学术研究报告：无人机-地面车辆协作系统中的无全局状态避障算法
一、研究团队与发表信息
本文由浙江大学湖州研究院的张宝哲（Baozhe Zhang）、陈新伟（Xinwei Chen）、陈清澄（Qingcheng Chen）、徐超（Chao Xu, IEEE Senior Member）、高峰（Fei Gao, IEEE Member）与曹彦君（Yanjun Cao）共同完成，发表于IEEE Robotics and Automation Letters 2025年7月刊（Volume 10, Issue 7）。论文标题为《Global-State-Free Obstacle Avoidance for Quadrotor Control in Air-Ground Cooperation》，聚焦无人机（UAV）与无人地面车辆（UGV）协作中的动态避障问题。
二、研究背景与目标
*科学领域与背景*：研究属于机器人自主导航与多机协作领域。现有UAV-UGV协作系统（如CONI-MPC框架）依赖相对状态控制，避免了全局状态估计（如GPS或SLAM）的需求，但缺乏环境感知能力，导致避障成为关键瓶颈。在UGV非惯性参考系（non-inertial frame）中，静态障碍物会因UGV运动变为“动态”，传统基于欧几里得符号距离场（ESDF）或速度障碍法（VO）的算法因依赖全局信息或障碍物预测而失效。
*研究目标*：提出新型避障算法CONI-OA（Cooperative Non-Inertial frame-based Obstacle Avoidance），仅需单帧激光雷达（LiDAR）数据，通过调制矩阵（modulation matrix）实时调整无人机速度，实现无全局状态依赖的动态避障。
三、研究方法与流程
1. 问题建模与算法设计
- 非惯性系动力学模型：定义无人机在UGV非惯性系中的状态向量（位置、速度、姿态四元数），推导考虑UGV角速度与加速度影响的动力学方程（公式1）。
- 调制矩阵生成（核心创新）：
- 数据采样：无人机搭载LiDAR获取单帧点云数据，映射至UGV非惯性系，构成障碍物点集φ(t)。
- 方向加权：计算障碍物点的加权参考方向r(ξ)（公式4-6），反映虚拟障碍物对无人机的综合排斥方向。
- 调制定律：通过Householder变换生成正交基矩阵e(ξ)，结合特征值矩阵d(ξ)（公式7-9）调制初始速度，确保避障轨迹的动态可行性。
- 实时轨迹生成：结合比例控制（公式12）和微分平坦性（differential flatness）特性，生成局部无碰撞轨迹（算法2），由CONI-MPC跟踪执行。
四、主要结果
1. 算法效率：单帧LiDAR数据处理耗时4.91ms（4000点云），轨迹生成频率＞100Hz，满足实时性需求。
2. 动态避障性能：
- LF任务中，无人机成功追踪固定相对位置（1.0, 0.0, 0.5）并避开动态障碍物（图9a）。
- OF任务中，无人机沿半径1.5m的轨迹飞行，UGV旋转（ω=0.5 rad/s）时仍保持安全距离（图10）。
3. 适应性验证：在退化场景（UGV静止，视为惯性系）中，CONI-OA成功处理静态障碍（图8），证明其通用性。
五、结论与价值
*科学价值*：
- 理论创新：首次提出非惯性系下的调制避障算法，解决了动态环境中无全局状态的避障难题。
- 方法优势：无需障碍物建模或预测，仅依赖单帧传感器数据，显著降低计算负载。
*应用价值*：
- 复杂场景扩展：适用于无特征环境（如GPS拒止区域）、多机协作（如集群搜索救援）。
- 硬件兼容性：兼容低成本LiDAR与嵌入式处理器，便于工业部署。
六、研究亮点
1. 无全局依赖：完全摒弃SLAM与全局定位，仅需相对状态与LiDAR数据。
2. 实时性突破：调制矩阵直接操作速度向量，避免优化求解延迟。
3. 动态适应性：通过非惯性系动力学模型统一处理静/动态障碍物。
七、局限与展望
当前算法对UGV剧烈运动（如高频角加速度）敏感，未来计划融合高频LiDAR与实时相对状态估计以提升鲁棒性，并扩展至多无人机协作场景。
（注：全文术语首次出现时标注英文，如“非惯性系（non-inertial frame）”）