CN109388150B

CN109388150B - 多传感器环境地图构建

Info

Publication number: CN109388150B
Application number: CN201811161897.0A
Authority: CN
Inventors: 刘昂; 莫维宇; 凌永根
Original assignee: SZ DJI Technology Co Ltd
Current assignee: SZ DJI Technology Co Ltd
Priority date: 2014-09-05
Filing date: 2014-09-05
Publication date: 2022-04-29
Anticipated expiration: 2034-09-05
Also published as: CN105492985A; EP3428766A1; US20210247764A1; CN110174903B; EP3103043A4; US20160070265A1; CN105492985B; CN114675671A; ES2876449T3; US10429839B2; JP2017501484A; EP3103043B1; EP3855276A1; DK3428766T3; CN109388150A; EP3428766B1; CN110174903A; US10901419B2; WO2016033797A1; US20200142410A1

Abstract

本发明提供了用于在环境内控制可移动物体的系统和方法。在一方面，一种方法可以包括：使用由所述可移动物体携带的多个传感器中的至少一个传感器来确定所述可移动物体的初始位置；生成第一信号以使所述可移动物体在所述环境内航行；使用所述多个传感器中的所述至少一个传感器来接收关于所述环境的感A数据；基于所述感测数据，生成表示所述环境的至少一部分的环境地图；接收返航至所述初始位置的指令；以及基于所述环境地图，生成第二信号以使所述可移动物体返航至所述初始位置。

Description

多传感器环境地图构建

背景技术

诸如无人飞行器(UAV)等无人载具可用于在多种环境下执行监视、侦查和勘探任务以供军事和民用应用。UAV可由远程用户手动控制，或者可以按半自主或全自主的方式操作。这样的UAV可以包括被配置用于从周围环境收集数据的传感器。

在一些情况下，用于获取环境数据的现有方法可能并非最优。例如，环境数据的准确度可能基于用以收集数据的特定传感器类型的能力而受到限制。不准确的环境数据可能会对UAV功能产生不利影响。

发明内容

本文所公开的实施方式提供了用于在环境内控制诸如UAV等可移动物体的改进的方法。在许多实施方式中，UAV包含多种不同的传感器类型，用于收集关于周围环境的信息。从所述每种不同类型的传感器获取的数据可以组合，以便生成所述周围环境的表示，诸如二维(2D)或三维(3D)环境地图，并且所述数据还可以用于促进导航、物体识别和避障。有利地，本文所描述的方法可以用于改进多样化环境类型和操作条件下的UAV功能性。

因此，在一方面，提供了一种用于在环境内控制可移动物体的方法。所述方法包括：使用由所述可移动物体携带的多个传感器中的至少一个传感器来确定所述可移动物体的初始位置；生成第一信号以使所述可移动物体在所述环境内航行；使用所述多个传感器中的所述至少一个传感器来接收关于所述环境的感测数据；基于所述感测数据，生成表示所述环境的至少一部分的环境地图；接收返航至所述初始位置的指令；以及基于所述环境地图，生成第二信号以使所述可移动物体返航至所述初始位置。

在一些实施方式中，所述可移动物体是无人飞行器。所述无人飞行器可以不超过10kg重。所述无人飞行器的最大尺寸可以不超过1.5m。所述无人飞行器可被配置用于在不超过400m的高度上飞行。可选地，所述无人飞行器可被配置用于检测限制飞行区域的存在，并且不在所述限制飞行区域的预定距离内飞行。所述限制飞行区域可以是机场。所述无人飞行器可以是多旋翼航空器。

在一些实施方式中，所述环境可以是室内环境或低空环境。

在一些实施方式中，所述多个传感器可以包括全球定位系统(GPS)传感器、视觉传感器或距离传感器。所述距离传感器可以包括以下至少一种：激光雷达传感器、超声传感器或飞行时间相机传感器。所述多个传感器可以包括多种不同的传感器类型。

在一些实施方式中，所述环境地图可以包括拓扑地图或尺度地图(metric map)。所述尺度地图可以包括以下至少一种：点云、3D网格地图、2D网格地图或2.5D网格地图。可选地，所述尺度地图可以包括占据网格地图(occupancy grid map)。

在一些实施方式中，生成所述第二信号包括：使用所述多个传感器中的至少一个传感器来确定所述可移动物体的当前位置；基于所述环境地图，确定从所述当前位置到所述初始位置的路径；以及生成信号以使所述可移动物体沿着所述路径移动以返航至所述初始位置。确定所述路径可以包括确定从所述当前位置到所述初始位置的最短路径。备选地或组合地，确定所述路径可以包括确定从所述当前位置到所述初始位置的、避开所述环境内的一个或多个障碍物的路径。所述路径可以包括由所述可移动物体先前行进过的一个或多个部分。所述路径可以不同于由所述可移动物体先前行进过的路径。可选地，所述路径可以是所述可移动物体的飞行路径。所述路径可以包括所述可移动物体的空间位置和方向。

在一些实施方式中，所述路径包括对应于所述可移动物体先前行进过的位置的多个航点，所述多个航点是当所述可移动物体在所述环境内航行时被记录的。当所述可移动物体在所述环境内航行时，可以实时地记录所述多个航点。或者，当所述可移动物体在所述环境内航行时，可以按预定时间间隔记录所述多个航点。可以将所述多个航点储存在列表数据结构中。

在一些实施方式中，生成所述信号以使所述可移动物体沿着所述路径移动可以包括：检测所述环境中沿着所述路径定位的障碍物；修改所述路径以便避开所述障碍物；以及生成信号以使所述可移动物体沿着经修改的路径移动。

在另一方面，提供了一种用于在环境内控制可移动物体的系统。所述系统可以包括：由所述可移动物体携带的多个传感器以及一个或多个处理器。所述一个或多个处理器可被单个地或共同地配置用于：使用所述多个传感器中的至少一个传感器来确定所述可移动物体的初始位置；生成第一信号，该第一信号使所述可移动物体在所述环境内航行；使用所述多个传感器中的所述至少一个传感器来接收关于所述环境的感测数据；基于所述感测数据，生成表示所述环境的至少一部分的环境地图；接收返航至所述初始位置的指令；以及基于所述环境地图生成第二信号，该第二信号使所述可移动物体航行以返航至所述初始位置。

在另一方面，提供了一种用于在环境内控制无人飞行器的方法。所述方法包括：生成第一信号以使所述无人飞行器在所述环境内航行；使用由所述无人飞行器携带的多个传感器来接收关于所述环境的至少一部分的感测数据；基于所述感测数据，生成表示所述环境的所述至少一部分的环境地图；使用所述环境地图来检测位于所述环境的所述部分中的一个或多个障碍物；以及使用所述环境地图来生成第二信号以使所述无人飞行器航行，以便避开所述一个或多个障碍物。

在一些实施方式中，所述无人飞行器是旋翼航空器。所述无人飞行器可以不超过10kg重。所述无人飞行器的最大尺寸可以不超过1.5m。所述无人飞行器可被配置用于在不超过400m的高度上飞行。可选地，所述无人飞行器可被配置用于检测限制飞行区域的存在，并且不在所述限制飞行区域的预定距离内飞行。所述限制飞行区域可以是机场。

在一些实施方式中，所述环境可以是室内环境或低空环境。

在一些实施方式中，所述多个传感器可以包括全球定位系统(GPS)传感器、视觉传感器或距离传感器。所述距离传感器可以包括以下至少一种：激光雷达传感器、超声传感器或飞行时间相机传感器。所述多个传感器可以包括多种不同的传感器类型。所述感测数据可以包括相对于多个不同坐标系的数据，并且生成所述环境地图包括将所述数据映射到单一坐标系上。

在一些实施方式中，所述环境地图可以包括拓扑地图或尺度地图。所述尺度地图可以包括以下至少一种：点云、3D网格地图、2D网格地图或2.5D网格地图。可选地，所述尺度地图可以包括占据网格地图。

在一些实施方式中，基于从与所述无人飞行器通信的远程终端接收到的指令来生成所述第一信号。所述指令可以由用户输入到所述远程终端中。或者，所述第一信号可以由所述无人飞行器自主生成。

在一些实施方式中，所述感测数据包括相对于多个不同坐标系的数据，并且生成所述环境地图包括将所述数据映射到单一坐标系上。生成所述第一信号可以包括为所述无人飞行器生成的飞行路径，并且生成所述第二信号可以包括基于所述环境地图来修改所述飞行路径，以便避开所述一个或多个障碍物。所述飞行路径可被配置用于将所述无人飞行器从当前位置引导至先前位置。

在另一方面，提供了一种用于在环境内控制无人飞行器的系统。所述系统包括：由所述无人飞行器携带的多个传感器以及一个或多个处理器。所述一个或多个处理器可被单个地或共同地配置用于：生成第一信号以使所述无人飞行器在所述环境内航行；使用由所述无人飞行器携带的多个传感器来接收关于所述环境的至少一部分的感测数据；基于所述感测数据，生成表示所述环境的所述至少一部分的环境地图；使用所述环境地图来检测位于所述环境的所述部分中的一个或多个障碍物；以及使用所述环境地图来生成第二信号以使所述无人飞行器航行，以便避开所述一个或多个障碍物。

在另一方面，提供了一种用于在环境内控制无人飞行器的方法。所述方法包括：从第一传感器接收关于所述环境的第一感测信号，并从第二传感器接收关于所述环境的第二感测信号，其中所述第一传感器和第二传感器是不同的传感器类型，并且其中所述第一传感器和第二传感器由无人飞行器携带；使用所述第一感测信号来生成第一环境地图并使用所述第二感测信号来生成第二环境地图，所述第一环境地图和第二环境地图各自包括所述环境的障碍物占据信息；以及组合所述第一环境地图和第二环境地图，从而生成包含所述环境的障碍物占据信息的最终环境地图。

在一些实施方式中，所述方法进一步包括至少部分基于所述最终环境地图中的障碍物占据信息，生成信号以使所述无人飞行器在所述环境内航行。

在一些实施方式中，所述环境可以是室内环境或低空环境。

在一些实施方式中，相对于第一坐标系提供所述第一环境地图并且相对于与所述第一坐标系不同的第二坐标系提供所述第二环境地图。所述第一坐标系可以是全局坐标系而所述第二坐标系可以是局部坐标系。组合所述第一环境地图和第二环境地图可以包括将所述第一环境地图和第二环境地图转换至单一坐标系。

在一些实施方式中，所述第一传感器的感测范围不同于所述第二传感器的感测范围。

在另一方面，提供了一种用于在环境内控制无人飞行器的系统。所述系统包括：第一传感器，其由所述无人飞行器携带并且被配置用于生成关于所述环境的第一感测信号；第二传感器，其由所述无人飞行器携带并且被配置用于生成关于所述环境的第二感测信号，所述第二传感器和所述第一传感器是不同的传感器类型；以及一个或多个处理器。所述一个或多个处理器可被单个地或共同地配置用于：接收所述第一感测信号和第二感测信号；使用所述第一感测信号来生成第一环境地图并使用所述第二感测信号来生成第二环境地图，所述第一环境地图和第二环境地图各自包含所述环境的障碍物占据信息；以及组合所述第一环境地图和第二环境地图，从而生成包含所述环境的障碍物占据信息的最终环境地图。

在另一方面，提供了一种用于在环境内控制无人飞行器的方法。所述方法包括：使用由所述无人飞行器携带的多个传感器中的至少一个传感器来确定所述无人飞行器的初始位置；生成第一信号以使所述无人飞行器在所述环境内航行；使用所述多个传感器中的所述至少一个传感器来接收关于所述环境的感测数据；接收返航至所述初始位置的指令；以及生成第二信号以使所述无人飞行器沿着路径返航至所述初始位置，其中当所述多个传感器中的所述至少一个传感器检测到位于沿着所述路径的所述环境中的障碍物时，修改所述路径以避开所述障碍物。

在一些实施方式中，所述环境可以是室内环境或低空环境。

在一些实施方式中，所述路径包括由所述可移动物体先前行进过的一个或多个部分。所述路径可以不同于由所述可移动物体先前行进过的路径。可选地，所述路径可以是所述可移动物体的飞行路径。所述路径可以包括所述可移动物体的空间位置和定向。

在另一方面，提供了一种用于在环境内控制无人飞行器的系统。所述系统可以包括：由所述可移动物体携带的多个传感器以及一个或多个处理器。所述一个或多个处理器可被单个地或共同地配置用于：使用由所述无人飞行器携带的多个传感器中的至少一个传感器来确定所述可移动物体的初始位置；生成第一信号以使所述无人飞行器在所述环境内航行；使用所述多个传感器中的所述至少一个传感器来接收关于所述环境的感测数据；接收返航至所述初始位置的指令；以及生成第二信号以使所述无人飞行器沿着路径返航至所述初始位置，其中当所述多个传感器中的所述至少一个传感器检测到位于沿着所述路径的所述环境中的障碍物时，修改所述路径以避开所述障碍物。

在另一方面，提供了一种用于生成环境的地图的方法。所述方法包括：从由无人飞行器携带的一个或多个视觉传感器接收第一感测数据，所述第一感测数据包含所述环境的深度信息；从由所述无人飞行器携带的一个或多个距离传感器接收第二感测数据，所述第二感测数据包含所述环境的深度信息；以及使用所述第一感测数据和第二感测数据来生成包含所述环境的深度信息的环境地图。

