机载避障感知系统：

AiBrainBox-V Obstacle Perception：四目视觉 + 3D LiDAR + 高性能 IMU 的全向三维障碍物感知与跟踪模块

输出：

目标类别 + 3D位置 + 3D尺寸 + 相对速度 + 航向/运动趋势 + 置信度 + 安全距离

• 设计原则：

  
  

MID-360负责“几何”，四目SC132负责“视觉语义和远距离目标发现”，IMU负责“运动补偿”。

1. MID-360作为核心3D几何传感器

MID-360具有：

• 360°水平FOV
• -7°～+52°垂直FOV
• 200,000 points/s
• 典型10 Hz输出
• 40 m @ 10%反射率
• 70 m @ 80%反射率
• 约2 cm @ 10 m测距随机误差
• PTPv2 / GPS同步
• 100BASE-TX
• 265 g
• IP67
  
  

2、四目SC132

SC132GS：

• 1.3 MP
• Global Shutter
• 1280×1080级别
• 最高120 fps
• MIPI/LVDS
  
  

推荐工作模式

60 fps / 1280×1080

相机水平FOV：

100°～110°

四目环绕：

相邻相机之间形成约：

10～20° overlap

3、工业级IMU-“运动补偿”

工业级IMU：

1000 Hz

然后：

相机看到的是：

目标相对于相机的运动

而不是：

目标相对于世界的运动

因此必须利用自身：

• 角速度
• 加速度
• 姿态
• UAV速度/位置

把ego-motion去掉。

否则很容易把：

无人机自身转动

误认为：

目标在移动。

• 目标检测分成两类

  
  

A. 静态障碍物

例如：

• 建筑物
• 树木
• 电线杆
• 桥梁
• 山体
• 墙
• 塔架
• 电线
• 广告牌
  
  

核心数据来源：

MID-360

处理流程：

动态目标：

• 无人机
• 直升机
• 鸟
• 其他飞行器
• 高速移动物体

即：

Camera发现目标，LiDAR确认空间位置，IMU负责消除自身运动影响。

第一阶段建议：

Position + Velocity作为硬指标；Heading作为增强指标；完整6DoF Pose作为研究指标。

MID-360自身在10m处测距随机误差可做到≤2cm，但经过：

• 点云稀疏
• 目标边缘
• 聚类
• 相机匹配
• 时间同步
• 自身运动补偿

最后目标级位置误差一定会大于传感器测距误差。

避障输出频率不要被MID-360的10Hz限制。

LiDAR是10Hz，但是：

可以形成一个高频tracking系统。

MID-360用于不断校正3D空间位置，而不是每10Hz才更新一次目标状态。

End-to-End Latency

目标：

≤100 ms

优秀目标：

≤70 ms

并且要记录：

timestamp，而不是仅仅记录系统处理时间。

• 时间同步

动态目标速度估计对时间同步非常敏感。

例如时间误差：

10 ms

目标速度：

20 m/s

就会产生：

20 cm的位置误差。

硬件时间戳 + FSIN + PTP + PPS

• 飞控接口

Interface 1：PX4 Collision Prevention

输出：

OBSTACLE_DISTANCE

PX4目前的ObstacleDistance结构支持最多72个方向距离数据，单位为厘米，并可使用机体FRD坐标系。

适合：

快速把AiBrainBox-V接入现有飞控避障。

Interface 2：3D Object List

例如：

这个接口更适合：

高级自主避障算法

Interface 3：Local Trajectory

如果未来AiBrainBox自己做局部规划，可以进一步向飞控输出：

Trajectory
   ↓
Velocity Setpoint
   ↓
Position Setpoint

PX4本身支持通过机载计算机进行路径规划/避障，并提供Trajectory相关接口。

定义是：

Airborne 3D Perception & Collision Awareness

机载三维空间感知与动态目标预测

也就是说，最终不是只给飞控：

“前方有障碍物，距离18m。”

而是给飞控/规划器：

尤其是动态无人机目标，真正有价值的不是“检测到一架无人机”，而是：

未来1～3秒，它是否会进入本机的碰撞空间？

这就从传统的 Obstacle Detection 开始进入 Collision Prediction。