近年来，民用无人机市场异常火爆。其中消费类无人机在过去的2016年得到了长足的发展，各家厂商纷纷发布各种尺寸和功能的无人机，而人工智能技术的踪迹也在消费类无人机上出现，领头羊DJI已经实现了利润与市场份额的大丰收。
相比于消费类无人机市场的如火如荼，百家争鸣，行业用无人机因市场还处于萌芽阶段，各种行业需求还有未能标准化、行业背景知识要求高等特点，并未呈现出消费类无人机市场那样的爆发式增长。其中很重要的原因，就是行业无人机在飞控技术上需要有相当高的开放性、安全性、智能化。在军工飞控无法提供高性价比，工业标准的飞控又没有大面积应用的情况下，市场上主要流通的还是消费类飞控，来满足不断增长的农业、电力等市场的需求。为此，本期硬创公开课，雷锋网邀请了若联科技（RobSense）创始人CEO金洁来为大家讲解行业无人机市场以及对应飞控的发展方向。
嘉宾介绍
金洁，若联科技（RobSense）创始人 、CEO & CTO。
爱尔兰都柏林城市大学博士，曾获剑桥大学NetFPGA设计比赛第一名，此前曾参与两个欧盟项目（EcoNET, INPUT）以及法国空客公司、中国航天院的多个项目。在丹麦留学期间曾多次创业，对嵌入式机器人控制、计算机网络有深刻的理解。
公开课完整视频：
以下为金洁的演讲全文实录精编：
行业无人机发展现状
无人机从在消费市场爆发、到行业应用进入萌芽阶段，经历了大概三年左右的时间，我们来回顾一下无人机在行业应用这块的发展情况。
我们先来看一个Gartner的报告。
Gartner每年会抽取一千多项技术去分析这些技术的走势，从14年开始，Gartner才将无人机技术放到这个报告中，正儿八经开始分析这个行业。
在报告中，我们可以看到，智能机器人和无人驾驶技术也在其中。无人机的爆发，主要还是因为其技术模块早期在智能机器人以及自动驾驶技术上的爆发，比如扫地机器人、无人驾驶汽车等，这些设备上面的传感器技术、控制技术、导航技术等发展到一定阶段，再加上智能手机将MEMS传感器、控制芯片的成本、体积都优化到了一定程度，从而可以部署在小型的无人机上，比如小型航拍和工业应用等等，我们今天主要来谈工业应用。
从这张图总结图来看，未来五到十年，无人机才会走到相对成熟的位置。从媒体到资本，人们对这个领域的期待都是从渐进增长，再达到一个顶点，然后慢慢降温，回归到一个理性的状态， 最后慢慢趋向一个成熟。
任何技术都是这样一个发展的历程。
无人机飞控现状
总体来说，无人机在行业应用方面有很多的可能性，比如说现在非常火爆的农业植保。
中国目前大概有两亿亩耕地，当然这个数据不一定准确，但是采用无人机喷洒农药的耕地比例很小，由此看来，这个增长空间非常大。另外物流无人机、电力巡线等行业应用也一样有很大的市场增长空间。根据第三方的一些数据显示，行业应用无人机在未来五年左右的潜力是非常大的，整个规模也会达到近千亿人民币，这些数据不一定十分精准，但也可作为一个参考。
而从无人机机体的成本来看，飞控和通信占了将近34%，飞控单一项占了20%，综合上图FAA的数据来看，未来五年飞控将占据整个无人机市场20%左右，有将近200个亿人民币的市场容量，而且这只是硬件方面，还不包括服务。所以整个市场潜力很大，但由于目前属于发展早期，还有很多事情需要做。
我们先看一下农业这块的现状。
在劳动力不断上升的今天，在农业领域，无人机是一个非常好的替代人力的方案。无人机在整个作业效率和成本都将会比人力有优势。