在一些实施方式中，所述第一感测数据和第二感测数据各自包括具有多个像素的至少一个图像，所述多个像素中的每个像素与二维图像坐标和深度值相关联。所述多个像素中的每个像素可以与色值相关联。所述第一感测数据和第二感测数据可以各自包含所述环境中的一个或多个物体的轮廓信息。

在一些实施方式中，所述方法进一步包括：至少部分地基于所述环境地图中的深度信息，生成信号以使所述无人飞行器在所述环境内导航。

在一些实施方式中，所述环境可以是室内环境或低空环境。

在一些实施方式中，所述一个或多个视觉传感器仅包括一个相机。或者，所述一个或多个视觉传感器可以包括两个或更多个相机。所述一个或多个距离传感器可以包括至少一个超声传感器或至少一个激光雷达传感器。所述第一感测数据可以包括第一组深度图像而所述第二感测数据可以包括第二组深度图像。生成所述环境地图可以包括：辨别存在于所述第一组深度图像中的第一多个特征点；辨别存在于所述第二组深度图像中的第二多个特征点，所述第二多个特征点中的每个特征点对应于所述第一多个特征点中的一个特征点；确定所述第一多个特征点与第二多个特征点之间的对应；以及基于所述对应，通过组合所述第一组深度图像和第二组深度图像而生成所述环境地图。

在一些实施方式中，相对于第一坐标系提供所述第一感测数据并且相对于与所述第一坐标系不同的第二坐标系提供所述第二感测数据。生成所述环境地图可以包括相对于第三坐标系来表示所述第一感测数据和第二感测数据。所述第三坐标系可以是所述第一坐标系或所述第二坐标系。或者，所述第三坐标系可以不同于所述第一坐标系和所述第二坐标系。

在另一方面，提供了一种用于生成环境的地图的系统。所述系统可以包括：一个或多个视觉传感器，其由无人飞行器携带并且被配置用于生成第一感测数据，所述第一感测数据包含所述环境的深度信息；一个或多个距离传感器，其由所述无人飞行器携带并且被配置用于生成第二感测数据，所述第二感测数据包含所述环境的深度信息；以及一个或多个处理器。所述一个或多个处理器可被单个地或共同地配置用于：接收所述第一感测数据和第二感测数据；以及使用所述第一感测数据和第二感测数据来生成包含所述环境的深度信息的环境地图。

应当明白，本发明的不同方面可以被单独地、共同地或彼此结合地理解。本文所描述的本发明的各个方面可以适用于下文阐述的任何特定应用或者适用于任何其他类型的可移动物体。本文对飞行器的任何描述均可适用于和用于任何可移动物体，诸如任何载具。另外，本文在空中运动(例如，飞行)的情景下公开的系统、设备和方法还可以适用于其他类型运动的情景下，诸如在地面上或在水上的移动、水下运动或者在太空中的运动。此外，本文对旋翼或旋翼总成的任何描述均可适用于和用于任何被配置用于通过旋转而生成推进力的推进系统、设备或机构(例如，螺旋桨、轮子、轮轴)。

通过考察说明书、权利要求书和附图，本发明的其他目标和特征将会变得显而易见。

援引并入

本说明书中所提及的所有出版物、专利和专利申请均通过引用而并入于此，其程度犹如具体地和个别地指出要通过引用而并入每一个别出版物、专利或专利申请。

附图说明

在所附权利要求书中具体阐述了本发明的新颖特征。通过参考对在其中利用到本发明原理的说明性实施方式加以阐述的以下详细描述和附图，将会对本发明的特征和优点获得更好的理解；在附图中：

图1A图示了根据实施方式中的在户外环境中操作的UAV；

图1B图示了根据实施方式中的在室内环境中操作的UAV；

图2A图示了根据实施方式中的用于使用传感器融合来估计UAV姿态的方案；

图2B图示了根据实施方式中的用于使用传感器融合来估计UAV位置和速度的方案；

图3A图示了根据实施方式中的用于使用传感器融合来进行环境地图构建的方案；

图3B图示了根据实施方式中的用于使用传感器融合来生成环境地图的方法；

图4图示了根据实施方式中的用于使用不同传感器类型来进行环境地图构建的方法；

图5图示了根据实施方式中的用于控制UAV以躲避障碍物的方法；

图6图示了根据实施方式中的用于控制UAV以返航至初始位置的方法；

图7图示了根据实施方式中的用于控制UAV在避开障碍物的同时返航至初始位置的方法；

图8A和图8B图示了根据实施方式中的用于使用航点来控制UAV以返航至初始位置的算法；

图9A和图9B图示了根据实施方式中的用于使用拓扑地图来控制UAV以返航至目标位置的算法；

图10图示了根据实施方式中的UAV；

图11图示了根据实施方式中的包括载体和载荷的可移动物体；以及

图12图示了根据实施方式中的用于控制可移动物体的系统。

具体实施方式

本公开内容提供了用于控制诸如无人飞行器(UAV)等可移动物体的系统和方法。在一些实施方式中，UAV可适于携带被配置用于收集环境数据的多个传感器。其中的一些传感器可以是不同类型(例如，与距离传感器组合使用的视觉传感器)。由所述多个传感器获取的数据可以组合以生成表示周围环境的环境地图。在一些实施方式中，环境地图可以包括关于环境中物体(诸如物体或障碍物)位置的信息。UAV可以使用所生成的地图来执行各种操作，其中一些可以是半自动化的或全自动化的。例如，在一些实施方式中，环境地图可以用于自动为UAV确定一个飞行路径，以从其当前位置航行至目标位置。又例如，环境地图可以用于确定一个或多个障碍物的空间排列，并从而使得UAV能够执行避障机动。有利地，如本文所公开的用于收集环境数据的多种传感器类型的使用可以提高环境地图构建的准确度，即使是在多样化的环境和操作条件下亦如此，从而增强诸如导航和避障等UAV功能性的稳健性和灵活性。

本文提供的实施方式可适用于各种类型的UAV。例如，UAV可以是不超过10kg重和/或具有不超过1.5m的最大尺寸的小型UAV。在一些实施方式中，UAV可以是旋翼航空器，诸如由多个螺旋桨推动以在空中移动的多旋翼航空器(例如，四轴飞行器)。下文进一步详述了适合随本文介绍的实施方式一起使用的UAV和其他可移动物体的附加示例。

本文所描述的UAV可以完全自主地(例如，通过诸如机载控制器等合适的计算系统)、半自主地或者手动地(例如，由人类用户)操作。UAV可以从合适的实体(例如，人类用户或自主控制系统)接收命令并通过执行一个或多个动作来响应这样的命令。例如，可以控制UAV从地面起飞、在空中移动(例如，以多达三个平移自由度和多达三个旋转自由度)、移动至目标位置或一系列目标位置、在空中悬停、降落在地面上等。又例如，可以控制UAV以指定速度和/或加速度(例如，以多达三个平移自由度和多达三个旋转自由度)或者沿着指定移动路径移动。此外，所述命令可以用于控制一个或多个UAV部件，诸如本文所描述的部件(例如，传感器、致动器、推进单元、载荷等)。例如，一些命令可以用于控制诸如相机等UAV载荷的位置、方向和/或操作。可选地，UAV可被配置用于根据一个或多个预定操作规则来操作。所述操作规则可以用于控制UAV的任何合适的方面，诸如UAV的位置(例如，纬度、经度、高度)、方向(例如，横滚、俯仰、偏航)、速度(例如，平移和/或角度)和/或加速度(例如，平移和/或角度)。例如，可以设计操作规则以使得不允许UAV飞到阈值高度之外，例如，UAV可被配置成在距地面不超过400m的高度上飞行。在一些实施方式中，操作规则可适于提供自动化机制，用于提高UAV的安全性并防止安全事故。例如，UAV可被配置用于检测限制飞行区域(例如，机场)并且不在该限制飞行区域的预定距离内飞行，从而避免与飞行器和其他障碍物的潜在碰撞。

现转到附图，图1A图示了根据实施方式中的在户外环境100中操作的UAV 102。户外环境100可以是城市、郊区或乡村环境或者是不至少部分地位于建筑物内的任何其他环境。UAV 102可以相对靠近地面104(例如，低空)或者相对远离地面104(例如，高空)而操作。例如，在距地面小于或等于约10m处操作的UAV 102可被认为是在低空，而在距地面大于或等于约10m处操作的UAV 102可被认为是在高空。

在一些实施方式中，户外环境100包括一个或多个障碍物108a-障碍物108d。障碍物可以包括可阻碍UAV 102移动的任何物体或实体。一些障碍物(例如，障碍物108a、108d)可能位于地面104上，诸如建筑物、地面载具(例如，轿车、摩托车、卡车、自行车)、人类、动物、植物(例如，树木、灌木)和其他人造或自然构造物。一些障碍物可能与地面104、水、人造构造物或自然构造物相接触和/或由其所支撑。或者，一些障碍物(例如，障碍物108b、108c)可能完全位于空中106，包括飞行器(例如，飞机、直升机、热气球、其他UAV)或鸟类。空中障碍物可能不由地面104或由水或由任何自然或人造构造物所支撑。位于地面104上的障碍物可能包括显著延伸至空中106的部分(例如，高层建筑物诸如塔、摩天大楼、灯柱、无线电发射塔、输电线、树木等)。

图1B图示了根据实施方式中的在室内环境150中操作的UAV 152。室内环境150位于建筑物154的内部中，其具有地板156、一面或多面墙壁158以及/或者天花板或屋顶160。示例性建筑物包括住宅、商业或工业建筑物，诸如房屋、公寓、办公楼、生产设施、仓储设施等。建筑物154的内部可由地板156、墙壁158和天花板160完全封闭，使得UAV 152被约束到室内空间。相反地，可能不存在地板156、墙壁158或天花板160中的至少一个，从而使得UAV152能够从内部飞到外部，或者反之亦然。备选地或组合地，在地板156、墙壁158或天花板160中可能形成一个或多个缺口164(例如，门、窗、天窗)。

类似于户外环境100，室内环境150可能包含一个或多个障碍物162a-障碍物162d。一些障碍物可能位于地板156上(例如，障碍物162a)，诸如家具、电器用具、人类、动物、植物或者其他人造物体或自然物体。相反地，一些障碍物可能位于空中(例如，障碍物162b)，诸如鸟类或其他UAV。室内环境150中的一些障碍物可由其他构造物或物体所支撑。障碍物还可附着于天花板160(例如，障碍物162c)，诸如灯具、吊扇、屋梁或其他安装在天花板上的电器用具或构造物。在一些实施方式中，障碍物可能附着于墙壁158(例如，障碍物162d)，诸如灯具、搁架、橱柜或其他安装在墙壁上的电器用具或构造物。值得注意的是，建筑物154的构造物组件也可被认为是障碍物，包括地板156、墙壁158和天花板160。

本文所描述的障碍物可能是基本上静止的(例如，建筑物、植物、构造物)或者是基本上移动的(例如，人类、动物、载具，或者其他能够移动的物体)。一些障碍物可能包括静止组件和移动组件的组合(例如，风车)。移动障碍物或障碍物组件可以根据预定的或可预测的路径或模式而移动。例如，轿车的移动可能是相对可预测的(例如，根据道路的形状)。或者，一些移动障碍物或障碍物组件可以沿着随机的轨迹或以其他方式不可预测的轨迹移动。例如，诸如动物等生物可能按相对不可预测的方式移动。

为了确保安全和有效的操作，为UAV提供用于检测和辨别诸如障碍物等环境物体的机制可能是有益的。此外，对诸如地标和特征等环境物体的识别可促进导航，特别是当UAV以半自主或全自主方式操作时尤为如此。此外，对UAV在环境内的精确位置及其与周围环境物体的空间关系的了解对于多种UAV功能性可能是有价值的。

因此，本文所描述的UAV可以包括一个或多个传感器，所述传感器被配置用于收集相关数据，诸如与UAV状态、周围环境或者该环境内的物体有关的信息。适用于本文所公开的实施方式的示例性传感器包括位置传感器(例如，全球定位系统(GPS)传感器、支持位置三角测量法的移动设备发射器)、视觉传感器(例如，能够检测可见光、红外光或紫外光的成像设备，诸如相机)、距离或范围传感器(例如，超声传感器、激光雷达、飞行时间相机)、惯性传感器(例如，加速度计、陀螺仪、惯性测量单元(IMUs))、高度传感器、姿态传感器(罗盘)、压力传感器(例如，气压计)、音频传感器(例如，麦克风)或场传感器(例如，磁力计、电磁传感器)。可以使用任何合适数目和组合的传感器，诸如一个、两个、三个、四个、五个或更多个传感器。可选地，可以从不同类型(例如，两种、三种、四种、五种或更多种类型)的传感器接收数据。不同类型的传感器可以测量不同类型的信号或信息(例如，位置、方向、速度、加速度、距离、压力等)以及/或者利用不同类型的测量技术来获取数据。例如，传感器可以包括主动式传感器(例如，生成和测量来自其自身能源的能量的传感器)和被动式传感器(例如，检测可用能量的传感器)的任何合适的组合。又例如，一些传感器可以生成依据全局坐标系提供的绝对测量数据(例如，由GPS传感器提供的位置数据、由罗盘或磁力计提供的姿态数据)，而其他传感器可以生成依据局部坐标系提供的相对测量数据(例如，由陀螺仪提供的相对角速度；由加速度计提供的相对平移加速度；由视觉传感器提供的相对姿态信息；由超声传感器、激光雷达或飞行时间相机提供的相对距离信息)。在一些情况下，局部坐标系可以是相对于UAV定义的机体坐标系。

