防/救災應用帶動 無人機軟/硬體設計加速進化

2016-06-22
無人機發展潛力無限,而防/救災應用更是目前無人機最大利基之市場需求之一。無人機業者除持續加強機體設計,使其具備更高性能之外,救難單位與空拍服務業者也已開始運用3D建模技術,以增進救災效率及安全性。
3D建模技術使無人機救災應用更上層樓。無人機目前已陸續導入救災工作中,顯著提升救災工作的效率與安全性。為了進一步提升無人機的效益,救難單位與空拍服務業者已開始運用3D建模技術,利用無人機拍攝的照片建構出精確的3D模型,讓救災人員可從各種角度觀看災難現場,準確判斷狀況。

3D建模技術助力 無人機救災效用再提升

圖1 台中市土木技師公會理事張渝江表示,採用3D建模可使救災人員更精確地了解災難現場,進而提升救災效率。
台中市土木技師公會理事張渝江(圖1)表示,防/救災已成為無人機應用發展重點之一,各國政府目前也陸續採用此一方式,以提高救災效率及降低現場救災人員傷亡。例如採用無人機搭配熱影像處理鏡頭,便可詳細觀察到火場的狀況,或是地震時,當交通中斷無法通行,也可派出無人機進行勘查。同時,將無人機所拍攝到的影像進行3D建模之後,可使救災人員更精確地了解災難現場,進而提升救災效率。

據悉,採用3D建模後完成的實景3D模型,在災難發生當下,可以提供現場救災人員從各種角度觀看災難現場,判斷災害狀況;同時,還可在3D模型上面進行量測,例如可量測出地震發生前的大樓高度、地震後的崩塌面積及體積等,供救災單位進行應用及決策使用,進而做出如何搜救的最佳判斷。

值得注意的是,進行3D建模時,最重要的是降低誤差率。對此,台北科技大學土木暨防災所副教授張國楨指出,過往進行人工攝影測量時,往往是採用高精度的相機鏡頭,所拍攝出來的照片解析度也較高,因此大多只需兩張照片就可進行3D建模。然而,無人機常因成本考量,無法採用精度、性能較強的相機鏡頭,如此一來進行3D建模時便容易產生誤差。

為改善此一情況,便須採用近體攝影的方式,以降低3D建模誤差率。張國楨進一步解釋,此一拍攝方式為針對同一個目標物,不停拍攝許多張照片,進而辨識目標物的實際狀況,並進一步採用統計的方式降低誤差率,以進行3D建模。換言之,若拍攝的照片越多,最後建立出來的3D模型精確度便越高。

至於未來無人機的應用方向,張國楨認為可朝創新服務發展。像是參考Uber的營運模式,採用共享經濟的概念,建立一個共同平台以進行資源分享。舉例而言,當A地的民眾需要關於B地的資訊時,在平台上發送要求後,便有B地民眾使用無人機收集相關資訊,上傳到該平台上供A地民眾參考。如此一來,不管身在何處,都可迅速掌握各地的資訊。

滿足防/救災應用 無人機著重四大設計面向

為滿足防/救災應用需求,無人機業者從四大設計角度切入,致力提升無人機性能,以滿足防/救災市場需求及增進效率。

圖2 經緯航太科技股份有限公司行銷企劃部經理余紹華表示,無人機設計須易拆解,才可滿足機動應用需求。
經緯航太科技股份有限公司行銷企劃部經理余紹華(圖2)表示,為滿足防/救災需求,無人機須朝具較優機動性、較長滯空時間、機構強度較大,以及適合多重酬載搭配這四個方向進行設計。

據悉,目前無人機大多採用燃料(92無鉛汽油)或電池當作動力系統,但未來若是要發展較長滯空時間,太陽能供電將是必然的趨勢;若採用太陽能供電,無人機滯空時間有望達到4∼8小時。提升機體強度,則是為了使無人機可因應氣候環境的影響,例如台灣常有颱風,或海面上的風力級數時常超過八級風,因此,須提升機構強度,使無人機抗風能力可達到八級風力的等級。

