1. 课程导入

无人机从“能飞”走向“能自主飞”，最关键的一步不是飞得更快、更高，而是在复杂三维环境中安全地感知、判断与规避。当无人机执行电力巡检、城市物流、应急救援、农业植保或室内盘点任务时，它面对的不是一张平面地图，而是一个充满树木、楼宇、电线、飞鸟、玻璃幕墙和其他飞行器的立体空间。三维避障，正是让无人机在这个立体空间中获得“空间感”和“决策力”的核心能力。

一、为什么三维避障是无人机自主化的分水岭

传统无人机多依赖GPS航点飞行，遇到障碍时只能靠操作手目视判断或简单的高度保持。这种方式在开阔场景尚可，一旦进入城市峡谷、林区、室内或GNSS拒止环境，风险会急剧上升。三维避障的意义体现在三个层面：

• 安全层：提前发现静态障碍与动态入侵目标，避免碰撞造成的机体损毁和人员伤害。
• 任务层：在狭窄通道、密集植被、楼宇之间保持连续飞行，提升任务完成率。
• 合规层：超视距运行、城市物流和载人场景对感知与规避能力有明确要求，避障是适航与运行许可的重要支撑。

换句话说，三维避障不是“锦上添花”的辅助功能，而是无人机从遥控工具升级为自主平台的门槛能力。

二、单传感器为何不够：多传感器融合的必要性

没有任何一种传感器能在所有场景中同时满足“远距离、高精度、全天候、低成本、小体积”的要求。摄像头分辨率高、成本低，但受光照和纹理影响大；激光雷达测距精准、不受光照影响，但雨雾衰减明显、成本较高；毫米波雷达穿透雨雾能力强，但角分辨率有限；超声波适合近距悬停，却难以覆盖中远距离；IMU和GNSS提供自身状态，却无法直接感知外部障碍。

因此，多传感器融合的本质是用互补性对抗不确定性：让不同物理原理的传感器在时间、空间和置信度上互相校验，形成比任何单一传感器更稳健的环境认知。下面的信号链图展示了从多源感知到三维避障决策的典型数据流。

三、课程整体框架：从感知到决策的完整闭环

本课程围绕“感知—融合—建图—规划—控制—验证”这条主线展开，共30章，逐步从概念走向工程实现。整体框架可以概括为五个模块：

四、学习路径与典型场景

建议的学习路径是：先建立传感器与坐标系的基本认知，再掌握融合估计的数学工具，随后进入三维建图与规划算法，最后通过仿真和外场实验完成闭环验证。对于有ROS/ROS2基础的学员，可以同步动手搭建Gazebo或AirSim仿真环境；对于偏算法的学员，建议重点吃透卡尔曼滤波与因子图优化；对于偏系统的学员，则应关注时间同步、标定误差和算力约束。

一个典型场景是城市物流无人机在楼宇间穿行：视觉识别楼体边缘与窗户纹理，LiDAR提供精确距离，毫米波雷达探测雨雾中的动态目标，IMU/GNSS提供自身位姿。融合模块将四类数据统一到同一时空基准，生成三维占据栅格，规划器据此输出绕行轨迹。若某一传感器失效，系统应能降级运行而非直接失控。

五、常见误区与复盘提示

• 误区一：传感器越多越好。盲目堆叠会增加标定难度、算力负担和故障面，应按场景需求选择互补组合。
• 误区二：只关注算法，忽视时间同步。毫秒级时间偏差在高速飞行中会直接导致融合结果错位。
• 误区三：用单一指标评价避障。成功率、最小安全距离、重规划频率、算力占用需要综合评估。
• 误区四：仿真通过就认为外场可行。光照、雨雾、电磁干扰和GNSS遮挡必须在真实环境中验证。

# 建议的入门验证流程（示意）
1. 采集一段包含静态障碍与动态目标的飞行数据
2. 检查各传感器时间戳对齐情况
3. 运行融合节点，输出三维占据栅格
4. 对比融合前后障碍物位置误差
5. 回放规划轨迹，统计最小安全距离与重规划次数
6. 记录失败案例，定位是感知、融合还是规划环节的问题

当你能够清晰地回答“无人机此刻看到了什么、它有多确定、下一步该怎么走”这三个问题时，就已经真正进入了三维避障融合的大门。接下来的章节，将沿着这条主线逐层展开。