本文所描述的传感器可由UAV携带。传感器可位于UAV的任何合适的部分，诸如在UAV上部、底部、一个或多个侧面上或在机体内。一些传感器可以机械耦合至UAV，以使得UAV的空间安排和/或运动对应于传感器的空间排列和/或运动。传感器可经由刚性耦合而耦合至UAV，以使得该传感器不相对于其所附着至的UAV的部分而移动。或者，传感器与UAV之间的耦合可以允许该传感器相对于UAV的移动。耦合可以是永久耦合或非永久(例如，可拆卸)耦合。合适的耦合方法可以包括粘合剂、粘结、焊接和/或紧固件(例如，螺钉、钉、销等)。可选地，传感器可与UAV的一部分一体形成。此外，传感器可以与UAV的一部分(例如，处理单元、控制系统、数据存储)电耦合，以便使得由传感器收集的数据能够用于UAV的各种功能(例如，导航、控制、推进、与用户或其他设备通信等)，诸如本文所讨论的实施方式。

传感器可被配置用于收集各种类型的数据，诸如与UAV、周围环境或该环境内的物体有关的数据。例如，至少一些传感器可被配置用于提供关于UAV的状态的数据。由传感器提供的状态信息可以包括关于UAV的空间排列的信息(例如，诸如经度、纬度和/或高度等地点或位置信息；诸如横滚、俯仰和/或偏航等方向或姿态信息)。状态信息还可以包括关于UAV的运动的信息(例如，平移速度、平移加速度、角速度、角加速度等)。例如，传感器可被配置用于确定UAV关于多达六个自由度(例如，三个位置和/或平移自由度、三个方向和/或旋转自由度)的空间排列和/或运动。可以相对于全局坐标系或相对于局部坐标系(例如，相对于UAV或另一实体)来提供状态信息。例如，传感器可被配置用于确定UAV与控制该UAV的用户之间的距离，或者UAV与该UAV的飞行起始点之间的距离。

由传感器获取的数据可以提供各种类型的环境信息。例如，传感器数据可以是环境类型的指示，诸如室内环境、户外环境、低空环境或高空环境。传感器数据还可以提供关于当前的环境状况的信息，包括天气(例如，晴朗、下雨、下雪)、能见度状况、风速、当日时间等。此外，由传感器收集的环境信息可以包括关于该环境中物体(诸如本文所描述的障碍物)的信息。障碍物信息可以包括关于环境中障碍物的数目、密度、几何结构和/或空间排列的信息。

在一些实施方式中，通过组合由多个传感器获取的传感器数据(亦称为“传感器融合”)来生成感测结果。例如，传感器融合可以用于组合由不同的传感器类型获取的感测数据，所述不同传感器类型包括GPS传感器、惯性传感器、视觉传感器、激光雷达、超声传感器等。又例如，传感器融合可以用于组合不同类型的感测数据，诸如绝对测量数据(例如，相对于全局坐标系而提供的数据，诸如GPS数据)和相对测量数据(例如，相对于局部坐标系而提供的数据，诸如视觉感测数据、激光雷达数据或超声感测数据)。传感器融合可以用于补偿与单个传感器类型相关联的局限性或误差，从而提高最终感测结果的准确度和可靠性。

图2A图示了根据许多实施方式中的用于使用传感器融合来估计UAV姿态的方案200。虽然图2A的实施方式涉及对UAV偏航角的估计，但应当理解，方案200中描述的方法还可适用于对UAV的横滚角或俯仰角的估计。方案200利用IMU 202、至少一个相对定向传感器204和磁力计206。IMU 202和磁力计206可以用于提供对UAV偏航角208、210的相应的绝对估计。相对定向传感器204可以是提供关于局部坐标系(例如，UAV机体坐标系)而不是全局坐标系的姿态信息的任何传感器。示例性相对定向传感器包括视觉传感器、激光雷达、超声传感器以及飞行时间或深度相机。可以分析相对定向传感器数据以便提供对偏航率212和相对偏航角214的估计。

在相对定向传感器204是被配置用于捕捉图像序列(“帧”)的视觉传感器的实施方式中，可以使用选自所述序列的一个或多个图像(“关键帧”)来确定偏航率212和偏航角214。可以使用任何合适的方法来选择关键帧。例如，可以按预定间隔来选择关键帧，诸如按预定时间间隔、预定距离间隔、预定位移间隔、预定姿态间隔或者关键帧之间的预定平均视差间隔。又例如，可以基于连续的关键帧之间的关系(例如，关键帧之间的重叠面积量)来选择关键帧。可选地，可以基于本文所提供的参数的组合来选择关键帧。在一些实施方式中，至少一些关键帧可以包括连续的图像帧。或者，关键帧可以不包括任何连续的图像帧。后一种方法在减少存在于连续关键帧中的估计误差的传播方面可能是有利的。

可以使用任何合适数目的关键帧，诸如一个、两个、三个、四个或更多个关键帧，来估计给定时间处的偏航率212和偏航角214。可以使用任何合适的方法(诸如图像分析)来确定偏航率212和偏航角214。在一些实施方式中，可以假定以不同偏航角捕捉同一场景的两个关键帧将会有所不同。可以通过数学建模技术来确定不同的关键帧之间的偏航角。例如，可以通过辨别和匹配存在于全部两个关键帧中的特征点来确定关键帧之间的差异。基于全部两个关键帧中特征点的坐标，可以确定两个关键帧的相似变换矩阵，并且从该相似变换矩阵获取偏航角212。继而可以使用偏航角214以及两个关键帧之间的时间间隔来计算偏航率212。

可以融合由传感器202、204、206提供的绝对估计值和相对估计值(例如，使用扩展卡尔曼滤波器216或者其他类型的卡尔曼滤波器)，以便提供最终偏航角结果218。可以实施任何合适的方法以便融合所述估计值。例如，可以将偏航率估计值212的积分与相对偏航角估计值214融合，以便更新相对偏航角估计值214。可以将相对偏航角估计值214分别与来自IMU 202和磁力计206的绝对偏航角估计值208、210相融合，以确定UAV的偏航角。可以提供最终偏航角结果218作为相对偏航角(例如，相对于UAV的机体坐标系)或者作为绝对偏航角。如前文所述，不同类型的测量数据的组合可以提高最终结果218的准确度。例如，在由磁力计206提供的数据不满足要求的情况下(例如，由于外部磁场)，对来自IMU 202和/或相对定位传感器204的数据的使用可以减少磁力计误差对最终结果的影响程度。

图2B图示了根据实施方式中的用于使用传感器融合来估计UAV位置和速度的方案250。方案250利用IMU 252、至少一个相对位置和/或速度传感器254以及GPS传感器256。IMU252可以提供对UAV加速度258的估计。GPS传感器256可以提供对UAV 260的绝对位置的估计。可以使用相对位置和/或速度传感器254(例如，视觉传感器、激光雷达、超声传感器、飞行时间或深度相机或者任何其他提供相对位置和/或速度信息的传感器)来获取对UAV速度262和相对UAV位置264的估计。类似于图2A的相对定向传感器204，在其中相对位置和/或速度传感器254是视觉传感器的实施方式中，可以基于由该视觉传感器获取的一个或多个关键帧来确定速度和相对位置估计值262、264。例如，可以使用图像分析和数学建模来评估连续关键帧之间的差异，并从而确定将会产生这些差异的UAV的平移移动。继而可以基于关键帧之间经过的时间来估计UAV速度。

可以使用扩展卡尔曼滤波器266或者其他合适的卡尔曼滤波器类型来融合由传感器252、254和256提供的估计值，从而获取UAV的最终位置和速度结果268。例如，可以将加速度估计值258的积分与UAV速度估计值262相融合，以便确定UAV速度。可以将所确定的UAV速度的积分与相对位置估计值264和绝对位置估计值260相融合，以便确定UAV位置。可以相对于局部坐标系或全局坐标系来表示位置和速度结果268。

可选地，利用卡尔曼滤波器266的传感器融合还可以用于确定校准数据，以用于在相对速度和/或位置传感器254的局部坐标系与IMU 252和GPS 256的全局坐标系之间进行转换。校准数据可以用于将IMU 252和/或GPS 256所获取的绝对感测数据映射到传感器254所获取的相对感测数据上，或者反之亦然。例如，IMU 252和/或GPS 256可以用于以绝对坐标确定UAV行进的路径，而相对传感器254可以用于获取指示UAV在相对坐标中行进的路径的感测数据。本文提供的传感器融合方法可适用于确定将绝对路径数据投射到相对路径数据上所需的校准参数(例如，比例因子、旋转、平移)，或者反之亦然。例如，可以通过数学建模来表示校准参数、绝对路径数据和相对路径数据之间的关系。继而可以将传感器所获取的绝对路径数据和相对路径数据输入到模型中以便求解校准参数。本文所描述的绝对路径数据和相对路径数据的组合可以用于提高路径确定的准确度，从而改善UAV航行。

本文所描述的传感器融合方法可适用于提供对UAV状态以及环境信息的更准确的估计值。在一些实施方式中，对UAV状态信息和环境信息的估计可以如此相互依赖，使得UAV状态信息用于估计环境信息，并且反之亦然。例如，一些传感器可以用于获取绝对环境信息

而其他传感器可以用于获取相对环境信息

可以基于关系

将绝对环境信息投影到相对环境信息上(或者反之亦然)，其中R表示全局坐标系与局部坐标系之间的旋转矩阵，并且T表示从全局坐标系的原点到局部坐标系的原点的平移矢量。在一些实施方式中，关于UAV的机体坐标系提供

以便可以分别基于UAV的位置和定向而确定T和R。因此，可以使用UAV位置和方向信息来组合绝对环境数据和相对环境数据，从而生成环境信息的估计值。相反地，绝对环境数据和相对环境数据可以用于使用上述关系来估计UAV位置和方向。可以迭代该方法，以便提供UAV状态和环境信息的更新的估计值。

在一些实施方式中，传感器数据可以用于生成环境或者其至少一部分环境的表示。这样的表示在本文中可称为“环境地图”。环境地图可以表示紧邻UAV的环境的部分(局部地图)，或者还可以表示相对远离UAV的部分(全局地图)。例如，局部地图可以表示距UAV约2m、5m、10m、15m、20m、25m或50m的半径内的环境部分。全局地图可以表示距UAV约25m、50m、75m、100m、125m、150m、200m、225m、250m、300m、400m、500m、1000m、2000m或5000m的半径内的部分。基于用以生成地图的传感器的有效范围，可以确定环境地图的大小。传感器的有效范围可以根据传感器类型而变化。例如，视觉传感器可以用于检测距UAV约10m、15m、20m或25m的半径内的物体。激光雷达传感器可以用于检测距UAV约2m、5m、8m、10m或15m的半径内的物体。超声传感器可以用于检测距UAV约2m、5m、8m、10m或15m的半径内的物体。在一些实施方式中，环境地图可以仅表示UAV先前行进过的部分。或者，在其他实施方式中，环境地图还可以表示UAV尚未行进过的环境部分。

环境地图可以用于表示各种类型的环境信息。例如，地图可以提供指示出诸如障碍物、构造物、地标或特征等环境物体的几何结构(例如，长度、宽度、高度、厚度、形状、表面积、体积)、空间排列(例如，位置、方向)和类型的信息。又例如，地图可以提供指示出环境的哪些部分被阻挡(例如，不可由UAV穿过)以及哪些部分未被阻挡(例如，可由UAV穿过)的信息。此外，地图可以提供关于UAV相对于各个环境物体的当前位置和/或其空间排列的信息。

可以使用任何合适类型的环境地图，诸如尺度地图或拓扑地图。拓扑地图可以描绘环境内的位置之间的连通性，而尺度地图可以描绘环境内的物体的几何结构。可选地，环境地图可以包括尺度信息和拓扑信息的组合。例如，环境地图可以描绘环境物体和/或位置之间的连通性以及绝对空间关系(例如，距离)。备选地或组合地，地图的一些部分可以按拓扑描绘，而其他部分可以按尺度描绘。

可以以任何合适的格式提供环境地图。例如，可以作为具有表示位置的顶点和表示位置之间的路径的边的图表来提供拓扑环境地图。拓扑环境地图的边可以与对应路径的距离信息相关联。尺度环境地图可以是描绘环境位置和物体的空间坐标的任何表示，如点云、拓扑地图、2D网格地图、2.5D网格地图或3D网格地图。所述空间坐标可以是3D坐标(例如，x、y和z坐标)，其表示环境物体的表面上的点的空间位置。在一些实施方式中，尺度环境地图可以是占据网格地图。占据网格地图可以将环境表示成多个容积体。所述体积可以具有相同的大小或者具有不同的大小。占据网格地图可以针对每个体积指示出该体积是否基本上被障碍物占据，从而提供对环境内被阻挡的和未被阻挡的空间的精确表示。

