LiDARFlow：机载LiDAR与面板法实现未知环境实时MAV避障

如何仅依赖机载LiDAR感知，在无先验地图的未知环境中为微型飞行器实时生成平滑且无碰撞的引导指令？

在搜索救援、灾害现场等未知环境中，无法预先建图，MAV必须依靠机载感知实时避障。现有优化类规划器需要构建和维护地图，且求解优化计算量大，难以在小型机载硬件上高频重规划；许多反应式方法如人工势场存在局部极小值，可能使无人机无法到达目标。PGFlow等势流方法此前需要预先已知障碍物位置和几何。

此前方法分为两类。优化类方法例如FASTER、MADER、EGO-Planner、EGO-Swarm、SUPER，通常依赖全局地图并在线求解轨迹优化，计算负担较重。反应式方法包括控制屏障函数、速度障碍和势场/引导向量场，其中PGFlow来源于空气动力学面板法，但原始方法假设完全已知障碍物；在未知环境中的扩展此前仅在硬件在环仿真、地面机器人或纯仿真中验证。

LiDARFlow将两种速度场叠加：由收敛引导向量场生成标称运动，由PGFlow面板法生成避障场。障碍物表示在线构建：Livox MID-360以约10 Hz输出稠密点云，先进行0.2米体素降采样，裁剪到感兴趣区域并滤除近场点，再投影到水平面聚类，用迭代RANSAC直线拟合提取障碍物线段，并通过时间分段图保持和更新障碍物。PGFlow将这些线段作为面板，计算排斥速度场，只考虑水平面x和y分量，垂直方向忽略。整个系统在Raspberry Pi 5上运行，与Paparazzi自驾仪通信，输出速度指令。

在ENAC的10乘10米室内飞行竞技场进行真机实验，位置由16相机OptiTrack提供，障碍物位置对无人机未知，且从无人机视角视为非静态。航点场景中，无人机从A等于(-2,-4)米飞往B等于(2,4)米再返回，速度上限0.5米每秒，两个障碍物位于(-1.5,-1.75)米和(-0.5,2)米，成功到达航点并保持无碰撞。方向引导场景中，先沿(0,1)方向飞行，后改为(1,0)方向，速度上限0.5米每秒，三个障碍物位于(-2,1)米、(1.5,0.5)米和(-1,-2)米，成功跟随指令方向并避开障碍。PGFlow算法以100赫兹运行；面板矩阵求逆复杂度为O(n^3)，在1、5、10、20赫兹更新频率下最大面板数分别为2025、1100、725、506。论文未报告重复试验次数。

作者承认轨迹出现明显振荡和急转弯，主要原因是障碍物检测不稳定，估计的障碍物尺寸在帧间无规律变化。飞行速度仅为约0.5米每秒，尚未在高速下验证。所有障碍物均为静态，方法未处理快速移动障碍物。实验仅考虑凸障碍物，凹形障碍物可能引入局部极小值。位置状态来自外部OptiTrack，未验证机载状态估计。引导仅考虑水平面，忽略z轴运动。点云完整从C++驱动经TCP传输到Python处理，效率较低。论文未报告多机扩展，也未进行用户研究。此外，尚无正式证明两个无局部极小值场叠加后仍保持该性质。