了一种基于深度学习的四旋翼无人机单目视觉避障方法，能够识别不同姿态的人，实现低速飞行下的对人避障。有文献提出一种基于事件驱动的无人机强化学习避障算法，通过在强化学习中加入事件驱动触发机制，可以在减少无人机决策的同时找到最优路径。

在编队协同方面，有文献分析了椋鸟的飞行原理，利用相邻的很少几个个体实现了三维环境中原始队形向期望队形的动态调整问题。有文献设计了一种既适用于领导者又适用于跟随者的编队控制算法，该算法将领导者隐式地集成到群体中，并受群体导航反馈的影响，能够在不发生碰撞的情况下收敛到所需的编队。有文献针对异构无人机的编队区域搜索和任务分配问题，提出了一种基于响应阈值模型的概率决策机制的分布式方法。有文献基于机载视觉感知设备和领导者-跟随者协同方法实现了非GPS定位密集编队飞行。有文献通过将跟随者信息反馈给领导者，解决了跟随者出现问题时会引起编队失败的问题。有文献通过加入PI控制，使得无人机机体振动和闭环系统稳态误差减小，实现了无人机编队在高速近距情况下的编队。有文献从人机共融、变体设计、人工智能和集群对抗方面探讨了无人机自主集群的发展趋势。有文献根据所使用的算法和设计的框架，对多无人机避障方法进行了分类，讨论了它们的主要特点，总结了该研究方向的挑战。

在过去的十几年里，得益于爆发性的市场需求，无人机产业发展十分迅猛，在很多方向上出现了工业界实践领先于学术研究的状况，出现了大量的成熟的产品。但是目前该领域仍存在以下挑战：

⑴续航。目前的主流无人机包括多旋翼和固定翼两种，其中多旋翼无人机应用最为广泛。多数多旋翼无人机和中小型固定翼无人机主要使用锂电池作为动力，续航能力非常有限，大大限制了无人机执行任务的能力。

⑵避障。在无人机诸多功能中，避障功能是实现智能化的关键，特别是在农业、安防、运输和媒体等领域，避障功能显得尤为重要。目前技术上比较容易实现的四种避撞方式：红外、超声波、激光和视觉，都还存在很大局限。以应用最广泛的视觉避障来讲，从原理上难以克服复杂环境条件的影响(譬如存在烟雾)；在感知距离上只有二三十米距离，难以满足高速飞行时的避障要求。

⑶编队协同。编队协同是当前无人机领域的热点方向，包括中美在内的世界上拥有先进无人机技术的国家都在努力攻克相关的技术难题。现有的无人机灯光秀没有个体之间的协同，还不是真正意义上的编队。技术上，如果每个个体都能实时获得领导者或者全局信息，相互协同形成编队相对容易实现。但是对于高速飞行或者大范围飞行的无人机，通信可能有延迟或者中断，同时通信拓扑可能动态变化，导致单个个体不能及时获取全局信息。在此背景下形成编队协同就非常具有挑战性。

⑷组网通信。无人机之间只能通过无线的方式交换信息。对于高速飞行或者大范围飞行的无人机，或者无人机集群数量较多时，形成快速可靠的通信和组网是个尚未得到很好解决的问题。

⑸任务需求。尽管目前有大量的论文开展编队协同研究，也出现许多尚无清晰定义的新学术名词，如“涌现”和“激发”等，但是更多关注的是技术本身，对任务需求的研究较少。实际上，饱和攻击这类无对抗性的任务并不需要复杂的自主编队技术，无人机完全可以遥控或者半自主飞行。美军2015年的宙斯盾攻击试验表明，仅需数架无人就可达到明显的突防效果。那么，究竟在何种任务中会用到像生物一样的复杂编队，并且需要个体之间相互激发智能，对该问题还有待进一步的研究。

无人系统编队是近年无人系统领域的重要发展方向，其理论基础是多自主体理论。在多自主体理论中，研究对象有同质的(所有自主体的动力学模型相同或相近)和异质的(自主体间有不同的动力学模型)两大类。相比于同质多自主体系统，异质多自主体系统可以利用不同个体的优势形成更强的多维空间信息感知能力，完成更复杂的工作。以空海/空地协同为例，无人机的局限在于续航时间短，但是具有搜索范围大和通信距离远的优点；无人艇/无人车续航时间长，但是搜索范围小和通信距离近。

