无人机的发展概况和关键技术解析

2024年3月28日发(作者：推进方案)

2020

年第

12

期

无人机的发展概况和关键技术解析

王海涛，向婷婷

（南京审计大学金审学院，江苏省南京市

210023

）

摘要以无人机为代表的无人系统已从理想走入现实，并不断在国防、环保、测绘、交通

和物流等多个领域得到广泛应用。文章对无人机的相关概念、组成分类、发展历程和关键

技术进行系统阐述。首先，对无人机的基本概念进行辨析，介绍常见的无人机类型；然后回

顾无人飞行器的发展历程；在此基础上，简要分析无人机涉及的主要关键技术，并对未来

发展趋势进行展望。

关键词人工智能；无人机；自主控制；集群协作；人机关系

0

引言

1903

年莱特兄弟设计了第一架现代意义的飞

要包括飞行器平台、控制站、通信站与发射回收装置

四大部分

［

5

］

。无人机的起飞（发射）方式主要有滑跑

起飞、轨道发射和空中投放。无人机的回收方式包括

自动着陆、降落伞回收和拦截网回收等。经过一个多

世纪的发展，无人机的演变和发展是全方位的，已形

成了种类繁多、形态各异、丰富多彩的现代无人机家

族。目前，对于无人机的分类尚无统一、明确的标准。

传统的分类方法中有按重量、大小分类的，也有按照

航程、航时进行分类的，还有按照用途、操控方式和

飞行模式分类的

［

5

］

。

无人机发展历程中最重要的变化是其飞行操控

方式的变化。按照无人机飞行控制方式的不同，无人

机大致可以分类为：遥控无人机、遥控半自动无人

机、全自动无人机、全自动加局部自主无人机、全自

主无人机。目前，全自主飞行无人机仍处于开发实验

阶段。按照担负的任务或功用分类，可将无人机简单

分为军用无人机和民用无人机

［

6

］

。进一步细分，军用

无人机又可分为无人侦察机、无人通信中继机、无人

诱饵机、无人电子干扰机、特种无人机和无人作战机

等；民用无人机可以进一步分为行业无人机、家庭无

人机和娱乐无人机等。在民用领域，无人机已被应用

于空中拍摄、电力巡查、资源勘探和地理测绘等诸多

通航领域。这种分类方法旨在突出无人机的任务特

性，但实际上很多无人机可同时承担多种任务而难

以准确归类。

机，并完成了人类第一次真正意义上的自由飞行，自

此空中飞行器的发展大幕徐徐拉开。早期的飞行器

大都需要飞行员驾驶，在恶劣环境或执行危险任务

的场合，人们开始希望人无需驾驶飞机就能随意控

制飞机按照既定航线飞行并完成特定任务，这也是

催生无人飞行器诞生的最初动机。无人飞行器也称

无人飞行系统或无人驾驶飞机，简称无人机。从人机

的

位置关系角度出发，可以简单地将无人机定义为

没有飞行员驾驶的飞机，最初的英文即是

Pilotless

Aircraft

［

1

］

。

2005

年美国防部颁布的《无人机路线图

2005~2030

》报告中首次正式使用

UnmannedAerial

Vehicle

（

UAV

）这一术语，此后得到广泛认可和使

用

［

2

］

。狭义上讲，无人机是一种可以在人为控制下自

主飞行并能完成特定飞行任务的无人直接操控的飞

行器

［

3

］

。无人机的典型特征是

［

4

］

：飞行器上没有驾驶

人员，并能完成人为指定的飞行任务。由于很多遥控

航空模型飞机只是通过人的操纵在视距内进行表演

娱乐活动，因此普遍认为遥控航模飞机不属于无人

机范畴。

1

系统分类

无人机是一种典型的自主式无人驾驶系统，主

13

按照飞行方式或飞行原理，无人机可分为固定

翼无人机、旋翼无人机、扑翼无人机、动力飞艇、临近

空间无人机、空天无人机等

［

7

］

。其中，扑翼无人机是

指像昆虫和鸟一样通过拍打、扑动机翼来产生升力

以进行飞行的一种飞行器，主要是微小型飞行器。临

近空间无人机是指在临近空间飞行和完成任务的无

人机，由于临近空间空气稀薄，无人机在其中巡航飞

行必须遵循新的飞行原理。空天无人机则是可在航

空空间与航天空间跨越飞行的无人机，其飞行原理

体现了航空航天技术的融合创新。

战的序幕。

2020

年第

12

期

我国的无人机的研发运用历史相对较短，但也

取得了巨大成功，开发了括靶机、侦察机、干扰机、运

输机和攻击机等一系列无人机，形成今天种类繁多、

用途多样的无人机研发制造体系。此外，我国无人机

研制有着注重军民协同发展的传统，目前无人机商

用化发展势头良好。据统计，我国目前至少已经有

400

家无人机企业。自

2012

年以来，美国无人机交

易占全球份额的

65%

；中国位居第二，为

5%

；其次

为澳大利亚、加拿大和英国，占

4%

；法国无人机交

易的份额低于

3%

［

11

］

。美国研究机构预计，到

2024

年全球无人机市场规模可达

600

亿美元，在未来

10

年中市场将增长

3

到

4

倍

［

11

］

。

2

现代意义上无人机的历史最早可追溯到第一次

世界大战。为了减少飞行员的牺牲和实现远程无人

攻击的目的，英国首次着手研发通过无线电遥控的

小型无人驾驶飞机来执行在目标区域上空的投弹任

务。英国的

A.M.

洛教授具体负责实施这一大胆的设

想，并将该计划命名为“

AT

计划”

［

8

］

。

1917

年

3

月，

3

1

）自主控制技术

一般来说，自主控制应以知识和信息驱动为基

础，尽量避免人的直接控制，更多强调的是自我控

制和自我决策，自主控制系统应进一步提高应对复

杂意外情况的智能化水平

［

10

］

。无人机的自主控制技

术要能确保无人机在执行飞行任务的过程中根据

当前环境和自身情况自主实施飞行操作行动，逐渐

摆脱地面站和操控人员的外在控制。基于机器学习

的态势感知和情景推理无疑是今后无人机进行自

主控制的关键技术。但是，必须看到国内外的无人

机系统自主控制技术水平尚处于较低层次，面对复

杂不确定环境，无人机的感知、分析和判断能力还

存在明显不足，还远未实现真正的自主控制无人飞

行系统。

A.M.

