行業無人機在飛控開放性、安全性、智能化方面的挑戰與實踐 | 硬創公開課

近年來，民用無人機市場異常火爆。其中消費類無人機在過去的2016年得到了長足的發展，各家廠商紛紛發布各種尺寸和功能的無人機，而人工智慧技術的蹤跡也在消費類無人機上出現，領頭羊DJI已經實現了利潤與市場份額的大豐收。

相比於消費類無人機市場的如火如荼，百家爭鳴，行業用無人機因市場還處於萌芽階段，各種行業需求還有未能標準化、行業背景知識要求高等特點，並未呈現出消費類無人機市場那樣的爆髮式增長。其中很重要的原因，就是行業無人機在飛控技術上需要有相當高的開放性、安全性、智能化。在軍工飛控無法提供高性價比，工業標準的飛控又沒有大面積應用的情況下，市場上主要流通的還是消費類飛控，來滿足不斷增長的農業、電力等市場的需求。為此，本期硬創公開課，雷鋒網邀請了若聯科技（RobSense）創始人CEO金潔來為大家講解行業無人機市場以及對應飛控的發展方向。

金潔，若聯科技（RobSense）創始人 、CEO & CTO。

愛爾蘭都柏林城市大學博士，曾獲劍橋大學NetFPGA設計比賽第一名，此前曾參與兩個歐盟項目（EcoNET, INPUT）以及法國空客公司、中國航天院的多個項目。在丹麥留學期間曾多次創業，對嵌入式機器人控制、計算機網路有深刻的理解。

公開課完整視頻：

以下為金潔的演講全文實錄精編：

無人機從在消費市場爆發、到行業應用進入萌芽階段，經歷了大概三年左右的時間，我們來回顧一下無人機在行業應用這塊的發展情況。

我們先來看一個Gartner的報告。

Gartner每年會抽取一千多項技術去分析這些技術的走勢，從14年開始，Gartner才將無人機技術放到這個報告中，正兒八經開始分析這個行業。

在報告中，我們可以看到，智能機器人和無人駕駛技術也在其中。無人機的爆發，主要還是因為其技術模塊早期在智能機器人以及自動駕駛技術上的爆發，比如掃地機器人、無人駕駛汽車等，這些設備上面的感測器技術、控制技術、導航技術等發展到一定階段，再加上智能手機將MEMS感測器、控制晶元的成本、體積都優化到了一定程度，從而可以部署在小型的無人機上，比如小型航拍和工業應用等等，我們今天主要來談工業應用。

從這張圖總結圖來看，未來五到十年，無人機才會走到相對成熟的位置。從媒體到資本，人們對這個領域的期待都是從漸進增長，再達到一個頂點，然後慢慢降溫，回歸到一個理性的狀態， 最後慢慢趨向一個成熟。

任何技術都是這樣一個發展的歷程。

無人機飛控現狀

總體來說，無人機在行業應用方面有很多的可能性，比如說現在非常火爆的農業植保。

中國目前大概有兩億畝耕地，當然這個數據不一定準確，但是採用無人機噴洒農藥的耕地比例很小，由此看來，這個增長空間非常大。另外物流無人機、電力巡線等行業應用也一樣有很大的市場增長空間。根據第三方的一些數據顯示，行業應用無人機在未來五年左右的潛力是非常大的，整個規模也會達到近千億人民幣，這些數據不一定十分精準，但也可作為一個參考。

而從無人機機體的成本來看，飛控和通信佔了將近34%，飛控單一項佔了20%，綜合上圖FAA的數據來看，未來五年飛控將佔據整個無人機市場20%左右，有將近200個億人民幣的市場容量，而且這只是硬體方面，還不包括服務。所以整個市場潛力很大，但由於目前屬於發展早期，還有很多事情需要做。

