3. 视觉感知硬件与数据链路

无人飞行器视觉感知系统的性能上限，往往在硬件选型与数据链路设计阶段就已经被决定。算法可以迭代，但相机、镜头、同步方式、机载算力与数据通路一旦确定，后续能优化的空间就非常有限。本节围绕“看得清、对得准、传得回、算得动”四个环节，梳理从传感器到ROS/ROS2节点的完整链路。

一、相机类型与选型依据

无人机视觉常用的相机可分为三类。第一类是卷帘快门（Rolling Shutter）CMOS相机，逐行曝光，成本低、功耗小，适合悬停或低速飞行下的建图与识别；但高速运动或强振动时会产生“果冻效应”，导致几何畸变。第二类是全局快门（Global Shutter）相机，所有像素同时曝光，适合高速飞行、视觉里程计、动态目标跟踪等对几何一致性要求高的场景。第三类是事件相机（Event Camera），只输出亮度变化事件，动态范围极高、延迟极低，适合高动态、强光照变化环境，但数据格式与传统图像差异大，算法生态尚不成熟。

选型时需重点权衡以下参数：分辨率与帧率的乘积决定数据带宽；像元尺寸影响低照度灵敏度；快门类型决定运动场景适用性；接口类型（USB3.0、GigE、MIPI CSI-2）决定传输距离与带宽上限；是否支持硬件触发与时间戳输出，直接决定多相机同步能力。例如，一台用于室内视觉里程计的四旋翼，若飞行速度约2 m/s、相机距地面1.5 m，选择1280×720@60 fps的全局快门相机通常比1920×1080@30 fps的卷帘快门相机更合适，因为前者在运动模糊与几何一致性上更可控。

二、镜头畸变与标定

广角镜头能提供更大视场，但会引入显著的径向畸变与切向畸变。径向畸变使直线向外弯曲（桶形）或向内收缩（枕形），切向畸变则源于镜头与成像平面不平行。畸变不校正，会直接破坏极线约束、三角化精度和视觉里程计的尺度一致性。

工程上通常采用张正友标定法，使用棋盘格或圆点标定板，采集15～30张不同姿态图像，通过OpenCV的calibrateCamera求解内参矩阵与畸变系数。标定结果一般包含焦距fx, fy、主点cx, cy以及畸变系数k1, k2, p1, p2, k3。对于鱼眼镜头，则使用fisheye::calibrate与等距投影模型。标定后，可通过initUndistortRectifyMap生成映射表，在图像采集线程中实时去畸变，避免在每个算法节点重复计算。

三、曝光与多传感器同步

曝光控制直接影响图像质量与算法稳定性。自动曝光（AE）在光照均匀时表现良好，但在逆光、地面反光或快速明暗切换时容易震荡。对于视觉里程计与SLAM，通常建议锁定曝光与增益，避免帧间亮度突变导致特征匹配失败。若必须使用AE，应限制曝光时间上限，防止运动模糊。

多传感器同步分为硬同步与软同步。硬同步通过飞控或同步板输出PPS/触发信号，同时触发相机曝光与IMU采样，时间对齐精度可达微秒级；软同步则依赖各传感器自身时间戳，通过ROS的message_filters做近似时间对齐，精度受系统调度与传输延迟影响，通常在毫秒级。对于VIO（视觉惯性里程计），推荐硬同步；对于慢速建图或目标检测，软同步通常足够。

四、图传与机载计算单元

图传链路承担两类任务：一是将压缩后的视频流回传地面站用于监控；二是传输遥测与指令。模拟图传延迟低但画质差、无压缩；数字图传（如5.8 GHz OFDM或4G/5G）画质好、可加密，但延迟通常在80～200 ms。若视觉算法在机载端闭环，图传仅用于监控，则延迟要求可放宽；若采用地面站算力回传控制指令，则必须把图传延迟纳入控制周期预算。

机载计算单元的选择取决于算法复杂度与功耗预算。典型方案包括：NVIDIA Jetson Orin NX（约100 TOPS，功耗10～25 W）、Jetson Xavier NX（约21 TOPS，功耗10～20 W）、瑞芯微RK3588（约6 TOPS，功耗5～10 W）以及高通RB5。对于运行VIO+轻量目标检测的机型，Xavier NX或Orin NX是常见选择；若仅运行光流与稀疏特征跟踪，RK3588即可满足。选型时需同时核对相机接口数量、MIPI CSI通道数、USB带宽与散热条件。

五、ROS/ROS2数据流搭建

在ROS/ROS2中，视觉链路通常拆分为多个节点，以降低耦合、便于替换。一个可用的最小数据流如下：

# 终端1：启动相机驱动，发布 /image_raw 与 /camera_info
ros2 launch usb_cam usb_cam.launch.py

# 终端2：去畸变节点，订阅 /image_raw，发布 /image_rect
ros2 run image_proc rectify_node

# 终端3：VIO节点，订阅 /image_rect 与 /imu/data，发布 /odom
ros2 run vins_estimator vins_node

# 终端4：目标检测节点，订阅 /image_rect，发布 /objects
ros2 run yolov5_ros detect_node

# 终端5：mavros，订阅 /odom 与 /objects，发布 /mavros/setpoint_position/local
ros2 launch mavros px4.launch

关键配置点有三处。第一，时间戳来源：相机驱动应使用硬件时间戳而非系统时间，否则与IMU对齐误差会显著增大。第二，QoS策略：图像话题数据量大，建议使用SensorDataQoS（Best Effort），避免因重传导致延迟累积；控制指令话题则应使用Reliable。第三，坐标系与TF：需建立camera_link → base_link → map的变换链，VIO输出的位姿才能被飞控正确使用。

整条链路的设计原则是：采集端做重活，算法端做轻活，控制端做快活。去畸变、压缩、时间戳对齐尽量前移；算法节点只处理已校正、已同步的数据；控制指令走最短路径、最高优先级。这样即使某一环节出现延迟，也不会级联放大到飞行控制上。