可以使用任何合适的方法来生成本文所描述的环境地图。例如，环境地图的一个或多个部分可以在UAV操作期间(例如，飞行期间)生成，诸如通过使用同时定位与地图构建(SLAM)或者其他机器人地图构建技术来生成。或者，可以在UAV操作之前生成所述地图的一个或多个部分，并在飞行之前或飞行期间将其提供给UAV(例如，从远程计算系统传输)。可以基于由UAV在飞行期间获取的数据来修改这样的地图，从而提供对地图数据的进一步精化。

在一些实施方式中，可以使用传感器融合来执行环境地图构建，以组合由多个传感器类型收集到的环境信息。该方法可以有利于补偿单个传感器类型的局限性。例如，当UAV处于室内环境中时，GPS感测数据可以是不准确的或者不可用的。视觉传感器可能未针对检测透明物体(例如，玻璃)或者针对相对较暗的环境(例如，夜间)而优化。在一些实施方式中，相比于其他传感器类型，激光雷达传感器可能具有相对较短的检测范围。本文所描述的多传感器融合的使用可以在多样化环境类型和操作条件下提供准确的地图构建，从而提高UAV操作的稳健性和灵活性。

图3A图示了根据实施方式中的用于使用传感器融合来进行环境地图构建的方案300。方案300可以用于生成本文所描述的环境地图的任何实施方式。在方案300中，感测数据从多个传感器302接收。所述多个传感器302可以包括一种或多种不同的传感器类型。传感器302可由UAV携带，例如，耦合至UAV的机身。可选地，可以对来自每个传感器302的感测数据进行预处理，以通过滤波、降噪、图像畸变校正等来提高数据质量。在一些实施方式中，可以相对于相应的坐标系来表示由每个传感器302提供的感测数据(例如，基于相对于UAV机身的传感器位置和方向)。因此，可以通过将所有的感测数据转换至单一坐标系304中而组合来自每个传感器的感测数据。例如，可以将相对于局部坐标系提供的感测数据转换至全局坐标系，或者反之亦然。坐标系转换304可以基于传感器校准数据306而得以完成。可以使用任何合适的技术来执行传感器校准，并且可以在UAV的操作之前(离线校准)或者在UAV的操作期间(在线校准)执行。在一些实施方式中，传感器校准涉及确定传感器302的外部参数，诸如每个传感器302之间的空间关系(例如，相对位置和方向)。继而可以基于所确定的传感器参数，来确定用于将感测数据转化至单一坐标系中的转换计算。

在坐标系转换304之后，继而可以使用传感器融合308来组合经转换的感测数据以获取单一感测结果。可以使用各种技术来执行传感器融合，诸如卡尔曼滤波(例如，卡尔曼滤波器、扩展卡尔曼滤波器、无迹卡尔曼滤波器)、粒子滤波或者本领域技术人员已知的其他滤波技术。所使用的方法可以根据所使用的传感器的特定组合和类型而有所变化。在一些实施方式中，传感器融合308可以利用来自所有传感器302的感测数据。相反地，传感器融合308可以利用仅来自传感器302的子集的数据。后一种方法可以有利于忽略不充分的或不可靠的传感器数据(例如，当UAV在室内时的GPS感测数据)。经融合的感测数据继而可以用于环境地图生成310。

可以基于来自传感器的任何合适组合的感测数据，来执行环境地图构建。例如，在一些实施方式中，本文所描述的地图构建方法由携带激光雷达传感器和视觉传感器(例如，诸如单相机等单目视觉传感器)的UAV来执行。激光雷达传感器可以用于获取环境物体相对于UAV的距离数据，而视觉传感器可以用于捕捉周围环境物体的图像数据。用于激光雷达和视觉传感器的传感器校准数据可以包括指示出激光雷达与视觉传感器之间的空间关系的传感器参数。例如，对于由激光雷达传感器确定为距UAV为距离M_i，并且对应于由视觉传感器捕捉的图像数据中的坐标m_i处的环境物体，m_i与M_i之间的关系可以由下式表示：

s_im_i＝(R,t)M_i

其中R为旋转矩阵，t为变换矩阵，s_i为未知标量，并且K为视觉传感器的内部矩阵(由先前的校准所确定的内部参数)。在上述方程中，M_i、m_i和K是已知的，而R和t是未知的。如果已经进行了N次测量，则由于R和t是恒定的(激光雷达传感器和视觉传感器的相对位置和方向是固定的)，因此问题是n点透视(PNP)问题并且可以使用本领域技术人员已知的技术来求解，以便获得传感器参数R和t。

一旦已经获取传感器校准数据，则可以将激光雷达感测数据和视觉感测数据转换至同一坐标系(“世界”坐标系)中：

X^W为相对于世界坐标系的数据(其对应于本实施方式中的视觉传感器坐标系)，

为相对于世界坐标系的视觉感测数据，

为相对于视觉传感器坐标系的视觉感测数据

为相对于世界坐标系的激光雷达感测数据，

为相对于激光雷达传感器坐标系的激光雷达感测数据，并且R^WL和t^WL为用于在视觉传感器坐标系与激光雷达传感器坐标系之间进行转换的旋转矩阵和变换矩阵(对应于上述R和t)。E为对角矩阵

其中s为未知的比例因子。

继而可以使用传感器融合技术来组合经转换的感测数据。例如，相对于视觉坐标系的视觉感测数据

与相对于世界坐标系的视觉感测数据

之间的关系可以由下式表示：

使用激光雷达感测数据，可以获取沿着激光雷达传感器的感测方向

上最靠近UAV的点(表示为点i)。因此，由于

并且

和

是已知的(由于

)，可以确定s的值。因此，局部传感器数据

和

可以转换成相应的世界坐标

和

并且融合以生成单一结果X^W。经融合的数据继而可以用于生成UAV周围环境的地图。

图3B图示了根据实施方式中的用于使用传感器融合来生成环境的地图的方法350。方法350可以由本文提供的任何系统和设备来执行，诸如由UAV的一个或多个处理器来执行。

在步骤360中，从一个或多个视觉传感器接收第一感测数据，所述第一感测数据包括环境的深度信息。例如，视觉传感器可以仅包括一个相机(单目视觉传感器)。或者，视觉传感器可以包括两个(双目视觉传感器)或更多个相机。视觉传感器可以由UAV携带，诸如由UAV机身携带。在使用多个视觉传感器的实施方式中，每个传感器可以位于UAV的不同部分上，并且由每个传感器收集到的图像数据之间的视差可以用于提供环境的深度信息。本文中可以使用深度信息来指代关于一个或多个物体距UAV和/或传感器的距离的信息。在使用单一视觉传感器的实施方式中，可以通过捕捉针对视觉传感器多个不同位置和方向的图像数据并继而使用合适的图像分析技术(例如，运动中恢复结构)重建深度信息，来获取深度信息。

在步骤370中，从一个或多个距离传感器接收第二感测数据，所述第二感测数据包括环境的深度信息。距离传感器可以包括至少一个超声传感器(例如，广角传感器、阵列传感器)和/或至少一个激光雷达传感器。在一些实施方式中，相比于其他类型的超声传感器，超声阵列传感器可以提供更好的检测准确度。距离传感器也可以由UAV携带。距离传感器可以位于视觉传感器附近。可选地，距离传感器可以位于UAV的与用于携带视觉传感器的部分不同的部分上。

在步骤380中，使用第一感测数据和第二感测数据来生成包括环境的深度信息的环境地图。如本文所描述，第一感测数据和第二感测数据可以各自包括环境的深度信息。可选地，第一感测数据和第二感测数据还可以包括环境中的一个或多个物体的轮廓信息。本文中可以使用轮廓信息来指代关于环境物体的外形、轮廓或边缘的信息。由一个或多个距离传感器生成的感测数据可供作为像素深度图，同时可以使用诸如运动中恢复结构(structure from motion)、结构光法(structured light)、光片(sheet of light)、飞行时间或者立体视觉视差映射等技术从由一个或多个视觉传感器收集到的图像数据中提取深度信息。在一些实施方式中，第一感测数据和第二感测数据各自包括至少一个具有多个像素的图像，每个像素关联于2D图像坐标(例如，x和y坐标)、深度值(例如，对应于像素的环境物体与UAV和/或传感器之间的距离)和/或色值(例如，RGB色值)。这样的图像在本文中可称为深度图像。

考虑到融合过程期间每种类型的感测数据的相对可靠性和准确度，可以在空间上对准并组合与每组感测数据相关联的深度信息(例如，使用合适的传感器融合方法，诸如卡尔曼滤波)以便生成包括深度信息(例如，3D环境表示，诸如占据网格地图)的地图。在一些实施方式中，环境地图的生成可以涉及辨别存在于由视觉传感器提供的一组深度图像中的多个特征点、辨别存在于由距离传感器提供的一组深度图像中的对应的多个特征点、以及确定所述的多个特征点之间的对应。所述对应可以包括关于可适用于将距离深度图像映射至视觉深度图像上或者反之亦然的一种或多种变换(例如，平移、旋转、缩放)的信息。继而可以基于这样的对应来组合所述深度图像，以便生成环境地图。备选地或组合地，可以相对于不同坐标系提供第一感测数据和第二感测数据，并且可以通过在同一坐标系中表示第一感测数据和第二感测数据来生成环境地图。该坐标系可以是与第一感测数据相关联的坐标系、与第二感测数据相关联的坐标系或者完全不同的坐标系。一旦已经生成环境地图，则可以基于该环境地图中所包含的深度信息而在环境内导航UAV。

本文所描述的距离感测和视觉感测的组合可以补偿单个传感器类型的局限性，从而提高地图生成的准确度。例如，视觉传感器可以产生相对较高分辨率的彩色图像，但是当使用单目相机时或者当双目相机的距离相对较小时(例如当相机安装在小型UAV上时可能发生)，可能相对难以从图像数据中获取准确的深度数据。另外，当照明很亮或者具有高对比度时，或者在不利的环境条件下(诸如雨、雾或烟雾)，视觉传感器可能无法提供符合要求的图像数据。相反地，诸如超声传感器等距离传感器可以提供准确的深度数据，但是相比于视觉传感器可能具有较低的分辨率。并且，在一些情况下，超声传感器和其他距离传感器类型可能无法检测具有小反射面的物体(例如，细枝、角落、栏杆)或吸收性物体(例如，地毯)，或者可能无法在具有许多物体的复杂环境(例如，室内环境)中分辨距离。然而，视觉感测数据一般可以作为距离感测数据的补充，这是因为在距离传感器正在生成并非最优数据的情况下，视觉传感器能够产生可靠的数据，并且反之亦然。因此，视觉传感器和距离传感器的组合使用可以用于在多种操作条件下并且针对多样类型的环境生成准确的环境地图。

图4图示了根据实施方式中的用于使用不同的传感器类型来进行环境地图构建的方法400。与本文所公开的所有方法一样，方法400可以使用本文介绍的系统和设备的任何实施方式来实践，诸如由UAV机上携带的一个或多个处理器来实践。另外，与本文所公开的所有方法一样，方法400的任何步骤均可与本文其他方法的任何步骤相结合或者由其所替代。

在步骤410中，从由UAV携带的第一传感器接收第一感测信号。第一感测信号可以包含UAV正在操作的所在环境有关的信息，诸如指示出环境物体(例如，障碍物)的位置和几何结构的环境数据。类似地，在步骤420中，从由UAV携带的第二传感器接收第二信号。在一些实施方式中，第一传感器和第二传感器可以是不同的传感器类型，包括前文所描述的任何传感器类型(例如，激光雷达传感器和视觉传感器、超声传感器和视觉传感器等)。

在步骤430中，使用第一感测信号来生成第一环境地图，该第一环境地图包括环境的占据信息。在步骤440中，使用第二感测信号来生成第二环境地图，该第二环境地图包括环境的占据信息。第一环境地图和第二环境地图可以分别包括环境的障碍物占据信息，以使得所述环境地图可以用于确定障碍物相对于UAV的位置。例如，第一环境地图和第二环境地图可以是占据网格地图或者包含关于环境内被阻挡和未被阻挡的空间的信息的任何其他地图类型。

可选地，第一环境地图可以表示不同于第二环境地图的环境部分。例如，第一环境地图可以表示相对靠近UAV的环境部分，而第二环境地图可以表示相对远离UAV的环境部分。在一些实施方式中，可以使用不同的感测信号来生成跨越环境的不同部分的地图。对于所要用于生成不同地图的信号的选择可以基于任何合适的准则，诸如针对所述环境的特定部分的第一感测信号和第二感测信号的相对信号质量和/或准确度。感测数据的质量和准确度可取决于每个传感器的具体特性，并且可根据环境类型(例如，室内、户外、低空、高空)、天气状况(例如，晴朗、下雨、有雾)、感测到的环境物体的相对位置(例如，近距离、远距离)以及感测到的环境物体的性质(例如，透明度、反射率、吸收率、形状、大小、材料、移动性等)而有所变化。例如，第一传感器在近距离上可能比第二传感器更准确，而第二传感器在远距离上可能比第一传感器更准确。因此，第一传感器可以用于生成相对靠近UAV的环境部分的地图，而第二传感器可以用于生成相对远离UAV的环境部分的地图。备选地或组合地，对信号的选择可以基于所述环境部分是否位于对应的传感器的感测范围内。该方法在第一传感器和第二传感器具有不同感测范围的实施方式中可能是有利的。例如，近距离传感器可以用于生成相对靠近UAV的环境部分的地图，而远距离传感器可以用于生成相对远离UAV的、处于近距离传感器的范围之外的部分的地图。