我們先看一下農業這塊的現狀。

在勞動力不斷上升的今天，在農業領域，無人機是一個非常好的替代人力的方案。無人機在整個作業效率和成本都將會比人力有優勢。

為了讓無人機更高效地去執行植保任務，無人機的飛控系統還需要整合一些其他的技術。比如地形跟隨的毫米波雷達、或者激光雷達的一些技術， 來讓無人機與作物之間一直保持一個高度距離來作業。再比如高精度的RTK的導航技術，拿極飛為例，他們在進行植保操作的時候，會先有技術人員對田地進行測繪，拿到測繪地圖之後，通過RTK導航系統可以讓無人機精準的對農田作業。

目前來說，人們對無人機植保的需求是遠遠大於植保無人機的產能和無人機服務的覆蓋面的。

剛才講的是農業的機械化方面，接下來說說農業無人機的信息化方面。

從圖中看，首先我們會在田中部署一些無源感測器節點，去收集一些農田的參數，主要是大氣、環境、水 文、土質等各方面的信息，當無人機飛過這個節點的時候，無人機的充電裝置會對感測器進行充電，充電的同時又會將儲存在感測器節點中的歷史數據收集回來，將這些日積月累的數據匯總到數據中心並且進行加工之後，該田地的歷史健康狀況、作物健康狀況都可以圖示化，並建立起來，人們就可以詳細地了解這塊農田的狀況了。

上述這種方式是有拓展性的，假如說我們把同樣的系統放到鐵路的高架上面，通過無人機來收集這些建築裝置的健康狀況，整個鐵路或橋的一些隱藏危機就可以被提早發現，並及時修補。再比如說無人機3D建模這一塊，無人機經過自動飛行，在所測繪的建築物外圍採集足夠多的圖片之後，將圖片導入後台的軟體，經過處理渲染之後就能生成3D圖像，人們就能得到一個片區的建築物信息。另外一個就是藏得比較深的電網方向，在電網方面的無人機應用技術壁壘還是挺高的， 它有自己的一些體系的要求，它的行業縱深深度是比較高的。

比如圖中，施工方需要對電網壓接部分進行測量，壓接線方面曾經出現過很多事故，這個測量非常的重要，關於這方面的數據監理方需要實時看到，為了防止施工方作弊，監理方就需要看到測量的實時相應數據。在測量中，無人機的作用就是把施工方測量的數據通過中繼回傳給監理方，將採集數據的這個點採集出來。

除了這個之外，電網還有一些非常深度的一些需求。比如風機的巡檢，在風力發電廠，巡檢人員需要知道葉片有沒有破損、干體有沒有傾斜、避雷針是否失效等信息，風力發電廠的風機設備都非常的昂貴，維護成本非常高，所以無人機對這類的巡檢有天然的優勢。

總的來說，市場上有林林總總的需求，每個行業對無人機的需求都在提升，所以他們對飛控也有各種不同的要求。為了滿足這些要求，很多無人機公司也在提供不同的無人機方案和飛控。

這些方案解決辦法大概為以下兩種：

第一種是採用軍用無人機的飛控。軍用無人機飛控感測器要求指標非常高，使用起來效果也非常好，但是其中也些問題，比如軍用無人機的飛控會非常的笨重，體積非常大，且造價昂貴，動輒百萬，價格成本不適合大面積的商用，所以，軍用飛控還會有很長的一個軍轉民的過程。

第二種就是目前市面上的主流，即用消費類飛控安裝在行業應用無人機上。這種方法也會造成一些問題，比如說整個無人機的可靠性就不能完全保證，無人機在複雜惡劣的環境中能否完成任務，對本身飛控的可靠性要求非常高。另外，行業無人機的需求是多種多樣的，面對林林總總的需求消費類飛控的二次開發的介面是否能夠滿足，也是一個問題。

工業無人機的要求很高，主要有三點：

第一，可靠性。在行業應用的無人機上，其掛載的設備可能是熱成像儀等非常昂貴的設備，所以需要非常穩定的飛行狀態，對飛控的可靠性依賴很大。

第二，價格。由於是應用生產力工具，價格不能非常高。

第三，電網等應用需要專業的掛載體系，需要不同的應用能力、不同的數據，所以無人機可定製、可擴展需求非常旺盛，目前很難出現一款標準的無人機或飛控能解決所有的需求。

飛控的進化

多旋翼飛控已經經過了十多年的迭代。

從上圖看，第一代控制飛控主要在2005年前後出現，演算法主要運行在相對比較弱的單片機上，能夠讓飛機起飛和飛穩，但是飄的還是很厲害，加之單片機的運算能力和擴展能力都很有限，所以整體較弱。