洛教授领导的研制小组终于研制出了英国第

一架无人驾驶飞机，并成功进行了试飞。此后，英国

军方相继研制出多种型号的无人机，尤其以被称为

“德·哈维兰灯蛾”的双翼无人靶机最为知名。美国在

无人机的研发上与英国并驾齐驱。美陆军早在

1918

年就成功研制出一种名为“凯特林飞虫”的自带动力

无人机，并于

20

世纪

30

年代研制出遥控无人靶机。

二战中，美陆军航空队大量使用无人靶机，并在太平

洋战场上取得了很好的战斗效果。在此期间，美国海

军也曾研制出

3

种喷气式无人机。

此后随着自动控制和航空动力技术的飞速发

展，无人机的发展步入快车道，各种类型不同用途的

无人机层出不穷，并且从军用逐渐走向民用

［

9

］

。在近

二十年发生的多场著名的局部战争中，经常会看到

无人机成功应用的案例。例如，美军在海湾战争中大

量使用无人机进行情报侦察、电子干扰、火力打击和

态势评估，无人机已成为战场胜利的助推剂。俄罗斯

军队在车臣反恐战争中频繁使用被称为“蜜蜂”的无

人侦察机，协助俄军对恐怖分子实施精确打击。值得

一提的是，美军在阿富汗战争中，首次在实战中运用

无人机对地面目标进行精确打击，开启了无人机作

2

）集群协作技术

无人机集群协作技术是群集智能技术在无人机

中的具体应用，也形象地被称之为无人蜂群技术。无

人机集群技术的核心就是群集智能，即无人机群要

在人工智能的控制下，自主完成很多任务。而群集智

能技术的灵感源于生物界的蚁群、蜂群等集群生物，

这类生物都有同样的特点，那就是单体都是很弱小

的，而且也没什么智能，但是这些生物却有着非常强

大的群体协作能力。所以，现在的无人机集群协作技

术通过大量无人机之间的智能沟通协作，可以显著

14

2020

年第

12

期

替代。“图像识别”是直接利用摄像头拍摄到的图

像，进行图像差分及聚类运算，识别到目标物体的

位置，并指挥摄像头对该物体进行跟踪。例如，广州

某公司开发的图像跟踪系统采用专有的目标外形

特征检测方法，跟踪者无需任何辅助设备，只要进

入跟踪区域，系统便可对目标进行锁定跟踪，使摄

像机画面以锁定的目标为中心，并控制摄像机进行

相应策略的缩放。系统支持多种自定义策略，支持

多级特写模式，适应性强，受强电磁、光线、声音等

环境影响较小。

增强无人机群的整体生存性和任务完成能力。无人

机集群协作应具备三个显著特征：一是网络化沟通，

意思就是集团成员之间要通过数据链来共享信息，

达到实时传递数据的效果；二是自适应协同，这就要

求集群成员能够做到根据共享信息感知彼此方位，

自动协调形成有利的编队阵型；三是智能倍增，也就

是要达到

1+1＞2

的效果。通过利用无人机群庞大的

数据分析和处理能力，实现整个无人飞行系统的高

效运转。

3

）机器视觉技术

无人机能够在空中畅行无阻的关键技术之一

是能准确感知周围环境态势的机器视觉技术。机器

视觉是人工智能正在快速发展的一个分支。简单说

来，机器视觉就是用机器代替人眼来做测量和判

断。机器视觉系统是通过机器视觉产品，如图像摄

取装置将被摄取目标转换成图像信号，传送给专用

