点击下方
卡片
，关注
「3DCV」
公众号
选择
星标
，干货第一时间送达
来源：机器人大讲堂
添加小助理：cv3d001，备注：方向+学校/公司+昵称，拉你入群。文末附3D视觉行业细分群。
扫描下方二维码，加入
「3D视觉从入门到精通」知识星球
(
点开有惊喜
)
，星球内凝聚了众多3D视觉实战问题，以及各个模块的学习资料：
近20门独家秘制视频课程
、
最新顶会论文
、计算机视觉书籍
、
优质3D视觉算法源码
等。想要入门3D视觉、做项目、搞科研，欢迎扫码加入！
微型飞行器（MAV）在搜救、灾害响应等任务中具有重要应用潜力，然而，实现MAV在未知复杂环境中的高速、安全自主导航仍然面临很大挑战。
近日，香港大学的研究团队在《Science Robotics》期刊上发表了一项重要研究成果，提出了一种名为SUPER（Safety-assured high-speed aerial robot）的微型飞行器系统，通过硬件设计、传感器融合与算法优化，实现了在未知复杂环境中20米/秒的高速飞行，同时保持100%的成功率。
▍
SUPER系统的底层设计原理介绍：
高敏捷性硬件平台：
SUPER的机身设计以紧凑性与高推重比为核心目标。其轴距仅为280毫米（远小于大疆Mavic 3的380毫米），总起飞重量1.5千克，搭载四台T-Motor F90电机，单台最大推力23.6牛，总推重比超过5.0（F35战斗机的推重比为0.87）。这一设计使其能够在密集环境中执行急转弯、快速加减速等机动动作。机载计算单元采用12核4.7 GHz的Intel NUC处理器，支持实时感知与规划任务。
SUPER系统概览
三维激光雷达感知系统：
在视觉传感器方面，SUPER采用Livox MID360固态激光雷达，其感知范围达70米，点云更新频率20万点/秒，重量仅265克。相比视觉传感器的3-5米有效范围，激光雷达的长距离探测为高速飞行提供了充足的反应时间。此外，激光雷达通过飞行时间（TOF）直接获取厘米级精度深度信息，能够检测直径2.5毫米的细电线等微小障碍物，且不受光照条件影响，支持全天候任务。
SUPER系统物体跟踪的示例 (A) 跟踪森林奔跑人、(B) 黑暗室内场景、(C)大型场景、(D) 丘陵乡村行车
点云地图与时空滑动机制：
SUPER的感知模块基于FAST-LIO2激光惯性里程计，以200 Hz频率输出飞行器位姿，并通过点云地图实时构建环境模型。为处理动态障碍物，系统采用时空滑动窗口机制：每个网格单元记录最近一次被激光点击中的时间，超时未更新的网格被视为空闲区域。这一策略有效避免了移动物体遗留的“幽灵障碍物”，使SUPER能够在人员随机移动的场景中安全导航。
▍
SUPER系统核心算法基于双轨迹规划与优化策略
SUPER系统的核心算法集中在其创新的双轨迹规划与优化策略上，该策略的核心思路在于，在每个重新规划周期中，SUPER系统会同时生成两条轨迹：一条是探索性轨迹，另一条是备份轨迹。
未知环境中的安全高速导航
探索性轨迹的主要目的是最大化飞行速度，因此它覆盖了已知和未知空间。这样的设计使得SUPER系统能够在保持高速飞行的同时，积极探索未知区域。为了实现这一目标，探索性轨迹的规划采用了走廊约束的轨迹优化方法。
首先，利用A*路径搜索算法找到从当前位置到目标位置的碰撞自由路径，然后基于这条路径生成一系列重叠的多面体走廊。这些走廊代表了从起点到终点的无障碍空间，探索性轨迹就在这些走廊内进行优化。对于未知空间，SUPER系统并不视其为障碍，而是允许探索性轨迹进入，以此提升飞行速度。
双轨迹规划策略
然而，仅仅依赖探索性轨迹是不足以保证飞行安全的。因此，SUPER系统还生成了一条备份轨迹。这条轨迹完全位于已知的无障碍空间中，其作用是在探索性轨迹不可行或遇到未知障碍物时，确保MAV能够安全地切换到备份轨迹，从而避免碰撞。备份轨迹的规划同样采用了走廊约束的轨迹优化方法，但其走廊仅包含已知的无障碍空间，这保证了飞行的安全性。
杂乱环境下的导航
在轨迹优化环节，SUPER系统采用了多阶段多项式轨迹参数化方法，并通过梯度方法（如L-BFGS求解器）进行高效优化。这种方法不仅考虑了轨迹的空间形状优化，还进行了时间分配的优化，以实现高速飞行。同时，为了最大化在探索性轨迹上的飞行时间，SUPER系统还优化了切换时间，确保在尽可能晚的时间点切换到备份轨迹。