在步骤450中，组合第一环境地图和第二环境地图，从而生成包含环境的占据信息的最终环境地图。可以使用本文所描述的传感器融合技术来组合环境地图。在相对于不同坐标系(例如，局部坐标系和全局坐标系)提供感测信号的实施方式中，地图部分的生成可以涉及将所述两个感测信号转换至单一的坐标系中，以便对准相应的环境数据，从而产生最终环境地图。随后，UAV可以基于最终环境地图而在该环境内导航行。例如，UAV可以至少部分地基于在最终环境地图中所表示的障碍物占据信息来航行，以便避免碰撞。UAV可由用户、由自动化控制系统或者其合适的组合来导航。下文进一步详述了基于环境地图数据的UAV导航的附加示例。

虽然以上步骤示出了根据实施方式的环境地图构建的方法400，但本领域普通技术人员将会认识到基于本文所描述的教导的许多变体。一些步骤可以包括子步骤。在一些实施方式中，可以根据需要(例如，连续地或者以预定的时间间隔)重复方法400的步骤，以使得所产生的环境地图随着UAV在环境内导航而得以更新和精化。这样的实时地图构建方法可以使得UAV能够快速地检测环境物体并适应于变化的操作条件。

本文所描述的传感器融合方法可适用于各种类型的UAV功能，包括导航、物体识别和避障。在一些实施方式中，使用传感器融合结果而获得的环境数据可以用于通过提供准确的位置信息以及关于潜在障碍的信息来提高UAV操作的稳健性、安全性和灵活性。可以将环境数据提供给用户(例如，经由遥控器或终端、移动设备或者其他用户设备)，以便为用户对UAV的手动控制提供信息。备选地或组合地，环境数据可以用于半自主或全自主控制系统以引导UAV的自动化飞行。

例如，本文所公开的实施方式可以用于执行避障机动，以便防止UAV与环境物体相碰撞。在一些实施方式中，障碍物检测和避障可以是自动化的，从而提高UAV的安全性并减少用户对于避免碰撞的责任。对于缺乏经验的操作者以及在用户不能轻易察觉到UAV附近障碍物的存在的情况下，这样的方法可以是有利的。另外，自动化避障的实现可以降低与半自主或全自主UAV导航相关联的安全风险。此外，本文所描述的多传感器融合技术可以用于生成更准确的环境表示，从而提高这样的自动化防撞机制的可靠性。

图5图示了根据实施方式中的用于控制UAV以避开障碍物的方法500。方法500可由UAV携带的一个或多个处理器来实现。如前文所述，方法500可以是完全自动化的或者至少部分地自动化的，从而提供自动障碍物检测和避障能力。

在步骤510中，生成第一信号以使UAV在环境内导航。第一信号可以包括针对UAV的推进系统(例如，旋翼)的控制信号。可以基于输入到远程终端或其他用户设备中并于随后传输至UAV的用户命令来生成第一信号。或者，第一信号可由UAV(例如，自动化机载控制器)自主地生成。在一些情况下，可以利用来自用户输入以及自动化路径确定机制的贡献而半自主地生成第一信号。例如，用户可以指示出UAV的一系列航点，而该UAV可以自动计算飞行路径以穿过所有航点。

在一些实施方式中，飞行路径可以为UAV指示出一系列期望的位置和/或方向(例如，关于多达六个自由度)。例如，飞行路径可以至少包括UAV的初始位置和目标位置。可选地，飞行路径可被配置用于将UAV从当前位置引导至先前位置。又例如，飞行路径可以包括UAV的目标飞行方向。在一些实施方式中，指令可以指定UAV的速度和/或加速度(例如，关于多达六个自由度)，以使其沿着飞行路径移动。

在步骤520中，使用多个传感器来接收关于环境的至少一部分的感测数据。所述多个传感器可以包括不同类型的传感器(例如，视觉、激光雷达、超声、GPS等)。感测数据可以包含关于障碍物和/或其他环境物体的位置和特性的信息。例如，感测数据可以包含距离信息，该距离信息指示出UAV到附近障碍物的距离。可选地，感测数据可以包含与沿着UAV的飞行路径的环境的部分(诸如与飞行路径重叠或者靠近飞行路径的部分)有关的信息。

在步骤530中，基于感测数据来生成表示环境的至少一部分的环境地图。该环境地图可以是局部地图，其表示紧靠UAV周围的环境部分(例如，距UAV约2m、5m、10m、15m、20m、25m或5 0m的半径内)。或者，环境地图可以是全局地图，其还表示相对远离UAV的环境部分(例如，距UAV约25m、50m、75m、100m、125m、150m、200m、225m、250m、300m、400m、500m、1000m、2000m或5000m的半径内)。如前文所述，可以基于在步骤510中使用的传感器的有效范围来确定环境地图的大小。在一些实施方式中，可以使用前文所描述的基于传感器融合的方法(例如，方案300和/或方法400)来产生环境地图。例如，感测数据可以包括相对于多个不同坐标系的数据，并且环境地图生成可以涉及将所述数据映射到单一坐标系上，以便促进感测数据的融合。

在步骤540中，使用环境地图来检测位于环境的所述部分中的一个或多个障碍物。可以使用各种策略，诸如通过特征提取或模式识别技术等，来执行从地图信息的障碍物检测。可选地，可以执行合适的机器学习算法以完成障碍物检测。在一些实施方式中，如果环境地图是占据网格地图，则可以通过检测占据网格地图中被连续占据的体积来辨别障碍物。障碍物检测结果可以提供关于每个障碍物的位置、方向、大小、距离和/或类型的信息，以及结果的对应置信度信息。可以分析地图以辨别对UAV构成碰撞风险的障碍物(例如，位于沿着或靠近飞行路径处的障碍物)。

在步骤550中，使用环境地图来生成第二信号以使UAV航行，以便避开所述一个或多个障碍物。可以分析环境地图，以便确定所述一个或多个障碍物相对于UAV的位置，以及可供UAV移动的任何未被阻挡的空间的位置，以便避免与障碍物碰撞。第二信号因此可以提供适当的控制信号(例如，针对UAV的推进系统)以使UAV航行经过所述未被阻挡的空间。在根据飞行路径来导航UAV的实施方式中，可以基于环境地图而修改飞行路径以便避开所述一个或多个障碍物，并且UAV可以根据经修改的飞行路径来航行。飞行路径修改可以引导UAV仅穿越经过未被阻挡的空间。例如，可以修改飞行路径以便使UAV绕过障碍物飞行(例如，在其之上、之下或者侧面)、飞离障碍物或者与障碍物保持指定的距离。在多个经修改的飞行路径均有可能的情况下，可以基于任何合适的准则来选择优选的飞行路径，所述准则诸如为使行进距离最小化、使行进时间最小化、使行进所述路径所需的能量的量最小化、使从原始飞行路径的偏离量最小化等。可选地，如果无法确定适当的飞行路径，则UAV可以简单地悬停于适当位置上并等待障碍物让路，或者等待用户采取手动控制。

在用于UAV操作的多传感器融合的另一示例性应用中，本公开介绍的实施方式可作为“自动返航”功能性的一部分而实现，其中UAV将会在某些情况下从当前位置自动航行至“返航”位置。该返航位置可能是UAV先前行进过的初始位置，诸如UAV最初起飞并开始飞行的位置。或者，返航位置可能不是UAV先前行进到的位置。返航位置可以是自动确定的，或者由用户指定。可以触发自动返航功能的情况的示例包括接收到来自用户的返航指令、失去与用户的遥控器的通信或者用户不再能够控制UAV的其他迹象、UAV电池电量低，或者检测到UAV故障或其他紧急情况。

图6图示了根据实施方式中的用于控制UAV返航至初始位置的方法600。在一些实施方式中，方法600由关联于自动化控制系统的一个或多个处理器来实现，以至于需要很少的用户输入或者不需要用户输入来执行方法600。

在步骤610中，使用多个传感器中的至少一个传感器来确定UAV的初始位置。在一些实施方式中，可以使用具有不同传感器类型的多个传感器来确定所述位置。可以相对于全局坐标系(例如，GPS坐标)或者相对于局部坐标系(例如，相对于局部环境地标或特征)而确定所述位置。

在步骤620中，生成第一信号以使UAV在环境内航行。第一信号可以手动地、半自主地或者全自主地生成。例如，用户可以向遥控器中输入指令，该指令被传输至UAV以便控制UAV移动。又例如，UAV可以根据预定的飞行路径而移动或者行进至预定位置。UAV可以被导航至环境内的不同于初始位置(例如，关于经度、纬度或高度)的位置。

在步骤630中，从所述多个传感器中的至少一个传感器接收关于所述环境的感测数据。可以从在步骤610中使用的同一传感器或者从不同的传感器接收感测数据。类似地，可以从多种不同的传感器类型获取感测数据。如前文所述，这样的感测数据可以包括关于环境物体的位置和特性的信息。

在步骤640中，基于感测数据来生成表示环境的至少一部分的环境地图。在感测数据包括来自多种传感器类型的数据的实施方式中，可以使用前文所描述的基于传感器融合的方法(例如，方案300和/或方法400)来产生环境地图。所得的地图可以按任何合适的格式提供并且可以包含关于障碍物占据的信息(例如，障碍物网格地图)。

在步骤650中，基于环境地图生成第二信号以使UAV返航至初始位置。可以响应于自动返航指令而生成第二信号。自动返航指令可以由用户输入或者可以自动生成，例如，响应于诸如与控制UAV的遥控器失去通信等紧急情况而生成。在一些实施方式中，一旦UAV已经接收到自动返航的指令，该UAV可以使用环境地图来确定其当前位置、当前位置与初始位置之间的空间关系和/或任何环境障碍物的位置。基于环境地图中的障碍物占据信息，UAV可以继而确定适当的路径(例如，飞行路径)以从当前位置航行至初始位置。可以使用各种方法来确定UAV的合适路径。例如，如本文关于图9A和图9B所进一步详述，可以使用诸如拓扑地图等环境地图来确定路径。在一些实施方式中，所述路径可被配置用于避开可阻碍UAV飞行的一个或多个环境障碍物。备选地或组合地，所述路径可以是当前位置与初始位置之间的最短路径。所述路径可以包括UAV先前行进过的一个或多个部分，以及不同于UAV先前行进过的路径的一个或多个部分。例如，整个路径可能已由UAV先前行进过。又例如，如本文关于图8A和图8B所进一步详述，所述路径可以包括对应于UAV先前行进过的位置的多个航点。相反地，整个路径可能没有被UAV先前行进过。在一些实施方式中，可以生成多个潜在路径，并且基于合适的准则(例如，使总飞行时间最小化、使总飞行距离最小化、使能量消耗最小化、使遇到的障碍物数目最小化、与障碍物保持预定距离、保持预定高度范围等)而从所述多个路径中选择一个路径。UAV的飞行路径信息(例如，先前行进过的路径、潜在路径、所选路径)可以被包括在环境地图中。

一旦已经确定路径，可以处理路径信息以生成用于控制UAV的推进系统的指令，以便使其沿着所述路径行进至初始位置。例如，所述路径可以包括针对UAV的一系列空间位置和方向信息，其可被转换成控制信号以将UAV的飞行从当前位置引导至初始位置。在一些实施方式中，当UAV沿着路径导航时，其可以检测沿着该路径的、阻碍其飞行的一个或多个障碍物。在这样的情况下，可以修改路径以避开障碍物，以便允许UAV继续航行至初始位置，例如，使用前文关于方法500所描述的技术。

图7图示了根据许多实施方式中的用于在避开障碍物的同时控制UAV返航至初始位置的方法700。类似于方法500，方法700可以按半自动化或全自动化方式作为UAV自动返航功能的一部分来执行。方法700的至少一些步骤可以由与UAV相关联的一个或多个处理器来执行。

在步骤710中，使用多个传感器中的至少一个传感器来确定UAV的初始位置。可选地，可以使用多种不同的传感器类型来确定初始位置。位置信息可以包括关于UAV的位置(例如，高度、纬度、经度)和/或方向(例如，横滚、俯仰、偏航)的信息。可以相对于全局坐标系(例如，地理坐标系)或局部坐标系(例如，相对于UAV)来提供位置信息。

在步骤720中，生成第一信号以使UAV在环境内航行，例如，至不同于初始位置的位置。如前文所述，可以基于用户输入、由自主控制系统提供的指令或者其合适的组合来生成第一信号。