的图像处理系统，得到被摄目标的形态信息，根据

像素分布和亮度、颜色等信息，转变成数字化信号；

图像系统对这些信号进行各种运算来抽取目标的

特征，进而根据判别的结果来控制现场设备的动

作。机器视觉是一项综合技术，包括图像处理、机械

工程技术、控制、电光源照明、光学成像、传感器、模

拟与数字视频技术、计算机软硬件技术。一个典型

的机器视觉应用系统包括图像捕捉、光源系统、图

像数字化模块、数字图像处理模块、智能判断决策

模块和机械控制执行模块。随着计算处理能力的增

强、传感器分辨率的提高和系统软件的不断发展，

机器视觉相关器件和产品的价格持续下降、功能日

益丰富且性能不断提高，这将显著推动无人飞行器

的飞行精度提高。

5

）自动避障技术

自动避障技术是确保无人机自主控制安全平稳

飞行的关键技术。无人机自动避障是指无人机在飞

行过程中，通过传感器收集周边环境的信息，测量距

离，从而做出相对应的动作指令，以达到自动避障的

目的。目前，无人机的避障技术中最为常见的是红外

线传感器、超声波传感器、激光传感器以及视觉传感

器。红外避障就是利用红外线的感应和反射原理及

几何上的三角测量原理实现自动避障。超声波避障

测距的原理，基于声波遇到障碍物会反射和声波速

度已知的事实，只需要知道发射到接收的时间差，就

能很容易算出障碍物的实际距离。但是，超声波避障

精度不高且受环境影响较大。激光避障与红外线类

似，也是先发射激光然后接收。不过激光传感器的测

量方式多样，并且激光避障的精度、反馈速度、抗干

扰能力和有效范围都要明显优于红外和超声波。视

觉避障就是主要利用前面提到的机器视觉技术，在

此不再赘述。

4

近年来，随着政府政策扶持力度的不断增强和

4

）图像跟踪技术

广义的“图像跟踪”技术，是指通过某种方式

（如图像识别、红外、超声波等）将摄像头中拍摄到

的物体进行定位，并指挥摄像头对该物体进行跟

踪，让该物体一直被保持在摄像头视野范围内。狭

义的“图像跟踪”技术就是我们常谈到的通过“图像

识别”的方式来进行跟踪和拍摄。因为红外、超声波

等方式，都受环境的影响，而且要专门的识别辅助

设备，在实际应用中已经逐步被“图像识别”技术所

相关信息技术的飞速发展，无人机的研发和应用势

头强劲。总体来说，无论是军用还是民用无人机，无

人机继续向高自主性、低人工干预和高智能化的方

向发展

［

13

］

。在自主控制方面，目前，大多数无人机已

达到自动控制水平，但这些控制行为仍未达到自主

智能性。另外，人机关系从人机分离、人远程控制无

人机逐步转向人在回路上的人机交互新模式。在信

（下转第

36

页）

15

资源池。

2020

年第

12

期

PON

定位为高性价比专线，价格最低，主打企业廉

价访问互联网、上云等专线产品。

运营商可为政企客户提供菜单式选择，引导基

于菜单式组合来选择差异化专线产品，更加灵活地

满足不同客户不同维度的业务需求。以此实现专线

差异化定价，扩大政企专线用户规模，拉动运营商经

济效益增收，为运营商专线建设节资增效。

参考文献

1

2

马斌，蒋燕，郑晖

.