如果能结合二者的优点，构成异质多自主体协同系统，就可大大提升系统完成复杂任务的能力。譬如在海事救援中，无人艇的搜救范围很有限，通过无人机就能大大扩展搜救范围；在执行反恐或救灾任务中，地面车辆的观察范围有限，通过无人机可以获得更好的视野。空海协同技术的应用前景非常广泛。概括地说，凡是在水上应用无人机的地方就可能用到该技术。目前围绕无人系统的多自主体的研究更多地集中在同质或者近似同质的系统，对异质多自主体系统的研究还相对较少。

由于空海协同采用的技术与空地协同类似，只是空海协同要考虑平台的摇摆和移动，所以我们将空海/空地协同的研究进展一同进行介绍。

空海协同的目的与无人机编队或者无人艇编队有显著的不同。无人机编队或者无人艇编队的目的是形成期望的队形。虽然队形也可能变换，但本质上保持特定队形是重点。空海协同的关键是无人机着艇。无人机在着艇过程中更强调的是协同，而不是保持特定的队形。无人机–无人艇的相对位置在无人机着艇过程中时刻变化，不断协同。

根据公开的视频，空地协同方面，2016年德国航空航天中心的研究团队完成了固定翼无人机在有人车顶部的降落试验；加拿大蒙特利尔理工的研究团队完成了多旋翼无人机在有人车顶部的降落试验。2017–2018年，国内的神州飞行器、西安交通大学、西北工业大学、浙江工业大学、大连海事大学、北京理工大学和上海交通大学等分别完成了多旋翼无人机在有人车顶部或地面的降落试验。除此之外，可能还有一些未公布试验视频的团队在开展相关研究。

空海协同方面的公开视频很少。2013年，美国固定翼无人机首次在航母上成功降落。美国海军2017年公布了多旋翼无人机在无人艇上降落的视频。无人艇采用的是平稳性很好的RobotX竞赛艇，降落平台覆盖艇身，并配有减摇器。2018年上海交通大学完成了基于视觉导航的多旋翼无人机在无人艇上的高精度降落试验，降落平台半径仅比无人机大10cm。2019年华中科技大学东莞研究院也完成了基于视觉导航的无人机着艇试验。2019年上海交通大学完成了基于视觉导航的无人机夜间着艇试验。

空海协同系统在军事上有很大应用潜力。美军对这一颠覆性方向高度重视，2017年美国海军水面舰艇协会年会公布了空海协同系统概念图，由一艘无人艇携带多架多旋翼无人机在海上执行作战任务。2018年，美国海军水面舰艇协会年会展出了一款60米长无人舰艇的模型，艇上配有MQ-8“火力侦察兵”无人机。同时，美国海军正在快速开发一种“幽灵舰队”，使水面、空中和水下的多个无人系统编队同步作战。日前，美军已启动无人航母计划，委托佛罗里达大西洋大学为其研制一种无人水面“母舰”，作为水下无人航行器和遥控无人机的平台，从而获得多载体、多域能力。以色列成为全世界第一个列装无人导弹艇“海上骑士”的国家，以色列军方正在计划建立以“海上骑士”为中心，无人机和海军部队协从的“海上骑士分队”，实现无人艇和无人机的协同作战。2017年5月，法国舰艇建造局组织了一场有无人机、无人艇、无人潜航器三种无人装备参与的协同作战演习。

目前的多旋翼无人机着陆更倾向于采用视觉导航，主要原因在于GPS的成本较高，RTK信号刷新速率较慢，在海上可能无法设立参考基站，在天气变化较大或者云层较厚地区信号的稳定性也不是非常理想，单独使用难以保证无人机以较高精度可靠地跟踪快速移动的降落平台。

无人机在移动平台上的降落能力非常重要，这并不是为了单纯的技术演示，而是有实际的需求。在空海协同中，降落平台在复杂海洋环境的影响下，始终处于动态的移动中。无人机对移动降落平台的跟踪能力关系到能否可靠地降落。降落平台的极限移动速度与多个因素相关，包括飞行器类型、降落平台大小与安装方式、移动轨迹、移动速度变化率和采用的定位手段等。

