论文分享：PL-ALF框架实现无人机低纹理环境自主飞行

在室内仓库、地下隧道等低纹理复杂场景中，无人机依赖视觉传感器进行自主飞行时，往往会遇到定位精度低、路径规划不稳定等难题。针对这一问题，重庆邮电大学计算机学院雷大江教授团队在IEEE Trans期刊上提出了一种新型自主飞行框架：PL-ALF。该研究成果通过P230无人机及Prometheus开源平台进行了验证，并斩获了 二等奖(5000元)。

PL-ALF系统框架

PL-ALF 框架主要由点-线特征融合 SLAM 模块和路径优化模块组成。SLAM 系统使用双目相机和 IMU 传感器，结合回环检测和局部/全局 BA 优化，提供高精度位置信息。路径优化模块则采用A-Star算法进行全局路径规划，并结合 L-BFGS 进行轨迹平滑。

点线特征融合SLAM

• 采用 ORB + LSD（线段检测） 方法，提高低纹理环境下的特征提取能力。
• 结合局部/全局捆绑调整（BA） 进行优化，增强定位精度。
• 融合 IMU 数据，提高系统鲁棒性，降低特征丢失带来的误差。

路径规划与避障优化

• 结合视觉 SLAM 定位和深度相机信息，实时更新无人机轨迹。
• A-Star算法 + L-BFGS 优化，仅对有障碍物的路径进行修正，提高计算效率。
• 采用 B-Spline 平滑轨迹生成，确保飞行路径的稳定性和可行性。

仿真+真机验证

实验平台

▪ 硬件： 阿木实验室 P230四旋翼无人机 ，搭载Intel Realsense D435i深度相机、KV 1750电机、Jetson Xavier NX处理器、Pixhawk 4 Mini飞控。

▪ 软件： Prometheus开源平台

仿真实验

▪ 在 EuRoC 数据集上测试 SLAM 定位精度，PL-ALF 比 ORB-SLAM3 提高 30% 定位精度。

▪ 在仿真环境中， 对 PL-ALF的路径规划能力进行了测试，并与多个主流算法（Fast-Planner、EGO-Planner 、EWOK）进行了对比。实验结果表明，PL-ALF 避障成功率更高，特别是在低纹理环境下比其他方法更稳定。

真机测试

为进一步验证 PL-ALF 的自主避障能力，研究团队使用阿木实验室P230无人机在低纹理、狭窄的室内走廊中进行了测试，并成功完成了自主飞行任务（如通过门框、避开墙壁等），其中最窄通道宽度不足 1 米，这充分证明了 PL-ALF 在复杂环境中的适应能力。

论文详情

主题： PL-ALF：基于多传感器融合与优化的新型点线特征自主定位与飞行框架

PL-ALF: A Novel Point-Line Feature Autonomous Localization and Flight Framework Based on Multi-sensor Fusion and Optimization

期刊： IEEE Transactions on Instrumentation and Measurement

DOI: 10.1109/TIM.2024.3522670

论文链接：

2025校园奖学金活动

为表彰在开源社区中不断贡献、或在无人机技术领域屡创佳绩的开发者，我们隆重推出校园奖学金活动，旨在激励更多人投身前沿科技，共同开拓无限可能。

🕛 活动时间：2025年1月1日-12月31日

🔹 活动对象：P230/P450/P600/SU17用户

🔹 每个机架号最多可有两名人员获奖

🔹 文章内容需基于使用阿木无人机或Prometheus项目

🔹 文章需提及Prometheus项目，且在参考文献中引用GitHub主页

🔹 需使用官方的引文

详情请查看