在室內倉庫、地下隧道等低紋理復雜場景中，無人機依賴視覺傳感器進行自主飛行時，往往會遇到定位精度低、路徑規劃不穩定等難題。針對這一問題，重慶郵電大學計算機學院雷大江教授團隊在IEEE Trans期刊上提出了一種新型自主飛行框架：PL-ALF。該研究成果通過P230無人機及Prometheus開源平臺進行了驗證，并斬獲了2025阿木實驗室校園獎學金活動二等獎(5000元)。

PL-ALF系統框架

PL-ALF 框架主要由點-線特征融合 SLAM 模塊和路徑優化模塊組成。SLAM 系統使用雙目相機和 IMU 傳感器，結合回環檢測和局部/全局 BA 優化，提供高精度位置信息。路徑優化模塊則采用A-Star算法進行全局路徑規劃，并結合 L-BFGS 進行軌跡平滑。

點線特征融合SLAM

• 采用 ORB + LSD（線段檢測） 方法，提高低紋理環境下的特征提取能力。

• 結合局部/全局捆綁調整（BA） 進行優化，增強定位精度。

• 融合 IMU 數據，提高系統魯棒性，降低特征丟失帶來的誤差。

路徑規劃與避障優化

• 結合視覺 SLAM 定位和深度相機信息，實時更新無人機軌跡。

• A-Star算法 + L-BFGS 優化，僅對有障礙物的路徑進行修正，提高計算效率。

• 采用 B-Spline 平滑軌跡生成，確保飛行路徑的穩定性和可行性。

仿真+真機驗證

實驗平臺

? 硬件：阿木實驗室P230四旋翼無人機，搭載Intel Realsense D435i深度相機、KV 1750電機、Jetson Xavier NX處理器、Pixhawk 4 Mini飛控。

? 軟件： Prometheus開源平臺

仿真實驗

? 在 EuRoC 數據集上測試 SLAM 定位精度，PL-ALF 比 ORB-SLAM3 提高 30% 定位精度。

? 在仿真環境中， 對 PL-ALF的路徑規劃能力進行了測試，并與多個主流算法（Fast-Planner、EGO-Planner 、EWOK）進行了對比。實驗結果表明，PL-ALF 避障成功率更高，特別是在低紋理環境下比其他方法更穩定。

真機測試

為進一步驗證 PL-ALF 的自主避障能力，研究團隊使用阿木實驗室P230無人機在低紋理、狹窄的室內走廊中進行了測試，并成功完成了自主飛行任務（如通過門框、避開墻壁等），其中最窄通道寬度不足 1 米，這充分證明了 PL-ALF 在復雜環境中的適應能力。

論文詳情

主題： PL-ALF：基于多傳感器融合與優化的新型點線特征自主定位與飛行框架
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
論文鏈接： https://ieeexplore.ieee.org/document/10816121

2025校園獎學金活動

為表彰在開源社區中不斷貢獻、或在無人機技術領域屢創佳績的開發者，我們隆重推出校園獎學金活動，旨在激勵更多人投身前沿科技，共同開拓無限可能。
🕛 活動時間：2025年1月1日-12月31日
🔹 活動對象：P230/P450/P600/SU17用戶
🔹 每個機架號最多可有兩名人員獲獎
🔹 文章內容需基于使用阿木無人機或Prometheus項目
🔹 文章需提及Prometheus項目，且在參考文獻中引用GitHub主頁
🔹 需使用官方的引文
詳情請查看2025校園獎學金計劃火熱申報中！