面向云网融合的政企专线网络转型技

术的创新探索［

J

］

.

电信技术，

2018

（

12

）：

73-76.

李胜，雷景智，屠小娟，等

.

政企专线业务承载及不同应用

场景下的组网方案分析［

J

］

.

江苏通信，

2019

（

3

）：

37-42.

4

）造价分析

该解决方案需要在

X

个分支机构部署新型政

企网关，支持

VxLAN

协议，具备至少

2×POS

（光）

+

2×GE/FE

（电）。根据目前主流政企网关产品类型，

建议部署普通型政企网关，配置

4×POS

（光）

+4×GE/

FE

（电），预计单节点造价约

300

元，总造价约为

300X

元。

4

通过以上分析，可以实现政企专线产品市场差

异化精准定位：同样是组网云专线，产品从高到低的

定位依次为分组

OTN>SPN/STN>PON

。

分组

OTN

定位为高品质专线，其价格最贵，主

打精品硬管道、最低时延、跨国跨省市及市内组网顶

级专线产品。

SPN/STN

定位为高性能专线，其价格

适中有吸引力，主打品质高，上云及组网专线产品。

李瑜（

1984

—），女，工程师，主要研究方向为

收稿日期：

2020-09-24

传输网络规划与设计。

（上接第

15

页）

息感知方面，情景感知与信息融合技术是无人机信

息感知的重点研究方向。在智能化方面，今后的无人

机更加重视飞行路径的自主规划、执行任务的自主

决策和无人机群的自主协作。

参考文献

1

2

3

4

国务院印发《新一代人工智能发展规划》［

J

］

.

中国信息化，

7

8

9

申超，武坤琳，宋怡然

.

无人机蜂群作战发展重点动态［

J

］

.

飞行导弹，

2016

（

11

）：

28-33.

中国航空工业集团公司

.

无人机系统发展白皮书（

2018

）

［

Z

］

.2018.

韩泉泉，席庆彪，刘慧霞，等

.

基于飞行安全的无人机控制

技术发展趋势研究［

J

］

.

现代电子技术，

2014

（

13

）：

22-25.

butedactuationandnsingonan

uninhabitedaerialvehicle

［

D

］

.DisrtationofMasteral

h

：

NorthCarolinaStateUniversity

，

2003.

11

韩泉泉，刘洋，刘磊

.

小型无人机自主飞行控制技术的研

究［

J

］

.

计算机光盘软件与应用，

2014

（

6

）：

35-36.

2017

（

08

）：

12-13.

张涛，李清，张长水，等

.

智能无人自主系统的发展趋势

［

J

］

.

无人系统技术，

2018

，

1

（

1

）：

11-22.

陈宗基，魏金钟，王英勋，等

.

无人机自主控制等级及其系

统结构研究［

J

］

.

航空学报，

2011

（

6

）：

1075-1083.

12

王强

.UAV

集群自主协同决策控制关键技术研究［

D

］

.

西

安：西北工业大学，

2015.

nnedAerialSystems

［

R/OL

］

.//

CongressionalRearchServiceReports

，

2014.

［

2020-09-09

］

.https

：

///?view&did=697556.

13

魏星

.

基于粒子群算法的飞行控制律参数设计研究［

J

］

.

西安航空学院学报，

2017

，

35

（

1

）：

3-7.

5

6

陶于金，李沛峰

.

无人机系统发展与关键技术综述［

J

］

.

航

空制造技术，

2014

，

464

（

20

）：

34-39.

金伟，周震博

.2018

年无人机研发热点回眸［

J

］

.

科技导

报，

2019

，

37

（

1

）：

163-172.

王海涛（

1976

—），男，副教授，博士，计算机学会

高级会员，主要研究方向为无线自组网、大数据和人

工智能。

收稿日期：

2020-09-09

36