为了让无人机更高效地去执行植保任务，无人机的飞控系统还需要整合一些其他的技术。比如地形跟随的毫米波雷达、或者激光雷达的一些技术， 来让无人机与作物之间一直保持一个高度距离来作业。再比如高精度的RTK的导航技术，拿极飞为例，他们在进行植保操作的时候，会先有技术人员对田地进行测绘，拿到测绘地图之后，通过RTK导航系统可以让无人机精准的对农田作业。
目前来说，人们对无人机植保的需求是远远大于植保无人机的产能和无人机服务的覆盖面的。
刚才讲的是农业的机械化方面，接下来说说农业无人机的信息化方面。
从图中看，首先我们会在田中部署一些无源传感器节点，去收集一些农田的参数，主要是大气、环境、水 文、土质等各方面的信息，当无人机飞过这个节点的时候，无人机的充电装置会对传感器进行充电，充电的同时又会将储存在传感器节点中的历史数据收集回来，将这些日积月累的数据汇总到数据中心并且进行加工之后，该田地的历史健康状况、作物健康状况都可以图示化，并建立起来，人们就可以详细地了解这块农田的状况了。
上述这种方式是有拓展性的，假如说我们把同样的系统放到铁路的高架上面，通过无人机来收集这些建筑装置的健康状况，整个铁路或桥的一些隐藏危机就可以被提早发现，并及时修补。再比如说无人机3D建模这一块，无人机经过自动飞行，在所测绘的建筑物外围采集足够多的图片之后，将图片导入后台的软件，经过处理渲染之后就能生成3D图像，人们就能得到一个片区的建筑物信息。另外一个就是藏得比较深的电网方向，在电网方面的无人机应用技术壁垒还是挺高的， 它有自己的一些体系的要求，它的行业纵深深度是比较高的。
比如图中，施工方需要对电网压接部分进行测量，压接线方面曾经出现过很多事故，这个测量非常的重要，关于这方面的数据监理方需要实时看到，为了防止施工方作弊，监理方就需要看到测量的实时相应数据。在测量中，无人机的作用就是把施工方测量的数据通过中继回传给监理方，将采集数据的这个点采集出来。
除了这个之外，电网还有一些非常深度的一些需求。比如风机的巡检，在风力发电厂，巡检人员需要知道叶片有没有破损、干体有没有倾斜、避雷针是否失效等信息，风力发电厂的风机设备都非常的昂贵，维护成本非常高，所以无人机对这类的巡检有天然的优势。
总的来说，市场上有林林总总的需求，每个行业对无人机的需求都在提升，所以他们对飞控也有各种不同的要求。为了满足这些要求，很多无人机公司也在提供不同的无人机方案和飞控。
这些方案解决办法大概为以下两种：
第一种是采用军用无人机的飞控。军用无人机飞控传感器要求指标非常高，使用起来效果也非常好，但是其中也些问题，比如军用无人机的飞控会非常的笨重，体积非常大，且造价昂贵，动辄百万，价格成本不适合大面积的商用，所以，军用飞控还会有很长的一个军转民的过程。
第二种就是目前市面上的主流，即用消费类飞控安装在行业应用无人机上。这种方法也会造成一些问题，比如说整个无人机的可靠性就不能完全保证，无人机在复杂恶劣的环境中能否完成任务，对本身飞控的可靠性要求非常高。另外，行业无人机的需求是多种多样的，面对林林总总的需求消费类飞控的二次开发的接口是否能够满足，也是一个问题。
工业无人机的要求很高，主要有三点：
第一，可靠性。在行业应用的无人机上，其挂载的设备可能是热成像仪等非常昂贵的设备，所以需要非常稳定的飞行状态，对飞控的可靠性依赖很大。
第二，价格。由于是应用生产力工具，价格不能非常高。
第三，电网等应用需要专业的挂载体系，需要不同的应用能力、不同的数据，所以无人机可定制、可扩展需求非常旺盛，目前很难出现一款标准的无人机或飞控能解决所有的需求。
飞控的进化
多旋翼飞控已经经过了十多年的迭代。