细小物体避让示例
双轨迹规划与优化策略的创新点在于它巧妙地平衡了飞行速度与安全性。通过同时生成探索性轨迹和备份轨迹，SUPER系统既能够在未知环境中保持高速飞行，又能够在必要时安全地切换到已知的无障碍空间，从而大大提高了MAV的自主导航能力，为其在复杂未知环境中的广泛应用奠定了坚实基础。
▍
实验验证：性能对比与场景应用
仿真实验中，研究团队设计了一系列随机生成的3D森林环境，涵盖了不同障碍物密度的复杂场景。通过与Bubble planner、Raptor、Faster这三种先进的基线规划器进行对比，SUPER系统展现出了明显的优势。
安全性、成功率和效率的评估
具体数据显示，在超过1000次的模拟飞行中，SUPER系统不仅将失败率大幅降低了35.9至95.8倍，还实现了更高的平均飞行速度。特别是在障碍物密度较高的复杂环境中，SUPER系统的平均飞行速度远超其他规划器，同时保持了接近完美的成功率（99.63%）。这些数据有力证明了SUPER系统算法的高效性和稳定性。
实地实验中，SUPER系统被部署到真实的森林环境中，进行了多次高速自主飞行测试。在不同光照条件下，从白天到夜晚，SUPER系统均能够精准避开障碍物，顺利到达指定目标位置。在追踪快速移动的目标时，SUPER系统展现出了卓越的导航和动态适应能力，全程未发生任何碰撞，且保持了较高的飞行速度。
特别是在避开细薄电线等难以检测的小障碍物时，SUPER系统也表现出色，成功避障率达到100%。就上述结果来看，SUPER系统在复杂真实环境中拥有良好的实用性和安全性，为未来的搜救、灾害救援等任务提供了坚实的技术基础。
▍
结语与未来：
SUPER系统的成功研发，为MAV在未知复杂环境中的高速自主导航提供了新的解决方案。通过其独特的感知、规划和控制模块设计，SUPER系统实现了在未知复杂环境中实现20米/秒级高速自主飞行，且保持零碰撞记录。团队设计的激光雷达点云直接规划、双轨迹动态切换与时空滑动地图，为高速无人系统提供了可扩展的技术范式。未来，随着固态激光雷达的轻量化与算法效率提升，SUPER的工程化应用将推动自主机器人从实验室研究向真实世界任务的大规模落地。
本文仅做学术分享，如有侵权，请联系删文。
3D视觉交流群，成立啦！
目前我们已经建立了3D视觉方向多个社群，包括
2D计算机视觉
、
最前沿
、
工业3D视觉
、
SLAM
、
自动驾驶
、
三维重建
、
无人机
等方向，细分群包括：
工业3D视觉
：相机标定、立体匹配、三维点云、结构光、机械臂抓取、缺陷检测、6D位姿估计、相位偏折术、Halcon、摄影测量、阵列相机、光度立体视觉等。
SLAM
：视觉SLAM、激光SLAM、语义SLAM、滤波算法、多传感器融合、多传感器标定、动态SLAM、MOT SLAM、NeRF SLAM、机器人导航等。
自动驾驶
：深度估计、Transformer、毫米波|激光雷达|视觉摄像头传感器、多传感器标定、多传感器融合、3D目标检测、路径规划、轨迹预测、3D点云分割、模型部署、车道线检测、Occupancy、目标跟踪等。
三维重建
：3DGS、NeRF、多视图几何、OpenMVS、MVSNet、colmap、纹理贴图等。
无人机
：四旋翼建模、无人机飞控等
2D计算机视觉
：图像分类/分割、目标/检测、医学影像、GAN、OCR、2D缺陷检测、遥感测绘、超分辨率、人脸检测、行为识别、模型量化剪枝、迁移学习、人体姿态估计等
最前沿
：具身智能、大模型、Mamba、扩散模型、图像/视频生成等
除了这些，还有
求职
、
硬件选型
、
视觉产品落地、产品、行业新闻
等交流群
添加小助理: cv3d001，备注：
研究方向+学校/公司+昵称
（如
3D点云+清华+小草莓
）, 拉你入群。
▲长按扫码添加助理：cv3d001
3D视觉工坊知识星球
「3D视觉从入门到精通」知识星球
(
点开有惊喜
)
，已沉淀6年，星球内资料包括：
秘制视频课程近20门
（包括
结构光三维重建、相机标定、SLAM、深度估计、3D目标检测、3DGS顶会带读课程、三维点云