在步骤730中，使用所述多个传感器中的至少一个传感器来接收关于所述环境的感测数据。可选地，可以从与在步骤710中使用的传感器不同的传感器接收感测数据。如上文所述，可以通过使用合适的基于传感器融合的方法组合来自不同传感器类型的感测信号，以生成感测数据。在一些实施方式中，经融合的传感器数据可以用于产生有代表性的环境地图，诸如前文所讨论的实施方式。

在步骤740中，接收返航至初始位置的指令。返航指令可以由用户向遥控器中输入并于随后传输至UAV。或者，该指令可以由UAV自动生成，诸如由机载处理器和/或控制器生成。在一些实施方式中，可以独立于任何用户输入而生成所述指令，例如，在UAV检测到用户设备与UAV之间已经失去通信的情况下、当已经发生故障或紧急情况时等。

在步骤750中，生成第二信号以使UAV沿着一路径返航至所述初始位置，其中当所述多个传感器中的至少一个传感器检测到沿着路径的障碍物时，修改该路径以避开障碍物。可选地，用以检测障碍物的传感器可以不同于在步骤710和/或步骤730中使用的传感器。可以基于由多种不同的传感器类型生成的感测数据来检测障碍物。在一些实施方式中，可以使用基于传感器数据而产生的环境地图(例如，占据网格地图)来检测障碍物。环境地图可以是先前已经生成的(例如，基于在步骤730中收集的感测数据)，或者可以是随着UAV沿着路径航行而实时生成的。可以使用各种方法来修改路径以便防止UAV与检测到的障碍物(诸如前文关于方法500所描述的那些障碍物)相碰撞。可以基于所获取的感测数据和/或环境地图中所表示的障碍物信息，来执行对经修正路径的确定。

图8A和图8B图示了根据实施方式中的用于使用航点来控制UAV返航至初始位置的算法800。算法800可以由用于控制UAV的操作的合适的处理器和/或控制器来执行。算法800的一个或多个步骤可以自动执行，从而为UAV提供自动返航功能。

在步骤802中UAV飞行开始(例如，起飞)之后，在步骤804中作出关于UAV飞行是否已经结束的确定。所述确定可以基于UAV是否已经降落(例如，降落在诸如地面等表面上)、UAV的推进系统是否已经关闭、用户是否已经提供飞行结束的指令等。如果飞行已经结束，则在步骤806处结束算法800。否则，算法800继续至步骤808，以便确定UAV的当前位置(例如，纬度、经度、高度)。如前文所述，可以使用一个或多个传感器(其中至少一些具有不同的类型)来确定当前位置。例如，UAV可以包括GPS传感器和另一传感器类型，诸如视觉传感器。视觉感测数据可以与GPS感测数据相结合使用或者替代GPS感测数据，以便补偿当GPS传感器不能够提供可靠的感测数据时的情况(例如，在与GPS卫星的通信可能不够理想的室内和/或低空环境中、在GPS传感器尚未建立与GPS卫星的通信的飞行开始时)。因此，通过GPS感测数据与视觉感测数据的组合使用，可以提高定位准确度。可选地，可以使用支持相对于全局坐标系或局部坐标系而定位UAV的环境地图来确定当前位置。如上文所述，可以使用传感器融合技术来生成环境地图。

在步骤810中，将当前位置信息储存在合适的数据结构中，诸如位置信息列表中。位置列表可以用于储存由UAV先前行进过的一组位置，这在本文中可以称为“航点”。航点可以按顺序储存，从而提供对UAV行进过的飞行路径的表示。在这样的实施方式中，储存在位置列表中的第一航点对应于UAV的初始位置，而位置列表中的最后的航点对应于UAV最近的位置。因此，如下文所述，可以按倒序(从最后的航点到第一航点)历经所储存的航点，以便使UAV返航至初始位置。

在步骤812中，作出关于UAV是否应当启动自动返航功能以便返航至对应于位置列表中储存的第一航点的初始位置的确定。如前文所述，自动返航决定可以自动地作出或者基于用户输入而作出。如果自动返航功能未启动，则算法800返回至步骤804以开始航点确定和存储的下一迭代。在一些实施方式中，可以按期望频率(例如，连续地，以预定时间间隔，诸如每0.5s、1s、2s、5s、10s、20s或30s一次)按顺序重复步骤804、步骤808、步骤810和步骤812，以便在UAV飞行期间生成和储存一系列先前行进过的航点。如下文关于图8B所进一步详述，一旦在步骤812中确定UAV应当自动返航，则在步骤814中执行自动返航功能。在自动返航功能完成之后，算法800结束于步骤806。

图8B图示了根据实施方式的算法800的步骤814的子步骤。在步骤816处启动自动返航功能之后，在步骤818中作出关于位置列表(航点列表)是否为空的确定。如果列表为空，这表明UAV已经到达初始位置并且自动返航功能在步骤820中完成。如果列表不为空，这表明UAV尚未到达初始位置。在这样的情况下，继而在步骤822中从位置列表检索下一目标位置(航点)。

继而在步骤824中确定UAV的当前位置。可以使用本文所描述的任何方法，诸如使用多传感器融合和/或环境地图构建，来确定当前位置。在一些实施方式中，确定当前位置与检索到的目标位置之间的空间关系，以便生成当前位置与目标位置之间的飞行路径。如前文所述，可以基于环境地图构建数据来生成飞行路径以便避开潜在的飞行阻碍物。

在步骤826中，将UAV从当前位置航行至目标位置，例如，使用在步骤824中生成的飞行路径。随着UAV朝向目标位置移动，其可以获取和处理传感器数据以确定是否存在任何阻碍其飞行的障碍物。例如，传感器数据可以用于提供包含如上文所讨论的障碍物占据信息的局部环境地图。可以用于提供障碍物信息的示例性传感器包括视觉传感器、激光雷达传感器、超声传感器等。基于传感器数据，在步骤828中作出关于是否已经检测到障碍物的确定。如果没有检测到阻碍物，则UAV完成其向目标位置的航行，并且自动返航功能继续至步骤818以开始下一迭代。如果已经检测到障碍物，则如步骤830中所指示，确定并执行合适的避障机动。例如，可以修改飞行路径(例如，基于环境地图数据)，以使得UAV航行至目标位置而不与检测到的障碍物相碰撞。

图9A和图9B图示了根据实施方式中的用于使用拓扑地图来控制UAV返航至目标位置的算法900。类似于算法800，算法900可以由用于控制UAV的操作的合适的处理器和/或控制器来执行。算法900的一个或多个步骤可以自动执行，从而为UAV提供自动返航功能。

类似于算法800的步骤802，步骤902中UAV飞行开始(例如，起飞)之后，在步骤904中作出关于UAV飞行是否已经结束的确定。如果飞行已经结束，则在步骤906处结束算法900。否则，算法900继续至步骤908，以便确定UAV的当前位置以及关于该UAV周围环境的环境信息。在一些实施方式中，如前文所述，环境信息包括关于一个或多个环境物体的空间排列、几何结构和/或特性的信息。可以使用从一个或多个传感器获取的感测数据来确定当前位置和/或环境信息。可选地，可以使用传感器融合技术来处理和组合来自不同传感器类型的感测数据，以便提高感测结果的可靠性和准确度。例如，可以从GPS传感器和至少一种其他传感器类型(例如，视觉传感器、激光雷达传感器和/或超声传感器)来获取感测数据。

在步骤910中，将当前位置和环境信息添加至表示操作环境的拓扑地图。在备选实施方式中，还可以使用其他类型的地图(例如，诸如网格地图等尺度地图)。拓扑地图可以用于储存对应于UAV先前行进过的位置的位置信息，从而提供UAV的飞行路径的记录。另外，根据前文所描述的实施方式，拓扑地图可以用于描绘各个环境位置之间的连通性。可选地，拓扑地图还可以包含尺度信息，诸如指示出所表示的位置之间的距离的信息，以及指示出环境物体的空间位置和几何结构的信息。可以在UAV飞行期间生成拓扑地图的至少一些部分，例如，使用多传感器地图构建。备选地或组合地，拓扑地图的一个或多个部分可以在UAV的操作之前生成并被提供给UAV(例如，从遥控器传输和/或储存在机载存储器中)。在后一实施方式中，可以在UAV操作期间基于收集到的传感器数据而精化或修改拓扑地图，以便反映当前环境信息。

类似于算法800的步骤812，在步骤912中，作出关于UAV是否应当启动自动返航功能以便返航至目标位置的确定。如果自动返航功能未启动，则算法900返回至步骤904。可以按期望频率(例如，连续地，以预定时间间隔，诸如每0.5s、1s、2s、5s、10s、20s或30s一次)按顺序重复步骤904、步骤908、步骤910和步骤912，以便随着UAV在环境内航行而用最近的位置和环境信息来更新拓扑地图。如下文参照图9B所进一步详述，一旦在步骤912中确定UAV应当自动返航，则在步骤914中执行自动返航功能。在自动返航功能完成之后，算法900结束于步骤906。

图9B图示了根据实施方式的算法900的步骤914的子步骤。在步骤916处启动自动返航功能之后，在步骤918中作出关于UAV是否已经到达目标位置的确定。目标位置可以是由用户指定的或者由UAV自动确定的位置。目标位置可以是UAV先前已经行进过的位置，诸如在飞行开始时UAV的初始位置(例如，起飞的位置)。或者，目标位置可以是UAV先前尚未行进过的位置。如果确定UAV已经到达目标位置，则在步骤920中完成自动返航功能。否则，自动返航继续至步骤924。

在步骤924中，使用本文所描述的任何方法，诸如使用多传感器融合和/或环境地图构建，来确定UAV的当前位置。在步骤926中，确定对应于当前UAV位置的拓扑地图位置，从而相对于拓扑地图中所表示的环境信息而定位该UAV。基于拓扑地图，在步骤926中确定从当前位置到目标位置的飞行路径。在一些实施方式中，返航飞行路径的一个或多个部分可以对应于UAV先前行进过的飞行路径。或者，该飞行路径的一个或多个部分可以不同于UAV的先前飞行路径。可以基于任何合适的准则来确定飞行路径。例如，飞行路径可被配置用于避开环境障碍物。又例如，飞行路径可被配置用于使UAV为了到达目标位置而行进的总距离最小化。随后，在步骤928中，基于所确定的飞行路径来调节UAV飞行控制，以便使该UAV沿着所述飞行路径移动。例如，飞行路径可以指定UAV的一系列位置和/或方向，并且可以生成合适的控制信号并将其传输至UAV推进系统以便使UAV采取指定的位置和/或方向。

如步骤930和步骤932中所描述，随着UAV朝向目标位置移动，其可以检测障碍物并酌情执行避障机动。用于执行障碍物检测和避障的技术可以分别与关于算法800的步骤828和步骤830的那些描述相似。可选地，障碍物检测和/或避障可以基于所生成的拓扑地图。例如，一旦已经辨别出障碍物，拓扑地图中所表示的环境信息来可用于确定对飞行路径的合适的修改以避免潜在的碰撞。

本文所描述的系统、设备和方法可以适用于多种可移动物体。如前文所述，本文对飞行器的任何描述均可适用于和用于任何可移动物体。本发明的可移动物体可被配置用于在任何合适的环境内移动，诸如在空中(例如，固定翼航空器、旋翼航空器或者既不具有固定翼也不具有旋翼的航空器)、在水中(例如，船舶或潜艇)、在地面上(例如，机动车，诸如轿车、卡车、公交车、厢式货车、摩托车；可移动构造物或框架，诸如棒状物、钓鱼竿；或者火车)、在地下(例如，地铁)、在太空(例如，航天飞机、卫星或探测器)，或者这些环境的任何组合。可移动物体可以是载具，诸如本文其他各处所描述的载具。在一些实施方式中，可移动物体可以安装在活体身上，诸如人类或动物。合适的动物可以包括禽类、犬类、猫类、马类、牛类、羊类、猪类、海豚、啮齿类或昆虫。

可移动物体可以能够在所述环境内关于六个自由度(例如，三个平移自由度和三个旋转自由度)而自由移动。或者，可移动物体的移动可能关于一个或多个自由度受到约束，诸如由预定路径、轨迹或方向所约束。所述移动可以由任何合适的致动机构所致动，诸如引擎或马达。可移动物体的致动机构可以由任何合适的能源提供动力，例如电能、磁能、太阳能、风能、引力能、化学能、核能或者其中任何合适的组合。可移动物体可以如本文其他各处所述，经由推进系统而自推进。所述推进系统可以可选地依靠一种能源运行，例如电能、磁能、太阳能、风能、引力能、化学能、核能或者其中任何合适的组合。可选地，可移动物体可以由生物所携带。

在一些情况下，所述可移动物体可以是载具。合适的载具可以包括水上载具、飞行器、太空载具或地面载具。例如，飞行器可以是固定翼航空器(例如，飞机、滑翔机)、旋翼航空器(例如，直升机、旋翼飞机)、同时具有固定翼和旋翼的航空器、或者既无固定翼又无旋翼的航空器(例如，飞艇、热气球)。载具可以是自推进式，诸如在空中、在水上或水中、在太空中或者在地上或地下自推进。自推进式载具可以利用推进系统，诸如包括一个或多个引擎、马达、轮子、轮轴、磁体、旋翼、螺旋桨、桨叶、喷嘴或者其中任何合适组合的推进系统。在一些情况下，推进系统可以用于使可移动物体能够从一表面起飞、降落在一表面上、保持其当前位置和/或方向(例如，悬停)、改变定向和/或改变位置。