从上图看，第一代控制飞控主要在2005年前后出现，算法主要运行在相对比较弱的单片机上，能够让飞机起飞和飞稳，但是飘的还是很厉害，加之单片机的运算能力和扩展能力都很有限，所以整体较弱。
第二代飞控起始于2012年前后，主要运行在32位单片机上，性能更强，支持更多的接口，除了让飞机飞行飞稳意外还能执行一些自动飞航点等简单的任务。
第三代飞控在2015年前后开始，具有更强的嵌入式计算机以及多传感器数据融合增稳等特点，这一代的智能飞控具备有感知计算和现场运算能力，其中最核心的特点是能将飞行视觉整合到飞行计算当中，能够自动精准着陆等等。
猜想下一代行业飞控的软硬件架构
基于前三代的发展，我们接下来就猜想一下下一代行业飞控的软硬件架构。之所以是猜想，是因为目前还没有一个标杆式的飞控出来。
我们先看几个主流厂商的飞控。
高通
高通芯片方案做得非常小，只有信用卡差不多大。
高通芯片把CPU、传感器等目前所有航拍类所需要的零部件都整合到了一块板卡上，在智能化这块做得很不错了，用户拿到之后直接在上面迭代软件算法就可以了。但是在安全性方面高通并没有做太多的冗余机制，主要是因为其面向消费类电子。而开放性这块高通没有办法做更深度的扩展。
英伟达
英伟达在之前也推出过用在无人机上的集成板卡。整个方案和高通大同小异。主要不同点在，英伟达有大规模的GPU去做一些基于视觉的高精尖的算法，缺点是功耗非常高。
Intel
Intel的飞控相对前两者的特点是加了个FPGA，此前Intel收购了一家名叫AItera的FPGA公司，在这方面有更深入的研究。另外Intel的飞控在接口定制和算法定制方面有优势，可以扩展更多的接口。
另外，对于Intel值得一提的是，其不仅提供了飞行控制计算机，还提供了一个RealSence的视觉系统，让无人机有个全向的视觉感知。
RobSence
我们RobSence也做了一点工作，在这里介绍一下，跟Intel不同是，Intel的跑飞控和跑计算的是两颗不同的芯片，而我们把两颗集成到了一个芯片中，从图上看，单芯片内三个处理器核心，第一个是控制飞行姿态的CPU1；第二个CPU0系统的作用是，当整个飞行系统启动的时候，它就会唤醒CPU1，让飞控算法跑起来，同时它还要兼顾将其他大数据带宽的传感器接入进来，融合到整个飞控系统里面，做整个全局资源的管理。当我们发现有些算法出现计算瓶颈的时候，我们就可以将这些算法部署到第三块的FPGA里面进行加速，这对于无人机对周边环境进行实时反映是非常重要的。
总体来说，第三代飞控主要做的是三件事情：
第一，飞行控制，这个第一代就已经做了，第三代能完善更好。
第二，任务管理，也就是设置飞行任务。
第三，感知预算能力，遇到突发状况是否有应对能力，对障碍物目标进行一些识别。
上面四个厂商的四种方案的介绍，再对比之前第一、第二代的飞控，我们会发现之前早期的飞控大部分会将飞行控制放到MCU中去跑，虽然单片机在跑飞控方面已经做得很好了，但是如果想要做一些额外的事情，就会显得捉襟见肘。当我们拆开早期的无人机系统时就会发现，飞控是一个板卡，信号处理会是另一个板卡，接口扩展等等都是分开的。所以总的来说整个上一代的思路就是将不同的系统部署在不同的处理器上面，造成整个系统非常庞大，导致无人机的体积也变得很大。
而第三代系统，将不再是一个简单的控制器，更多的是可以将其定义为一个飞行的计算机，兼顾控制、计算、接口和通信，将所有计算的部分整合在一起。这么做有很多好处，比如在整个开发难度上只需要一个开发环境、板卡会很小很集成等等。
