无人机的飞行感知技术解析（二）
周围环境状态感知
测距模块
这里列举五个常用的测距模块：超声波、红外TOF、激光、毫米波雷达、深度感知摄像头。
超声波和红外TOF各方面性能比较相似，比如测量距离都比较近，像超声波测量的距离一般在4米左右。另外这两种传感器的使用范围都容易受到实际环境的限制，比如红外TOF是向被测物体表面发射红光并反射，如果遇到红光反射率不高的物体像玻璃就会失效。但这两种传感器有一个最大的优势就是成本低，另外模块体积也比较小，所以在消费类无人机上得到了广泛使用。
激光雷达测距一般都比较远，大多数产品都可以达到100米以上，但是大雨大雾的天气环境会影响其测量结果。另外的劣势在于成本比较高： 在激光雷达行业实力最强的是Velodyne，它的一款适用于无人机使用的小型化产品VLP-16价格也达到了1000美元以上，对于商用无人机来说成本还是比较高。
深度感知摄像头根据测量技术可以分为三种，立体摄像头，也叫双目视觉技术，代表产品就是大疆的精灵4；结构光技术，代表产品有微软的Kinect；时差测距技术（TOF），由于生产厂家较少而且成本较高，因此在无人机上的应用很少。深度感知摄像头在使用时也存在局限性，双目视觉技术的缺点是在低光环境下无法正常工作，而结构光技术则与之相反，在强光下无法正常工作。因此有的厂家把两种技术进行组合，弥补彼此的缺陷，扩大其适用的环境范围。
提高测量精度的方法
传感器校准
传感器校准，包括精校准和粗校准。精校准效果比较好，但需要昂贵的标定设备；粗校准则不需要借助外部设备，只对传感器本身进行操作即可。
以磁罗盘的粗校准为例，由于地球上任意位置的地磁场强度在较长时间跨度内都可视为是恒定的，当转动磁罗盘时，根据相对运动可假设磁罗盘固定不动，而地磁场矢量随之在转动，其矢量端点在空间的轨迹应为一个标准的球体，但由于传感器存在误差，实际测出的数据并不严格都在球体的表面，这时候就需要根据测量出来的数值以及已知的准确值来计算两者之间的换算关系，也就是该款磁罗盘的误差模型。在以后使用该款磁罗盘时就可以根据粗校准得出的误差模型来处理测量值，使得测量值的误差减小。
磁罗盘校准（SGB sbgcenter）
多种传感器数据融合
不同类型的传感器数据融合方法有多种，在业内用的比较普遍而且效果也比较好的是EKF，也就是扩展卡尔曼滤波。
以计算飞机姿态角的融合方法为例，EKF更新过程主要分为两个部分，预测更新和量测更新。预测更新主要利用陀螺仪更新预测状态量，同时计算该状态量的协方差矩阵。在量测更新中先会计算滤波增益，然后使用滤波增益融合预测状态量、加速度计以及磁罗盘的数据，成为一个融合状态量，同时计算融合状态量的协方差矩阵，在下一次更新周期的计算中使用。
计算姿态角的融合方法流程
传感器冗余设计
传感器冗余设计主要是将多个同种传感器进行组合，处理方法是首先会剔除数据异常的传感器，然后再进行传感器的融合。冗余设计不仅可以提高测量精度也可以提高整套系统的可靠性，在某一个传感器失效的情况发生时，让整个系统能够继续正常工作。
