在森林中找到失去的徒步旅行者可能是一个艰难而漫长的过程，因为直升机和无人驾驶飞机无法透过厚厚的树冠瞥见。最近，人们提出，可以通过树木进行摆动和编织的自主无人机可以帮助这些搜索。但用于引导飞机的GPS信号在森林环境中可能不可靠或不存在。

在下周举行的实验机器人国际研讨会上发表的一篇论文中，麻省理工学院的研究人员描述了一个自主系统，用于在密集的森林檐篷下进行协作搜索。无人机仅使用机载计算和无线通信 - 无需GPS。每个自主四旋翼无人机都配有激光测距仪，用于位置估算，定位和路径规划。当无人机飞来飞去时，它会创建一个单独的地形三维地图。算法有助于识别未探测和已搜索的点，因此它知道它何时完全映射了一个区域。车外地面站将来自多个无人机的各个地图融合成一个可由人类救援人员监控的全球三维地图。

在现实世界的实施中，虽然不在当前系统中，但无人机将配备物体检测以识别失踪的徒步旅行者。找到后，无人机将在全球地图上标记徒步旅行者的位置。然后人类可以利用这些信息来规划救援任务。“基本上，我们用无人机替换人类，使搜索和救援过程中的搜索更有效率，”第一作者，航空航天系(AeroAstro)研究生田玉伦说。研究人员在模拟随机产生的森林中测试了多架无人机，并在美国宇航局兰利研究中心的森林地区测试了两架无人机。在这两个实验中，每架无人机在大约两到五分钟内绘制了大约20平方米的区域，并将它们的地图实时协作融合在一起。无人机在多个指标上也表现良好，包括完成任务的总体速度和时间，森林特征的检测以及地图的准确合并。

探索和制图

在每架无人机上，研究人员安装了一个激光雷达系统，通过拍摄激光束并测量反射脉冲，对周围障碍物进行二维扫描。这可以用来检测树木;然而，对于无人机，个别树木看起来非常相似。如果无人机无法识别给定的树，则无法确定它是否已经探测过某个区域。

研究人员将他们的无人机编程为识别多棵树的方向，这更加独特。使用此方法，当LIDAR信号返回树簇时，算法计算树之间的角度和距离以识别该簇。“无人机可以使用它作为一个独特的签名来判断他们之前是否曾经访问过这个区域，或者它是否是一个新区域，”田说。这种特征检测技术有助于地面站准确地合并地图。无人机通常在环路中探索一个区域，随时进行扫描。地面站持续监控扫描。当两个无人机环绕到同一个树丛时，地面站通过计算无人机之间的相对变换来合并地图，然后融合各个地图以保持一致的方向。

“计算相对变换会告诉你如何对齐两幅地图，使其与林的外观完全一致，”田说。在地面站，称为“同步定位和映射”(SLAM)的机器人导航软件 - 它既映射未知区域并跟踪区域内的代理 - 使用LIDAR输入来定位和捕获无人机的位置。这有助于它准确地融合地图。最终结果是具有三维地形特征的地图。树木显示为蓝色到绿色的色调块，具体取决于高度。未探测的区域是黑暗的，但是当它们被无人机映射时变成灰色。机载路径规划软件告诉无人机在飞行时总是探索这些黑暗未探测区域。田说，制作三维地图比简单地将相机连接到无人机并监控视频输入更可靠。例如，将视频传输到中心站需要大量带宽，这些带宽可能在森林地区不可用。

更有效的搜索

一项重要的创新是一种新颖的搜索策略，让无人机更有效地探索一个区域。根据更传统的方法，无人机将始终搜索最近的可能未知区域。但是，这可能是无人机当前位置的任意方向。无人机通常飞行很短的距离，然后停下来选择一个新的方向。“这不尊重无人机的动态[运动]，”田说。“它必须停下来转动，这意味着它在时间和能量方面效率非常低，而且你无法真正提速。”

相反，研究人员的无人机探索最近的可能区域，同时考虑它们的速度和方向，并保持一致的速度。这种策略 - 无人机倾向于以螺旋形式传播 - 更快地覆盖搜索区域。“在搜索和救援任务中，时间非常重要，”田说。在论文中，研究人员将他们的新搜索策略与传统方法进行了比较。与该基线相比，研究人员的策略帮助无人机覆盖了更多的区域，更快的速度和更高的平均速度。

实际使用的一个限制是无人机仍然必须与车外地面站通信以进行地图合并。在他们的户外实验中，研究人员必须建立一个连接每个无人机和地面站的无线路由器。在未来，他们希望设计无人机在接近彼此时进行无线通信，融合他们的地图，然后在他们分开时切断通信。在这种情况下，地面站将仅用于监控更新的全球地图。该论文的共同作者是：Katherine Liu，麻省理工学院计算机科学与人工智能实验室(CSAIL)和AeroAstro的博士生;Kyel Ok，CSAIL博士生和电气工程与计算机科学系;美国宇航局兰利研究中心的Loc Tran和Danette Allen;Nicholas Roy，AeroAstro教授和CSAIL研究员;和Jonathan P. How，Richard Cockburn Maclaurin航空航天教授。