如果我们把它定义为一个计算机的话，那么它就可以完成很多事情，它除了可以完成简单的控制，更重要的是还可以完成计算机视觉处理、深度学习甚至无线电部分做图传、大数据带宽等一系列应用。
基于下一代飞控的软件架构的应用于服务开发
基于上述这样一个飞行计算机，因为它的计算能力更好、接口更丰富，我们就可以做很多的开发。比如在这个图中，无人机的整个控制环分为两部分。
由于目前MEMS传感器的刷新能力和电机的响应能力来看，从飞行数据、姿态的解读到返回控制系统再到驱动电机去调整飞行姿态整个闭环走完，整个频率能达到400hz，如果我们基于下一代的飞控系统去改进的话，就能够将整个控制周期缩短，比如将频率提升，就能提升无人机的控制性能，并且能运行一些更加复杂的算法，让飞机的控制更加精准以满足行业需求。
另外，对于”飞行控制计算机“来说，除了要完成飞控的任务之外，还要充当一个计算机的角色，其中就可以做一些算法的加速工作。
拿我们现在做的一个事情来举例：我们将一幅1080P的图像导到导入到最终算法里面，假如说整个过程分成四步走的话，用CPU去算，整个耗时接近400毫秒，这个时间对于低速飞行的无人机是没有什么问题的，但是一旦无人机行进速度相对比较快的时候，它要躲避前面的障碍物的话，就需要更快的视觉处理的算法。
我们做的就是要把前三部放到FPGA里去加速，最后一步的分析算法放到CPU中，整个时间只用时10毫秒左右，整个性能就提升了一大截，能够帮助飞机进行实时的环境感知，并进行决策。
刚才讲了很多飞行控制和感知计算的问题，无人机已经不是一个简单的控制器了，更重要的是将其定义为一个计算机，这个时候我们就可以参考计算机的发展历程来看待飞控。比如计算机从单体到组网的发展，无人机也会经历这样一个过程，未来整个飞控会是组网控制器、组网计算机、组网飞控。其实业界和学术界已经做了很多这样的尝试，包括15年Intel做了一百多架无人机的编队，大家可以查一下他们当时的效果。
无人机在编队的通信过程中会遇到很多问题，其中最重要的是通信子系统的延时和抗干扰能力，因为无人机首先要保障稳定飞行，如果无人机延时非常厉害，那么编队过程中飞机之间就很容易发生碰撞。
另外，我们现在很容易通过一些无线电的装置去学习无人机的2.4G的通信频段，从而反向截获无人机，就算是军方的无人机也不是百分之百不可截获的。
也就是说整个通信方面还有很多问题还要在下一代通信系统中去解决，目前还没有一个关于无人机编队方面的专业网络，如果这个技术被突破，那么无人机的编队会大面积铺开，未来无人机集群用在测绘、搜救方面起到很大作用。
看这张图，框图下面最两层是系统的硬件和软件，基于这些硬件和软件，开发者可以做很多事情，主要包括两部分，一部分是现场的计算和控制、接入更多传感器之后的目标追踪、障碍物躲避。另一部分是，相对于局部的计算和控制，当无人机有了组网能力之后，它的全局控制和通信就显得非常重要。
无人机市场展望
从技术角度来讲，未来无人机一定会集成更多设备和传感器，这些设备和传感器都通过飞控系统进行采集、存储、预处理。如果这个数据还有全局价值的话，就会被发送到远程，比如说地面站。当数据越来越多，即会获得更大的价值，使用到更多的领域里面。
由此，我们把无人机飞控作为很重要的一个物联网端数据入口，无人机作为一个终端，等到市场真正成熟的时候，无人机将作为工业领域的一个生产工具价值将越来越大。
想更多关于智能智造方面的资讯？欢迎关注雷锋网旗下垂直栏目微信公众号「新智造」，跟雷锋网(公众号：雷锋网)一起读懂智能&未来。
。
原创文章，作者：ItWorker，如若转载，请注明出处：https://blog.ytso.com/89945.html