第二代飛控起始於2012年前後，主要運行在32位單片機上，性能更強，支持更多的介面，除了讓飛機飛行飛穩意外還能執行一些自動飛航點等簡單的任務。

第三代飛控在2015年前後開始，具有更強的嵌入式計算機以及多感測器數據融合增穩等特點，這一代的智能飛控具備有感知計算和現場運算能力，其中最核心的特點是能將飛行視覺整合到飛行計算當中，能夠自動精準著陸等等。

基於前三代的發展，我們接下來就猜想一下下一代行業飛控的軟硬體架構。之所以是猜想，是因為目前還沒有一個標杆式的飛控出來。

我們先看幾個主流廠商的飛控。

高通

高通晶元方案做得非常小，只有信用卡差不多大。

高通晶元把CPU、感測器等目前所有航拍類所需要的零部件都整合到了一塊板卡上，在智能化這塊做得很不錯了，用戶拿到之後直接在上面迭代軟體演算法就可以了。但是在安全性方面高通並沒有做太多的冗餘機制，主要是因為其面向消費類電子。而開放性這塊高通沒有辦法做更深度的擴展。

英偉達

英偉達在之前也推出過用在無人機上的集成板卡。整個方案和高通大同小異。主要不同點在，英偉達有大規模的GPU去做一些基於視覺的高精尖的演算法，缺點是功耗非常高。

Intel

Intel的飛控相對前兩者的特點是加了個FPGA，此前Intel收購了一家名叫AItera的FPGA公司，在這方面有更深入的研究。另外Intel的飛控在介面定製和演算法定製方面有優勢，可以擴展更多的介面。

另外，對於Intel值得一提的是，其不僅提供了飛行控制計算機，還提供了一個RealSence的視覺系統，讓無人機有個全向的視覺感知。

RobSence

我們RobSence也做了一點工作，在這裡介紹一下，跟Intel不同是，Intel的跑飛控和跑計算的是兩顆不同的晶元，而我們把兩顆集成到了一個晶元中，從圖上看，單晶元內三個處理器核心，第一個是控制飛行姿態的CPU1；第二個CPU0系統的作用是，當整個飛行系統啟動的時候，它就會喚醒CPU1，讓飛控演算法跑起來，同時它還要兼顧將其他大數據帶寬的感測器接入進來，融合到整個飛控系統裡面，做整個全局資源的管理。當我們發現有些演算法出現計算瓶頸的時候，我們就可以將這些演算法部署到第三塊的FPGA裡面進行加速，這對於無人機對周邊環境進行實時反映是非常重要的。

總體來說，第三代飛控主要做的是三件事情：

第一，飛行控制，這個第一代就已經做了，第三代能完善更好。

第二，任務管理，也就是設置飛行任務。

第三，感知預算能力，遇到突髮狀況是否有應對能力，對障礙物目標進行一些識別。

上面四個廠商的四種方案的介紹，再對比之前第一、第二代的飛控，我們會發現之前早期的飛控大部分會將飛行控制放到MCU中去跑，雖然單片機在跑飛控方面已經做得很好了，但是如果想要做一些額外的事情，就會顯得捉襟見肘。當我們拆開早期的無人機系統時就會發現，飛控是一個板卡，信號處理會是另一個板卡，介面擴展等等都是分開的。所以總的來說整個上一代的思路就是將不同的系統部署在不同的處理器上面，造成整個系統非常龐大，導致無人機的體積也變得很大。

而第三代系統，將不再是一個簡單的控制器，更多的是可以將其定義為一個飛行的計算機，兼顧控制、計算、介面和通信，將所有計算的部分整合在一起。這麼做有很多好處，比如在整個開發難度上只需要一個開發環境、板卡會很小很集成等等。