同時,為增進機體機動性,目前無人機多採用複合碳纖維之材料打造,使其達到較輕的重量;而較輕的機體重量,便代表可搭載較多樣的酬載裝備,如同時搭載相機鏡頭、光達,或是熱影像感測器等。如此一來便只須飛行一次就可得到所需的資訊,進而降低拍攝任務成本。

除上述所提的四大方向之外,易拆卸運送也是未來無人機設計時的重點之一。余紹華進一步解釋,由於台灣地形多為高山,有時車輛難以通行,因此無人機須具備易拆卸的條件,才可使操作人員容易攜帶,因應實際需求進行機動性的操作。

綜上所述,無人機於防/救災應用中,已成不可或缺之重要工具。為提升防/救災效率,無人機業者積極改善無人機整體設計,使其具備較佳機動性與機體強度、較長滯空時間,以及可負荷多重酬載,以降低飛行任務成本。

提升無人機飛航安全 測距感測器成要角

圖3 意法半導體技術行銷經理張程怡認為,確保無人機行進順利,須提升無人機閃避障礙物的功能。
除上述提到的防災應用之外,為使無人機滿足各種商業應用,提升無人機飛行安全已成為各大無人機製造業者亟欲克服的挑戰。意法半導體(ST)技術行銷經理張程怡(圖3)表示,提升無人機閃避障礙物的功能,將是確保無人機行進順利的一個關鍵設計。

張程怡指出,無人機避障的重點在於距離感測器的精準度,若感測精準度不佳,便無法確實分析出閃避障礙物的時機,如此一來於飛行時便容易產生意外。因此,若要使無人機實現多元的商用模式,使其具備精準的距離感測功能,將是業者設計無人機時必須克服的問題。除精準度之外,無人機避障設計還有幾個重點,分別為測距能力、視野(Field of View, FOV)大小、有效角度、環境,以及外型尺寸和耗電量等。

為提升無人機避障功能,意法推出第二代雷射測距感測器--VL53L0。此一感測器基於FlightSense技術,可實現更快、更遠及更精確的測距功能,具備4.4×2.4×1mm的精巧尺寸,為首款整合940奈米VCSEL光源、SPAD光子偵測器,以及先進微控制器(管理整個測距功能)的測距感測器。同時,該感測器搭配先進的紅外濾波器,擁有較好的環境光抗干擾性能,使肉眼看不見雷射所發出之光線及對畫面的影響。在終端應用產品中,嵌入式微控制器和數位演算法可大幅降低主機處理負荷和系統功耗。

另外,該產品可在一個畫面內完成全部測量操作,須花費時間通常小於30ms,距離小於2公尺。此一性能使照相系統在攝影和連拍模式下瞬間對焦,甚至在低光源或低對比度場景中保持同樣的性能表現,其較佳的測距精確度,可望使無人機的避障功能更上一層樓,確保飛行安全。

深度學習影像辨識能力無人機飛航安全更進一步

增進無人機飛行安全,除上述所提的須具備高精準度的測距感測器之外,採用深度學習技術,強化無人機於飛行時判斷周遭環境之能力,也是提升無人機飛航安全另一關鍵方式。

圖4 NVIDIA資深工程師蘇家興表示,深度學習可強化無人機對周遭環境辨識能力,進而確保飛行穩定度。
NVIDIA資深工程師蘇家興(圖4)表示,為使無人機飛行順利,不太可能單靠一個演算法就可使無人機於行進時對周遭環境做出很好的判斷。深度學習的優勢在於,收集到足夠的資料,並針對這些資料加以標註,提供電腦學習、分析後,便可得出準確率相當高的數據。因此,透過深度學習,可提升無人機於飛行時辨識周遭環境的準確率,並進一步與周遭環境互動。如此一來,無人機便可藉由深度學習後獲得的資料,修正行進方向。

蘇家興進一步解釋,深度學習分成兩個階段,首先為訓練(Traning),提供電腦許多資料,並標註這些資料大概屬於何種類別,使電腦自行分析數據資料的關聯性。其次,電腦於訓練好之後,便會產生一個分析模式或是分析網絡(Network),當有新的影像或圖像輸入時,電腦便可根據此一模式或網絡進行資料判別。