在学术研究领域已经发表了许多关于多自主体编队的理论研究论文，但是具体到空地协同或者空海协同，在万方上只能查到很少的论文。在至为关键的视觉导航方面，有文献提出了一种视觉自主着陆算法，通过卡尔曼滤波器保证了估计的鲁棒性。有文献提出了一种基于图像分割的专家系统，通过无人机和平台的识别和相对定位来辅助安全着陆。有文献对视觉信息进行预测和插补，采用AR模型预测方法对飞行器与降落平台相对位置进行估计，再采用遗忘因子递归最小二乘法解决系统延迟问题，取得了较好的效果。有文献为了提高视觉定位的精度以及工作半径，选择了合适的机载相机以及与之配套的双轴云台，设计了以二进制编码为基础的标识物识别算法，并进行了试验。有文献对基于视觉和激光雷达的无人机降落方法进行了研究。

在无人机着艇过程中，对地标的快速和准确识别是其核心问题，围绕该问题还有很多研究工作要做，包括：

⑴地标识别。空地/空海协同最为关键的技术是无人机返航着陆技术。由于汽车停止后可以静止不动，所以实际上空地协同对运动中着陆的需求并不迫切。空海协同则完全不同，即便是无人艇停止航行，艇体也无法保持不动。如果无人艇在航行中，返航着艇难度会更大。在这种情形下，要求无人机能够快速进行地标识别。由于无人机载荷能力有限，机载计算机计算能力较弱，如何快速识别地标是个挑战性的问题。

⑵背景抑制。无人艇上部空间有限，通常安装有天线和感知设备及其支架等很多艇上结构物，所以降落平台通常不会像空地协同一样覆盖车的整个顶部。由此引发的问题是，艇上结构物及其阴影，以及艇身纹理和水面的反光形成复杂干扰，大大增加了地标识别和无人艇着陆实现的难度。如何从这些特定的背景下进行干扰抑制还有待进一步研究。

⑶畸变抑制。虽然空海协同与空地协同采用的技术类似，但是空海协同更具有挑战性。在空海协同中，降落平台始终处于摇摆之中。而降落平台的摇摆会使无人机采集到的图像产生畸变，对视觉导航的影响非常大。为了保证无人机的可靠降落，除了在无人艇中姿态控制中采用减摇技术，还需要在图像处理算法中考虑摇摆带来的畸变，譬如采用空海协同运动预测技术进行畸变的动态抑制。关于该问题的研究还不多见。

综上所述，空海协同巡逻搜救系统的研究不仅涉及到“机”的控制，还涉及到“艇”的控制；不仅涉及到图像处理技术，还涉及到协同控制技术；不仅涉及到硬件设计，还涉及到算法开发，面对的是个涉及多方面技术的非常复杂的系统。目前该方向的研究还处在初始阶段，有待于更多研究人员加入，开展更加全面深入的研究。

无论是对无人艇无人机单独或者混合组成的系统，环境感知能力都是系统正常可靠工作的关键。水上区域广阔，无人系统应用经常面临的一个关键问题是弱小目标识别问题，包括海面目标识别和空中目标识别。国际光学工程学会(SPIE)曾对弱小目标特征作如下描述：对比度小于15%，信噪比小于1.5，成像像素尺寸小于成像平面总尺寸的0.13%(在256像素×256像素平面上小于80像素)。

弱小目标识别是一个经典问题，其挑战性在于，远距离目标在成像面上的图像面积很小，由于光学散射和衍射等光学效应，图像的信噪比很低，加上存在复杂背景干扰，使得目标很难从背景中分割出来。因此弱小目标识别往往是许多军事应用(如预警系统、精确制导系统和防空系统等)和民用应用(如森林防火、医学成像、遥感和海事搜救等)的技术瓶颈。国际上以SPIE为代表，每年举行一次“小目标信号与数据处理”研讨会，IEEE国际计算机视觉与模式识别会议(CVPR)则经常举办竞赛，交流弱小目标识别的前沿技术。

随着计算机技术和图像处理技术的进步，目前基于图像、红外和激光的目标识别系统已经在实际中得到了成功应用。由于空中对地/对海弱小目标检测的敏感性，国内外民用产品尚不多见。大疆公司开发的无人机搭载了国内最为先进的消费级地面目标识别系统，其“MaicPro”无人机地面目标识别系统据说可以检测多种常见物体(人、汽车、卡车、动物、船、人骑自行车或摩托车等)。彩虹和翼龙系列无人机系统搭载了国内最为先进的工业/军用级目标识别系统，性能已在实际应用或实战中得到了检验。