可移动物体可以由用户遥控或者由可移动物体之内或之上的乘员在本地控制。在一些实施方式中，可移动物体是无人的可移动物体，诸如UAV。无人的可移动物体(诸如UAV)可以不搭乘操作者在可移动物体上。可移动物体可以由人类或自主控制系统(例如，计算机控制系统)，或者其任何合适的组合来控制。可移动物体可以是自主式或半自主式机器人，诸如配置有人工智能的机器人。

可移动物体可以具有任何合适的大小和/或尺寸。在一些实施方式中，可移动物体可以具有能容纳人类乘员身处载具之内或之上的大小和/或尺寸。或者，可移动物体可以具有比能够容纳人类乘员身处载具之内或之上的大小和/或尺寸更小的大小/或尺寸。可移动物体可以具有适合于由人类搬运或携带的大小和/或尺寸。或者，可移动物体可以大于适合由人类搬运或携带的大小和/或尺寸。在一些情况下，可移动物体可以具有的最大尺寸(例如，长度、宽度、高度、直径、对角线)小于或等于约：2cm、5cm、10cm、50cm、1m、2m、5m或10m。该最大尺寸可以大于或等于约：2cm、5cm、10cm、50cm、1m、2m、5m或10m。例如，可移动物体的相对的旋翼的轴之间的距离可以小于或等于约：2cm、5cm、10cm、50cm、1m、2m、5m或10m。或者，相对的旋翼的轴之间的距离可以大于或等于约：2cm、5cm、10cm、50cm、1m、2m、5m或10m。

在一些实施方式中，可移动物体可以具有小于100cm x 100cm x 100cm、小于50cmx 50cm x 30cm或小于5cm x 5cm x 3cm的体积。可移动物体的总体积可以小于或等于约：1cm³、2cm³、5cm³、10cm³、20cm³、30cm³、40cm³、50cm³、60cm³、70cm³、80cm³、90cm³、100cm³、150cm³、200cm³、300cm³、500cm³、750cm³、1000cm³、5000cm³、10,000cm³、100,000cm³、1m³或10m³。相反地，可移动物体的总体积可以大于或等于约：1cm³、2cm³、5cm³、10cm³、20cm³、30cm³、40cm³、50cm³、60cm³、70cm³、80cm³、90cm³、100cm³、150cm³、200cm³、300cm³、500cm³、750cm³、1000cm³、5000cm³、10,000cm³、100,000cm³、1m³或10m³。

在一些实施方式中，可移动物体可以具有的占地面积(这可以指由所述可移动物体所包围的横截面面积)小于或等于约：32,000cm²、20,000cm²、10,000cm²、1,000cm²、500cm²、100cm²、50cm²、10cm²或5cm²。相反地，所述占地面积可以大于或等于约：32,000cm²、20,000cm²、10,000cm²、1,000cm²、500cm²、100cm²、50cm²、10cm²或5cm²。

在一些情况下，可移动物体可以不超过1000kg重。可移动物体的重量可以小于或等于约：1000kg、750kg、500kg、200kg、150kg、100kg、80kg、70kg、60kg、50kg、45kg、40kg、35kg、30kg、25kg、20kg、15kg、12kg、10kg、9kg、8kg、7kg、6kg、5kg、4kg、3kg、2kg、1kg、0.5kg、0.1kg、0.05kg或0.01kg。相反地，所述重量可以大于或等于约：1000kg、750kg、500kg、200kg、150kg、100kg、80kg、70kg、60kg、50kg、45kg、40kg、35kg、30kg、25kg、20kg、15kg、12kg、10kg、9kg、8kg、7kg、6kg、5kg、4kg、3kg、2kg、1kg、0.5kg、0.1kg、0.05kg或0.01kg。

在一些实施方式中，可移动物体相对于被该可移动物体所携带的负载可以较小。如下文进一步详述，所述负载可以包括载荷和/或载体。在一些示例中，可移动物体的重量与负载重量之比可以大于、小于或等于约1:1。在一些情况下，可移动物体的重量与负载重量之比可以大于、小于或等于约1:1。可选地，载体重量与负载重量之比可以大于、小于或等于约1:1。当需要时，可移动物体的重量与负载重量之比可以小于或等于：1:2、1:3、1:4、1:5、1:10或者甚至更小。相反地，可移动物体的重量与负载重量之比还可以大于或等于：2:1、3:1、4:1、5:1、10:1或者甚至更大。

在一些实施方式中，可移动物体可以具有低能耗。例如，可移动物体可以使用小于约：5W/h、4W/h、3W/h、2W/h、1W/h或更小。在一些情况下，可移动物体的载体可以具有低能耗。例如，所述载体可以使用小于约：5W/h、4W/h、3W/h、2W/h、1W/h或更小。可选地，可移动物体的载荷可以具有低能耗，诸如小于约：5W/h、4W/h、3W/h、2W/h、1W/h或更小。

图10图示了根据本发明的实施方式的UAV 1000。该UAV可以是本文所述的可移动物体的示例。UAV 1000可以包括具有四个旋翼1002、1004、1006和1008的推进系统。可以提供任何数目的旋翼(例如，一个、两个、三个、四个、五个、六个或更多个)。所述旋翼可以是本文其他各处所述的自紧式旋翼的实施方式。无人飞行器的旋翼、旋翼总成或其他推进系统可使该无人飞行器能够悬停/保持位置、改变定向和/或改变位置。相对的旋翼的轴之间的距离可以是任何合适的长度1010。例如，长度1010可以小于或等于2m，或者小于或等于5m。在一些实施方式中，长度1010可以在从40cm到1m、从10cm到2m或者从5cm到5m的范围内。本文对UAV的任何描述均可适用于可移动物体，诸如不同类型的可移动物体，并且反之亦然。

在一些实施方式中，可移动物体可以被配置用于携带负载。该负载可以包括乘客、货物、设备、仪器等之中的一种或多种。该负载可以提供在外壳内。该外壳可以与可移动物体的外壳相分离，或者是可移动物体的外壳的一部分。或者，可移动物体不具有外壳时负载可以具备外壳。或者，该负载的一部分或者整个该负载均可以不具有外壳。负载可以相对于所述可移动物体刚性固定。可选地，负载可以是相对于可移动物体是可以移动的(例如，可以相对于可移动物体平移或旋转)。

在一些实施方式中，负载包括载荷。所述载荷可被配置成不执行任何操作或功能。或者，载荷可以是被配置用于执行操作或功能，亦称为功能性载荷。例如，载荷可以包括一个或多个传感器，用于勘测一个或多个目标。可以向载荷中合并任何合适的传感器，诸如图像捕捉设备(例如，相机)、音频捕捉设备(例如，抛物面麦克风)、红外成像设备或紫外成像设备。所述传感器可以提供静态感测数据(例如，照片)或动态感测数据(例如，视频)。在一些实施方式中，传感器提供针对载荷的目标的感测数据。备选地或组合地，载荷可以包括一个或多个发射器，用于向一个或多个目标提供信号。可以使用任何合适的发射器，诸如照明源或声源。在一些实施方式中，载荷包括一个或多个收发器，诸如用于与远离可移动物体的模块通信。可选地，载荷可被配置用于与环境或目标相互作用。例如，载荷可以包括能够操纵物体的工具、仪器或机构，诸如机械臂。

可选地，负载可以包括载体。可以提供载体用于载荷，并且所述载荷可经由该载体直接地(例如，直接接触可移动物体)或间接地(例如，不接触可移动物体)耦合至可移动物体。相反地，载荷可在无需载体的情况下安装于可移动物体上。载荷可以与载体一体形成。或者，载荷可以可拆卸地耦合至载体。在一些实施方式中，载荷可以包括一个或多个载荷元件，并且所述载荷元件中的一个或多个可以如上文所述是相对于可移动物体和/或载体可移动的。

载体可以与可移动物体一体形成。或者，载体可以可拆卸地耦合至可移动物体。载体可以直接地或间接地耦合至可移动物体。载体可以向载荷提供支撑(例如，承载所述载荷的至少一部分重量)。载体可以包括合适的安装构造物(例如，云台平台)，其能够稳定和/或引导载荷的移动。在一些实施方式中，载体可以适于控制载荷相对于可移动物体的状态(例如，位置和/或方向)。例如，载体可被配置用于相对于可移动物体而移动(例如，关于一个、两个或三个平移度以及/或者一个、两个或三个旋转度)，以使得载荷保持其相对于合适的参考系的位置和/或方向，与可移动物体的移动无关。所述参考系可以是固定参考系(例如，周围环境)。或者，所述参考系可以是移动参考系(例如，可移动物体、载荷目标)。

在一些实施方式中，载体可被配置用于允许载荷相对于载体和/或可移动物体的移动。所述移动可以是关于多达三个自由度的平移(例如，沿着一个、两个或三个轴线)或者是关于多达三个自由度的旋转(例如，围绕一个、两个或三个轴线)，或者是其任何合适的组合。

在一些情况下，载体可以包括载体框架总成以及载体致动总成。所述载体框架总成可以向载荷提供构造物支撑。载体框架总成可以包括单个的载体框架元件，其中一些元件可以是可相对于彼此移动的。所述载体致动总成可以包括一个或多个致动器(例如，马达)，所述致动器致动单个载体框架元件的移动。致动器可以允许多个载体框架元件同时移动，或者可被配置用于每次允许单一载体框架元件的移动。载体框架元件的移动可以产生载荷的对应移动。例如，载体致动总成可以致动一个或多个载体框架元件围绕一个或多个旋转轴(例如，横滚(roll)轴、俯仰(pitch)轴或偏航(yaw)轴)的旋转。所述一个或多个载体框架元件的旋转可以使载荷相对于可移动物体围绕一个或多个旋转轴旋转。备选地或组合地，载体致动总成可以致动一个或多个载体框架元件沿着一个或多个平移轴的平移，并从而产生载荷相对于可移动物体沿着一个或多个对应的轴的平移。

在一些实施方式中，可移动物体、载体和载荷相对于固定参考系(例如，周围环境)和/或相对于彼此的移动可以由终端来控制。所述终端可以是处于远离所述可移动物体、载体和/或载荷的位置处的遥控设备。终端可以安置于或者固定在支撑平台上。或者，终端可以是手持式或可穿戴式设备。例如，终端可以包括智能电话、平板计算机、笔记本电脑、计算机、眼镜、手套、头盔、麦克风或者其合适的组合。终端可以包括用户接口，诸如键盘、鼠标、操纵杆、触摸屏或显示器。任何合适的用户输入均可用于与终端交互，诸如手动输入指令、语音控制、手势控制或位置控制(例如，经由终端的移动、定位或倾斜)。

终端可以用于控制可移动物体、载体和/或载荷的任何合适的状态。例如，终端可以用于控制可移动物体、载体和/或载荷相对于固定参考物从和/或向彼此的位置和/或方向。在一些实施方式中，终端可以用于控制可移动物体、载体和/或载荷的单个元件，诸如载体的致动总成、载荷的传感器或者载荷的发射器。终端可以包括适于与可移动物体、载体或载荷中的一个或多个相通信的无线通信设备。

终端可以包括一个合适的显示单元，用于查看可移动物体、载体和/或载荷的信息的。例如，终端可被配置用于显示可移动物体、载体和/或载荷的信息，所述信息关于位置、平移速度、平移加速度、方向、角速度、角加速度或其任何合适的组合。在一些实施方式中，终端可以显示由载荷提供的信息，诸如由功能性载荷提供的数据(例如，由相机或其他图像捕捉设备记录的图像)。

可选地，同一终端可以同时控制可移动物体、载体和/或载荷或者所述可移动物体、载体和/或载荷的状态，以及接收和/或显示来自所述可移动物体、载体和/或载荷的信息。例如，终端可以控制载荷相对于环境的定位，同时显示由载荷捕捉的图像数据，或者关于载荷的位置的信息。或者，不同的终端可以用于不同的功能。例如，第一终端可以控制可移动物体、载体和/或载荷的移动或状态，而第二终端可以接收和/或显示来自可移动物体、载体和/或载荷的信息。例如，第一终端可以用于控制载荷相对于环境的定位，而第二终端显示由该载荷捕捉的图像数据。多种通讯模式可以应用于一个可移动物体与一个集成终端之间，该集成终端既控制该可移动物体又接收数据，或者，多种通讯模式可以应用于该可移动物体与多个终端之间，该多个终端既控制该可移动物体又接收数据。。例如，在可移动物体与同时控制该可移动物体并接收来自该可移动物体的数据的终端之间，可以形成至少两种不同的通信模式。

图11图示了根据实施方式中的包括载体1102和载荷1104的可移动物体1100。虽然可移动物体1100被描绘为飞行器，但这样的描绘并不以此为限制，并且如前文所述可以使用任何合适类型的可移动物体。本领域技术人员将会理解，本文在航空器系统的情景下描述的任何实施方式均可适用于任何合适的可移动物体(例如，UAV)。在一些情况下，可以在可移动物体1100上提供载荷1104而无需载体1102。可移动物体1100可以包括推进机构1106、感测系统1108和通信系统1110。

