BST在固定翼无人机上测试自主导航传感器

最近小编发现有诸多的小伙伴们对于BST在固定翼无人机上测试自主导航传感器这个问题都颇为感兴趣的，大家也都想要及时了解到BST在固定翼无人机上测试自主导航传感器相关信息，那么小编今天就来为大家梳理下具体的关于这个问题的一些消息吧。

Black Swift Technologies(BST)宣布已完成NASA资助项目的第一阶段，以展示融合大量机载传感器开辟地形尾随固定翼无人机系统(UAS)的有效性。新技术将使用BST的Black Swift S2 UAS进行演示。

BST对人工智能(AI)和机器学习的理解和整合有助于加速整个行业的UAS增长和采纳。通过固定翼无人机在障碍物和崎岖地形周围进行自主，主动导航，BST展示了技术如何帮助操作员和公众使UAS操作更简单，更安全。

“我们最先进的传感器套件和传感器融合方法为固定翼UAS提供了许多尚未见到的功能，”Black Swift Technologies首席执行官Jack Elston博士说。“将这些进展与我们功能强大的航空电子子系统相结合，可以使飞行固定翼小UAS对于在困难地形或超出视线范围内的操作更加安全。”

固定翼飞机可以在比其多转子对应物更短的时间内扫描更多的区域。然而固定翼UAS的低空传感并非没有挑战。幸免诸如树木和塔楼等障碍以及可能超过飞机爬升能力的地形变化，是固定翼飞机广泛用于科学和商业数据收集操作的一些障碍。

BST的解决方案将最先进的机器视觉技术与先进的传感器(包括激光雷达和雷达)融合到一个模块化子系统中，使固定翼UAS能够在各种剧院和天气条件下安全运行。

虽然最初的部署将侧重于固定翼UAS，最初是Black Swift S2，这个增强型机载智能子系统将在未来的迭代中扩展到多旋翼UAS以及其他UAS平台。

过去几年，多旋翼飞行器的防撞技术有了显着增长。这不仅推动了接近感应套件的小型化和多样化，而且催生了许多用于提供板载图像处理和数据融合的技术。虽然这些技术中的一些适用于固定翼避撞，但是平均多转子UAS的相对低的速度及其悬停在适当位置的能力通常产生较短距离的接近感测解决方案。较大的固定翼UAS的动态性和相对较高的速度需要更长的距离感测和预测的实时幸免决策处理能力，以使飞机有足够的时间作出反应。

用于汽车应用的自动驾驶汽车和先进驾驶员辅助系统(ADAS)的最新发展已经产生了各种远程传感器，包括雷达和激光雷达。该项目将基于视觉的常见技术与激光雷达和雷达融合在一起，使得固定翼UAS数据能够在广泛的环境中进行数据收集。

在遇到机上紧急情况的情况下，尤其是当UAS飞行超出可见视线(BVLOS)时，可以利用系统的在线机器视觉分类器安全地实现远程和自主着陆。这些分类器可以准确有效地识别可能阻碍找到可行且安全的着陆区域的障碍物(人，建造物，车辆，结构等)。结果是自主和远程着陆，不会对人或财产造成不利影响。

UAS的许多应用领域要求使用能够覆盖更大采样区域的车辆，例如管道和其他基础设施检查，岩石和泥石流监测，积雪分析，森林生物燃料计算，入侵植物物种识别，火山上的痕量气体排放观测和需要高分辨率图像的任务。

使用能够在困难环境中定期携带必要仪器的无人机系统，为从地面和卫星方法收集的数据的校准和验证提供了珍贵的贡献。这种主动遥感的使用(发出与环境相互作用的信号以及检测到的结果变化的信号)同意 从UAS收集的数据比传统的遥感方法更有效地增强综合3D模型。

在火山监测的情况下，低AGL UAS飞行(沿着森林冠层的地形)使车辆能够直接采样低于地面的气体羽流和灰云，其中在火山爆发后立即存在最丰富的化学和物理特征。

使用UAS来测量诸如野火烟雾等惊险现象，可以消除对研究人员和科学家进行近距离观察造成损害的风险。利用UAS系统为研究人员提供了收集所需数据集的能力，同时保持在远离现象惊险的安全有利位置。

Black Swift的系统同意 通过固定翼UAS在障碍物和崎岖地形周围进行主动导航，从而减少对人员或财产的不利影响。