在学术研究领域可以找到大量的中英文研究文献，国内作者论文相当多。有文献总结了目前红外弱小目标检测领域各类典型方法的研究现状及最新进展，对几种不同类型红外弱小目标检测方法进行了实验对比，对红外弱小目标检测技术的研究进行了总结和展望。有文献从空域检测、时域检测及空时混合域检测方面对图像弱小目标检测的理论与应用研究进行了分析与综述，对弱小目标检测面临的问题及未来的发展方向进行了探讨。有文献介绍了红外图像弱小目标探测的技术难点，对空域滤波法、变换域滤波法、时域滤波法三类典型红外图像弱小目标探测算法进行了综述，并对常用目标探测算法以及边缘分割方法进行了实验测试，指出这三类红外图像弱小目标探测算法各有优缺点，目标探测算法的选取受目标特征和背景特征影响较大。有文献针对无人机视觉识别与移动追踪技术介绍了移动目标识别、移动目标追踪、无人机自主飞行与避障等方向的关键技术研究现状。有文献对无人机基于视觉的应用进展进行了综述，包括基于视觉的位置–姿态控制、姿态估计和映射、障碍物检测以及目标跟踪，总结了该领域面临的挑战以及未来的发展趋势。

单一检测手段具有一定的局限，所以海上弱小目标通常采用多源信息融合方法进行识别。有文献研究了红外与激光双模复合的探测方式，可获取目标方位角度–俯仰角度–速度–距离等多维信息，进行了室外40m距离的外场实验。有文献提出基于二维经验模态分解的异常检测算法，利用了红外多光谱图像的多尺度信息，可抑制背景杂波和消减高频噪声，提高检测成功概率。有文献提出了一种针对中/长波红外图像的多源信息融合识别方法。首先提取出目标及其特征利用基于灰色理论的目标关联度计算得到基本概率赋值，再运用D-S证据理论组合规则对多个观测样本的信任度进行决策融合，得到较好识别效果。有文献提出一种弱小红外目标融合检测方法，通过将多光谱探测器获得的同一场景的多光谱信息组合到一起，利用它们在时空上的相关性及信息上的互补性，提高了检测性能。有文献提出了一种多波段红外视觉成像系统融合的伪彩色表示算法，在两个不同的红外波段中利用目标信号之间的相关性来构造一个杂波较少的融合红外图像，然后将融合的红外图像与假彩色RGB表示的视觉图像结合起来，实现了弱小目标的识别。

目前在弱小目标识别研究方面，大多数文献都是以陆上目标为背景，在海上弱小目标识别方面还有很多问题没有得到很好解决，有的问题是陆上和海上弱小目标识别存在的共性问题，有的是海上弱小目标识别存在的特殊问题：

⑴水上无人系统高速航行时，为了保证充分的反应时间，一般要求在较远的距离上就能检测到目标。而远距离目标成像面积很小，可能只有几十个像素甚至几个像素。与常规目标相比，弱小目标不但缺乏形状、颜色和纹理等辅助识别信息，而且经常受到海浪遮蔽，其检测一直是个难点问题，还有待于深入研究。

⑵水上弱小目标识别与陆上弱小目标识别相比有不同特点。我国海域位于太平洋多雾区，海域内弱小目标识别经常受到雾气的显著影响。所以基于可见光图像检测弱小目标存在很大局限。此外，采用可见光图像还要克服复杂环境条件的影响，包括海浪的起伏、日光的反射折射和雨雪的干扰。所以，通常采用红外方法或者多源信息融合方法进行海上弱小目标识别。目前的识别率和可靠性还远达不到期望的水平。

⑶在过去的十几年里，得益于计算机技术的进步，图像识别技术得到了快速发展。目前研究人员已经尝试了许多能够想到的图像处理方法，期望通过改进算法来提高弱小目标识别率的空间越来越小。目前的研究很多集中在不同性能指标，如速度和精度的折中方面。更明显的进步依赖光电传感器件本身能力的提升。

⑷目前的无人艇环境感知研究大都是以单艇为背景，在多艇情形下，特别是大规模集群的情形下，环境感知面临艇间遮挡带来的严重挑战。这是个本质性难点，有可能要从其他角度入手解决。这方面的研究成果还很少见。

水上无人系统目前的研究是由单个个体向集群、由单一环境向复杂环境、由简单功能向复杂功能发展。涉及的关键技术包括环境的感知和集群的协同与博弈等。与单艇单机环境感知相比，集群环境感知面临的进一步挑战是动态变化个体之间的遮蔽。与单艇单机控制相比，集群控制面临的挑战是不同个体在动态对抗中的有效协同方式，以及博弈策略。目前这方面的研究还任重而道远。