為使無人機具備深度學習能力,運算能力強大的圖形處理器(GPU)可說是不可或缺,為此,NVIDIA研發出Jetson TX1模組。此一模組只有信用卡般大小,可提供最新視覺運算應用所需的效能與節能效果。透過NVIDIA Maxwell架構打造,擁有256 CUDA核心,提供超過1 TeraFLOPs的效能;並具備64位元CPU、4K影片解編碼能力,以及1400 MPix/s相機介面,為嵌入式深度學習、電腦視覺、繪圖和高效能GPU運算的理想選擇。

另外,蘇家興透露,深度學習的另一好處在於,碰上前端產品無法辨識的物體圖像或影像時,便會將此一圖像或影像透過網路回傳至伺服器(Server),透過人為的方式標註此物體的類別,並加入資料庫中進行訓練,訓練完之後再回傳至前端產品。如此循環後,前端產品就會越來越智慧,其對周遭的環境辨識準確率也會愈來愈高。

無人機法規朝重量限制制定

除加強機身及相關元件設計之外,為使無人機早日商用化並確保飛航安全,各國政府也加緊腳步制定相關規範。目前歐盟、美國及台灣,皆朝向依重量區分以進行無人機飛安管制。

圖5 UL電力與能源事業部事業發展經理陳立閔指出,目前各國針對無人機之法規制定大多朝向重量管制為主。
UL電力與能源事業部事業發展經理陳立閔(圖5)表示,目前各國針對無人機之法規制定都還在研擬階段,還未確切擬訂出一個完整的規範。以歐盟為例,目前無人機在歐盟被分類在航空器,而非電子產品,且2008年歐盟就已有無人機相關法案,是以150公斤作為分界。若超過150公斤之無人機,便須遵守Regulation (EC) No 216/2008這條法令,150公斤以下便是由歐洲各國自行管制;另外,若是玩具型,無引擎動力系統的無人機,則是須遵照Directive 2009/48/EC法令。

然而,隨著無人機應用越來越多元,且目前歐洲各國制訂標準又不一致,2008所制定的法規已逐漸無法因應越來越快速的發展狀況。因此,歐洲航空安全署(EASA)決定提出統一的管制辦法,已送交歐盟執行委員會討論。

考慮無人機的不同運作方式,目前預計將無人機分成「開放」(Open)、「特定」(Specific)與「許可」(Certified)三個等級。最低的「開放」(Open)等級的無人機使用毋須先取得歐洲航空安全署同意,但必須在限制的區域與高度內飛行。同時,於開放的等級當中,歐洲航空安全署又打算以25公斤做為分界點,凡25公斤以上,便將認定為有長途航空的需求,將以航空法進行規範。

另外,美國聯邦航空總署(FAA)也在研擬無人機相關法案,雖允許商業用途,但仍將對特定安全和隱私標準設限。FAA其中一項提案將允許重量不超過以55磅,大約25公斤的無人機飛行,但有多項規定限制,包括必須在操作人員的視線範圍內,而且只能在白天飛行。

至於台灣目前也是朝著重量管制方向進行立法。於「民用航空法」修正草案當中,訂定15公斤以下遙控無人機為娛樂用途,飛行僅限特定區域,高度不能超過400呎(約40層樓),由地方政府管理;15公斤以上無人遙控機則由民航局管理,並規定操作人員需有合格證照,如飛行高度超過400呎,或在博愛特區、要塞堡壘等禁航區,或機場及其周邊的限航區,須事先申請核准,以維護飛航安全。

台灣科技大學自動控制研究所副教授李敏凡指出,以重量為管制方式的原因在於,小型無人機因體積小、重量輕,目前一般民眾多用於娛樂用途;且肇事後造成的損傷也相對較低,影響層面較小。因此,輕型無人機管控較為寬鬆;而體積較大、重量較重,且易對飛航安全造成影響的大型無人機,便需較嚴格之規定。