如果我們把它定義為一個計算機的話，那麼它就可以完成很多事情，它除了可以完成簡單的控制，更重要的是還可以完成計算機視覺處理、深度學習甚至無線電部分做圖傳、大數據帶寬等一系列應用。

基於上述這樣一個飛行計算機，因為它的計算能力更好、介面更豐富，我們就可以做很多的開發。比如在這個圖中，無人機的整個控制環分為兩部分。

由於目前MEMS感測器的刷新能力和電機的響應能力來看，從飛行數據、姿態的解讀到返回控制系統再到驅動電機去調整飛行姿態整個閉環走完，整個頻率能達到400hz，如果我們基於下一代的飛控系統去改進的話，就能夠將整個控制周期縮短，比如將頻率提升，就能提升無人機的控制性能，並且能運行一些更加複雜的演算法，讓飛機的控制更加精準以滿足行業需求。

另外，對於」飛行控制計算機「來說，除了要完成飛控的任務之外，還要充當一個計算機的角色，其中就可以做一些演算法的加速工作。

拿我們現在做的一個事情來舉例：我們將一幅1080P的圖像導到導入到最終演算法裡面，假如說整個過程分成四步走的話，用CPU去算，整個耗時接近400毫秒，這個時間對於低速飛行的無人機是沒有什麼問題的，但是一旦無人機行進速度相對比較快的時候，它要躲避前面的障礙物的話，就需要更快的視覺處理的演算法。

我們做的就是要把前三部放到FPGA里去加速，最後一步的分析演算法放到CPU中，整個時間只用時10毫秒左右，整個性能就提升了一大截，能夠幫助飛機進行實時的環境感知，並進行決策。

剛才講了很多飛行控制和感知計算的問題，無人機已經不是一個簡單的控制器了，更重要的是將其定義為一個計算機，這個時候我們就可以參考計算機的發展歷程來看待飛控。比如計算機從單體到組網的發展，無人機也會經歷這樣一個過程，未來整個飛控會是組網控制器、組網計算機、組網飛控。其實業界和學術界已經做了很多這樣的嘗試，包括15年Intel做了一百多架無人機的編隊，大家可以查一下他們當時的效果。

無人機在編隊的通信過程中會遇到很多問題，其中最重要的是通信子系統的延時和抗干擾能力，因為無人機首先要保障穩定飛行，如果無人機延時非常厲害，那麼編隊過程中飛機之間就很容易發生碰撞。

另外，我們現在很容易通過一些無線電的裝置去學習無人機的2.4G的通信頻段，從而反向截獲無人機，就算是軍方的無人機也不是百分之百不可截獲的。

也就是說整個通信方面還有很多問題還要在下一代通信系統中去解決，目前還沒有一個關於無人機編隊方面的專業網路，如果這個技術被突破，那麼無人機的編隊會大面積鋪開，未來無人機集群用在測繪、搜救方面起到很大作用。

看這張圖，框圖下面最兩層是系統的硬體和軟體，基於這些硬體和軟體，開發者可以做很多事情，主要包括兩部分，一部分是現場的計算和控制、接入更多感測器之後的目標追蹤、障礙物躲避。另一部分是，相對於局部的計算和控制，當無人機有了組網能力之後，它的全局控制和通信就顯得非常重要。

從技術角度來講，未來無人機一定會集成更多設備和感測器，這些設備和感測器都通過飛控系統進行採集、存儲、預處理。如果這個數據還有全局價值的話，就會被發送到遠程，比如說地面站。當數據越來越多，即會獲得更大的價值，使用到更多的領域裡面。

由此，我們把無人機飛控作為很重要的一個物聯網端數據入口，無人機作為一個終端，等到市場真正成熟的時候，無人機將作為工業領域的一個生產工具價值將越來越大。

想更多關於智能智造方面的資訊？歡迎關注雷鋒網旗下垂直欄目微信公眾號「新智造」，跟雷鋒網一起讀懂智能&未來。