2. 无人机平台与避障基础

要让多传感器三维避障真正落地，首先必须把“载体”和“空间语言”说清楚。无人机平台决定了传感器能装在哪里、能承受多大重量、能提供哪些状态量；坐标系决定了不同传感器数据如何统一到同一参考框架；三维运动学决定了障碍物与机体之间的相对运动如何描述；避障术语则决定了算法模块之间如何对齐输入输出。本节围绕这四个基础问题展开，为后续融合感知与避障决策建立共同底座。

一、常见无人机类型与避障适配差异

多旋翼、固定翼和复合翼是三类最常见的平台。多旋翼可悬停、低速机动强，适合室内外近距离避障，但续航短、载荷有限；固定翼巡航效率高、速度快，避障需要更远的前向感知距离和更早的决策时间；复合翼兼顾垂直起降与巡航，但模式切换时姿态变化大，对传感器安装和坐标系对齐要求更高。选择平台时，不能只看“能不能飞”，而要看“避障链路是否匹配”。

二、坐标系定义：把多源数据放进同一张地图

无人机避障中常见的坐标系包括：世界坐标系（W）、机体坐标系（B）、传感器坐标系（S）和图像/像素坐标系（I）。世界坐标系通常取起飞点或局部东北天（ENU）方向，用于表达全局障碍物位置和航迹；机体坐标系原点在质心，x 轴指向机头，y 轴指向右侧，z 轴指向下方或上方，具体依平台定义；传感器坐标系由安装位置和朝向决定，例如激光雷达、相机、毫米波雷达各自有独立原点；图像坐标系则描述像素平面上的投影位置。

不同坐标系之间通过外参矩阵 \(T_{B\leftarrow S}\)、\(T_{W\leftarrow B}\) 进行变换。若外参标定不准，视觉检测到的障碍物在融合后会“漂移”到错误位置，导致避障决策误判。因此，坐标系定义不是数学装饰，而是多传感器融合的物理基准。

三、三维空间运动学：位置、姿态与相对运动

无人机在三维空间中的状态通常用位置 \(p=[x,y,z]^T\)、速度 \(v=[v_x,v_y,v_z]^T\)、姿态（滚转 \(\phi\)、俯仰 \(\theta\)、偏航 \(\psi\)）以及角速度表示。避障关注的核心不是绝对位置本身，而是“障碍物相对本机的运动趋势”。设障碍物在世界系中的位置为 \(p_o\)，本机位置为 \(p_u\)，则相对位置为 \(r=p_o-p_u\)。若相对距离在短时间内持续减小，且最近接近点（CPA）小于安全半径，就触发避障。

对于多旋翼，常用速度控制或位置控制；对于固定翼，则需考虑最小转弯半径和速度约束。三维运动学还涉及加速度限制、姿态角限制和动力学延迟。避障算法若忽略这些约束，可能给出“理论上可行、实际上飞不到”的轨迹。

相对位置: r = p_o - p_u
相对速度: v_r = v_o - v_u
最近接近时间: t_cpa = -(r · v_r) / |v_r|^2
最近接近距离: d_cpa = |r + v_r * t_cpa|
若 d_cpa < R_safe 且 t_cpa > 0，则判定为碰撞风险

四、避障基本概念与术语

• 障碍物：任何占据空间、可能与本机发生碰撞的物体，包括静态建筑、树木、电线，以及动态无人机、飞鸟等。
• 安全半径 \(R_{safe}\)：本机与障碍物之间允许的最小距离，通常由平台尺寸、定位误差和风扰共同决定。
• 检测距离：传感器能稳定发现障碍物的最远距离，决定避障决策的提前量。
• 视场角（FOV）：传感器覆盖的角度范围，多传感器融合时需关注视场互补与盲区。
• 虚警与漏检：虚警会把无威胁目标当成障碍，漏检则直接带来碰撞风险，二者需在融合层平衡。
• 避障策略：包括停障、绕障、爬升/下降、速度调整和路径重规划等。
• 反应时间：从感知到执行机构响应的时间，必须小于障碍物进入安全半径的时间。

五、案例场景：多旋翼在树林中的一次避障链路

假设一架多旋翼以 3 m/s 前飞，前方 8 m 处有一棵树。激光雷达在 8 m 处检测到点云簇，视觉同时给出语义“树木”，融合模块将两者统一到机体坐标系，得到相对位置 \(r=[8,0,0]^T\)、相对速度 \(v_r=[-3,0,0]^T\)。计算得 \(t_{cpa}\approx 2.67s\)，\(d_{cpa}\approx 0m\)，小于安全半径 1.5 m，系统触发绕障。飞控根据避障模块输出的侧向速度指令，向右平移 2 m 后恢复前飞。整个过程依赖坐标系对齐、时间同步和运动学预测，任何一环偏差都会导致绕障失败。

六、复盘：基础不牢，融合必乱

在多传感器三维避障中，平台类型决定传感器布局与运动约束，坐标系决定数据能否对齐，三维运动学决定风险判断是否准确，术语决定团队沟通是否一致。建议在项目初期就固定坐标系定义、安全半径、时间同步机制和避障触发条件，并形成文档。后续的卡尔曼滤波、点云融合、代价地图和轨迹规划，都建立在这一节的基础之上。