因應多元應用 無人機設計持續精進

面對未來無人機設計發展,余紹華認為,飛控電腦的自有化,將是台灣無人機業者的關鍵挑戰。為能實現無人機能在視距外進行自主飛行,最關鍵核心模組即為飛控電腦;若具備自有化的飛控電腦,便能倍增飛行載具系統(UAS)的系統自主發展。

然而,目前國內無人機業者飛控電腦大多是向國外購買,但由於無人機的規格會隨著不同應用而有所改變,無法時常要求國外飛控電腦業者依國內無人機廠商需求進行調整或是研發客製化的產品。為解決此一困境,飛控電腦的自有化,將是未來台灣無人機業者須致力研發的方向,擁有自行研發的飛控電腦,才可滿足各種不同應用需求,於未來提供更廣泛、客製化的應用服務。

圖6 u-blox商業開發部商業開發經理劉彥呈透露,提升無人機定位精準度,將是未來無人機業者發展的必然趨勢。
u-blox商業開發部商業開發經理劉彥呈(圖6)則表示,目前無人機於飛行時,常會碰到定位效率不佳、時間不足及定位方向不精準等情況,因此,若要發展更多元應用,提升無人機定位精準度,也是目前亟需克服的挑戰。為此,u-blox採用AssistNow輔助全球定位系統(A-GPS),提高GPS接收器性能,使其即便在訊號微弱的環境下,也能即時測算出位置。

針對此一系統,該公司提供易於安裝和操作的AssistNow Offline與AssistNow Online的A-GPS服務,前者能提供有效期長達十四天的輔助資料。因此,用戶只要不定時地連接到網際網路進行輔助資料更新,便能在更長的時間內享受到更佳的衛星截獲性能;後者在每次設備啟動時都能夠下載新的輔助資料包。

除上述兩種方式,u-blox還備有自主定位(AssistNow Autonomous)的解決方案,毋須與主機或外部網路連接,就可以提供與輔助式GPS(Assisted-GPS)類似的

圖7 Vicor應用工程師張仁程指出,功率與重量比、功率密度、較輕重量,以及小尺寸為無人機電源元件選用時關鍵考量因素。
功能性。以先前下載並儲存在GPS接收器的廣播衛星星曆資料為基礎,AssistNow Autonomous能自動產生正確的衛星軌道資料,供未來GPS位置定位之用。

於此同時,如何降低無人機功耗,也是目前各無人機製造業者致力發展的方向。對此,Vicor應用工程師張仁程表示(圖7),無人機電源元件選用時須考量功率與重量比、功率密度、較輕重量,以及尺寸小四個要素。

為滿足上述四個要素,張仁程認為,未來無人機電源元件設計,可朝六個面向發展。第一為變流器須進行降噪才可有效提昇效率之外;第二採用分離與獨立的穩壓設計,獲得更高效率;第三使用高壓直流輸電(HVDC)設計,減少配電損耗;第四,於不增加外部控制電路下達成併聯運行;第五,改善封裝技術,使元件具備更好的散熱能力;最後則是以模組化的系統進行模組設計。

圖8 新唐科技MCU經理沈子嵐表示,該公司旗下姿態運算資料庫可直接有效地控制姿態平衡穩定。
另外,為使無人機具有更佳的平衡姿態控制,新唐科技MCU經理沈子嵐(圖8)指出,該公司研發出姿態運算資料庫(AHRS Library),此一資料庫支持高達10軸的感測器運算,能取得飛行器當下的姿態動作,姿態更新率也高達500Hz,高更新率使動作可即時反應,不會產生延遲,設計者毋須再額外耗時鑽研感測器的姿態運算與數學運算問題。同時,該方案可使用2.4G專用遙控模組或是市售通用發射機接收機,且提供使用者依照各式大小軸距機架進而自行調適飛行姿態PID(Proportional Integrative Derivative)及校準感測器,能直接有效地控制姿態平衡穩定,使飛行器隨時隨地皆能正確地做出各種行動。

本站使用cookie及相關技術分析來改善使用者體驗。瞭解更多

我知道了!