如前文所述，推进机构1106可以包括旋翼、螺旋桨、桨叶、引擎、马达、轮子、轴、磁体或喷嘴中的一种或多种。例如，推进机构1106可以如本文其他各处所公开，是自紧式旋翼、旋翼总成或其他旋转推进单元。可移动物体可以具有一个或多个、两个或更多个、三个或更多个或者四个或更多个推进机构。推进机构可以全都是同一类型。或者，一个或多个推进机构可以是不同类型的推进机构。推进机构1106可以使用任何合适的装置而安装在可移动物体1100上，所述装置诸如为本文其他各处所述的支撑元件(例如，驱动轴)。推进机构1106可以安装在可移动物体1100的任何合适的部分上，诸如顶部、底部、前面、后面、侧面或其合适的组合。

在一些实施方式中，推进机构1106可以使得可移动物体1100能够从一个表面垂直地起飞或者垂直地降落在一个表面上，而无需可移动物体1100的任何水平移动(例如，无需沿着跑道行进)。可选地，推进机构1106可以可操作地允许可移动物体1100以指定位置和/或方向悬停于空中。一个或多个推进机构1100可以独立于其他推进机构得到控制。或者，推进机构1100可被配置成同时受到控制。例如，可移动物体1100可以具有多个水平定向的旋翼，所述旋翼可以向该可移动物体提供升力和/或推力。可以致动所述多个水平定向的旋翼以向可移动物体1100提供垂直起飞、垂直降落以及悬停能力。在一些实施方式中，所述水平定向的旋翼中的一个或多个可以在顺时针方向上旋转，同时所述水平旋翼中的一个或多个可以在逆时针方向上旋转。例如，顺时针旋翼的数目可以等于逆时针旋翼的数目。每个水平定向的旋翼的旋转速率可独立地改变，以便控制由每个旋翼产生的升力和/或推力，并从而调节可移动物体1100的空间排列、速度和/或加速度(例如，关于多达三个平移自由度和多达三个旋转自由度)。

感测系统1108可以包括一个或多个传感器，所述传感器可以感测可移动物体1100的空间排列、速度和/或加速度(例如，关于多达三个平移自由度和多达三个旋转自由度)。所述一个或多个传感器可以包括全球定位系统(GPS)传感器、运动传感器、惯性传感器、距离传感器或图像传感器。由感测系统1208提供的感测数据可以用于控制可移动物体1100的空间排列、速度和/或方向(例如，使用合适的处理单元和/或控制模块，如下文所述)。或者，感测系统1108可以用于提供关于可移动物体周围环境的数据，诸如气象条件、距潜在障碍物的距离、地理特征的位置、人造构造物的位置等。

通信系统1110支持经由无线信号1116与具有通信系统1114的终端1112的通信。通信系统1110、通信系统1114可以包括任何数目的适合于无线通信的发射器、接收器和/或收发器。所述通信可以是单向通信，使得数据只能在一个方向上传输。例如，单向通信可以仅涉及可移动物体1100向终端1112传输数据，或者反之亦然。数据可以从通信系统1110的一个或多个发射器传输至通信系统1112的一个或多个接收器，或者反之亦然。或者，所述通信可以是双向通信，使得数据在可移动物体1100与终端1112之间的两个方向上均可传输。双向通信可以涉及从通信系统1110的一个或多个发射器向通信系统1114的一个或多个接收器传输数据，并且反之亦然。

在一些实施方式中，终端1112可以向可移动物体1100、载体1102和载荷1104中的一个或多个提供控制数据，以及从可移动物体1100、载体1102和载荷1104中的一个或多个接收信息(例如，可移动物体、载体或载荷的位置和/或运动信息；由载荷感测的数据，诸如由载荷相机捕捉的图像数据)。在一些情况下，来自终端的控制数据可以包括针对可移动物体、载体和/或载荷的相对位置、移动、致动或控制的指令。例如，控制数据可以导致可移动物体的位置和/或定向的修改(例如，经由推进机构1106的控制)，或者载荷相对于可移动物体的移动(例如，经由载体1102的控制)。来自终端的控制数据可以导致对载荷的控制，诸如对相机或其他图像捕捉设备的操作的控制(例如，拍摄静态或移动图片、放大或缩小、开启或关闭、切换成像模式、改变图像分辨率、改变聚焦、改变景深、改变曝光时间、改变视角或视野)。在一些情况下，来自可移动物体、载体和/或载荷的通信可以包括来自一个或多个传感器(例如，感测系统1108的或载荷1104的传感器)的信息。所述通信可以包括来自一个或多个不同类型的传感器(例如，GPS传感器、运动传感器、惯性传感器、距离传感器或图像传感器)的感测到的信息。这样的信息可以关于可移动物体、载体和/或载荷的位置(例如，位置、方向)、移动或加速度。来自载荷的这样的信息可以包括由该载荷捕捉的数据或感测到的该载荷的状态。由终端1112提供并传输的控制数据可被配置用于控制可移动物体1100、载体1102或载荷1104中的一个或多个的状态。备选地或组合地，载体1102和载荷1104还可以各自包括通信模块，该通信模块被配置用于与终端1112通信，以使得该终端可独立地与可移动物体1100、载体1102和载荷1104中的每一个通信和对其加以控制。

在一些实施方式中，可移动物体1100可被配置用于与另一远程设备相通信——附加于终端1112或代替终端1112。终端1112也可被配置用于与另一远程设备以及可移动物体1100相通信。例如，可移动物体1100和/或终端1112可以与另一可移动物体或者另一可移动物体的载体或载荷相通信。当需要时，所述远程设备可以是第二终端或其他计算设备(例如，计算机、笔记本电脑、平板计算机、智能电话或其他移动设备)。远程设备可被配置用于向可移动物体1100传输数据、从可移动物体1100接收数据、向终端1112传输数据以及/或者从终端1112接收数据。可选地，远程设备可以连接至因特网或其他电信网络，以使得从可移动物体1100和/或终端1112接收的数据可被上传至网站或服务器。

图12是根据实施方式中的用于控制可移动物体的系统1200的通过框图来说明的示意图。系统1200可以与本文所公开的系统、设备和方法的任何合适的实施方式结合使用。系统1200可以包括感测模块1202、处理单元1204、非易失性计算机可读介质1206、控制模块1208和通信模块1210。

感测模块1202可以利用不同类型的传感器来通过不同方式收集与可移动物体有关的信息。不同类型的传感器可以感测不同类型的信号或者来自不同来源的信号。例如，所述传感器可以包括惯性传感器、GPS传感器、距离传感器(例如，激光雷达)或视觉/图像传感器(例如，相机)。感测模块1202可以有效地耦合至具有多个处理器的处理单元1204。在一些实施方式中，感测模块可以有效地耦合至传输模块1212(例如，Wi-Fi图像传输模块)，该传输模块被配置用于向合适的外部设备或系统直接传输感测数据。例如，传输模块1212可以用于向远程终端传输由感测模块1202的相机捕捉的图像。

处理单元1204可以具有一个或多个处理器，诸如可编程处理器(例如，中央处理器(central processing unit，CPU))。处理单元1204可以有效地耦合至非易失性计算机可读介质1206。非易失性计算机可读介质1206可以储存可由处理单元1204执行的逻辑、代码和/或程序指令，用以执行一个或多个步骤。非易失性计算机可读介质可以包括一个或多个存储器单元(例如，可移动介质或外部存储器，诸如SD卡或随机存取存储器(random accessmemory,RAM))。在一些实施方式中，来自感测模块1202的数据可直接传送至并储存于非易失性计算机可读介质1206的存储器单元内。非易失性计算机可读介质1206的存储器单元可以储存可由处理单元1204执行的逻辑、代码和/或程序指令，用以执行本文所描述的方法的任何合适的实施方式。例如，处理单元1204可被配置用于执行指令，从而使处理单元1204的一个或多个处理器分析由感测模块产生的感测数据。存储器单元可以储存要由处理单元1204处理的、来自感测模块的感测数据。在一些实施方式中，非易失性计算机可读介质1206的存储单元可以用于储存由处理单元1204产生的处理结果。

在一些实施方式中，处理单元1204可以有效地耦合至控制模块1208，该控制模块1208被配置用于控制可移动物体的状态。例如，控制模块1208可被配置用于控制可移动物体的推进机构以调节可移动物体关于六个自由度的空间排列、速度和/或加速度。备选地或组合地，控制模块1208可以控制载体、载荷或感测模块的状态中的一个或多个。

处理单元1204可以有效地耦合至通信模块1210，该通信模块1210被配置用于传输数据和/或接收来自一个或多个外部设备(例如，终端、显示设备或其他遥控器)的数据。可以使用任何合适的通信手段，诸如有线通信或无线通信。例如，通信模块1210可以利用局域网(local area networks,LAN)、广域网(wide area networks,WAN)、红外线、无线电、WiFi、点对点(Point-to-Point,P2P)网络、电信网络、云通信等之中的一种或多种。可选地，可以使用中继站，诸如塔、卫星或移动台。无线通信可以依赖于距离或独立于距离。在一些实施方式中，通信可能需要或者可能不需要视线。通信模块1210可以传输和/或接收来自感测模块1202的感测数据、由处理单元1204产生的处理结果、预定控制数据、来自终端或遥控器的用户命令等之中的一个或多个。

系统1200的组件可以按任何合适的配置来布置。例如，系统1200的一个或多个组件可以位于可移动物体、载体、载荷、终端、感测系统或与上述的一个或多个相通信的附加的外部设备上。此外，虽然图12描绘了单一处理单元1204和单一非易失性计算机可读介质1206，但本领域技术人员将会理解，这并不局限于此，并且系统1200可以包括多个处理单元和/或非易失性计算机可读介质。在一些实施方式中，所述多个处理单元和/或非易失性计算机可读介质中的一个或多个可以位于不同的位置，诸如在可移动物体、载体、载荷、终端、感测模块、与上述的一个或多个相通信的附加的外部设备上或其合适的组合，以使得由系统1200执行的处理和/或存储器功能的任何合适的方面可以发生于一个或多个上述位置处。

本文中使用的A和/或B包含A或B中的一个或多个以及其组合，诸如A和B。

虽然本文已经示出和描述了本发明的优选实施方式，但对于本领域技术人员显而易见的是，这样的实施方式只是以示例的方式提供的。本领域技术人员现将会在不偏离本发明的情况下想到许多更改、改变和替代。应当理解，在实践本发明的过程中可以采用对本文所描述的本发明实施方式的各种替代方案。以下权利要求旨在限定本发明的范围，并因此覆盖这些权利要求范围内的方法、结构及其等效项。

Claims

1.一种用于在环境内控制无人飞行器的方法，所述方法包括：

生成第一信号以使所述无人飞行器在所述环境内航行；

使用由所述无人飞行器携带的多个传感器来接收关于所述环境的至少一部分的感测数据；

基于所述感测数据，生成表示所述环境的所述至少一部分的环境地图；其中，所述环境地图包括基于第一感测数据生成的第一环境地图和基于第二感测数据生成的第二环境地图，所述第一感测数据是由第一传感器获取的，所述第二感测数据是由第二传感器获取的；

使用所述环境地图来检测位于所述环境的所述部分中的一个或多个障碍物；以及

使用所述环境地图来生成第二信号以使所述无人飞行器航行，以便避开所述一个或多个障碍物；

其中，生成所述第一信号包括为所述无人飞行器生成的飞行路径，并且其中生成所述第二信号包括基于所述环境地图来修改所述飞行路径，以便避开所述一个或多个障碍物；修改后的所述飞行路径被配置用于将所述无人飞行器从当前位置引导至先前位置。

2.根据权利要求1所述的方法，其中所述无人飞行器被配置用于检测限制飞行区域的存在，并且不在所述限制飞行区域的预定距离内飞行。

3.根据权利要求1所述的方法，其中所述多个传感器包括全球定位系统（GPS）传感器。

4.根据权利要求1所述的方法，其中所述多个传感器包括视觉传感器。

5.根据权利要求1所述的方法，其中所述多个传感器包括距离传感器。

6.根据权利要求5所述的方法，其中所述距离传感器包括以下至少一种：激光雷达传感器、超声传感器或飞行时间相机传感器。

7.根据权利要求1所述的方法，其中所述环境地图包括拓扑地图。

8.根据权利要求1所述的方法，其中所述环境地图包括尺度地图。

9.根据权利要求8所述的方法，其中所述尺度地图包括以下至少一种：点云、3D 网格地图、2D 网格地图或2.5D 网格地图。

10.根据权利要求8所述的方法，其中所述尺度地图包括占据网格地图。

11.根据权利要求1所述的方法，其中基于从与所述无人飞行器通信的远程终端接收到的指令来生成所述第一信号。

12.根据权利要求11所述的方法，其中所述指令由用户输入到所述远程终端中。

13.根据权利要求1所述的方法，其中由所述无人飞行器自主生成所述第一信号。

14.根据权利要求1所述的方法，其中所述感测数据包括相对于多个不同坐标系的数据，并且生成所述环境地图包括将所述数据映射到单一坐标系上。