基于LiDAR的四旋翼无人机在茂密植被下边坡检测中的自主避障与导航研究

香港大学研究团队开发了一种配备LiDAR系统的四旋翼无人机，解决了传统人工边坡检测在陡峭地形和茂密植被中成本高、难度大的问题。通过集成Fast-LIO2定位、ROG-Map建图和IPC控制框架，该系统实现了对细小障碍物（如树枝、绳索）的高精度感知与避障，并在香港土木工程拓展署合作的实地测试中验证了其在复杂环境下的实用潜力，为地质灾害防控提供了创新技术方案。

　　

边坡滑坡严重威胁居民安全，尤其在台风频发的香港地区，每年约发生300起滑坡事件。传统人工检测依赖修建维护通道，面临成本高昂、环境危险等难题。香港大学的研究团队创新性地将LiDAR技术与四旋翼无人机结合，开发出能在茂密植被中自主导航的检测系统。

研究采用Livox Mid-360激光雷达（LiDAR）实现厘米级环境感知，通过三阶段技术框架突破复杂场景下的检测瓶颈：首先基于Fast-LIO2算法实现无GPS环境下的实时定位，定位延迟小于1毫秒；其次改进ROG-Map建图模块，新增未知区域膨胀、无限点射线投射等创新方法，可识别直径4毫米的金属网；最后采用集成规划控制（IPC）框架，以100Hz频率生成避障指令，在10×10米局部地图中实现0.05米分辨率的动态避障。

关键实验结果包括：在功能测试中，无人机成功穿越间距仅0.9米的网状障碍物（

）；与DJI Mavic 3的对比显示，新系统对细绳的探测距离达7.1米，碰撞率降低83%；在香港5处边坡的实地检测中（

），累计飞行425.99米并完成钢索腐蚀等关键部位拍摄。

该研究的突破性在于首次实现LiDAR无人机在无先验地图茂密植被中的"人在回路"操作模式，飞行员只需指定检测方向，无人机即可自主避障。系统生成的实时三维点云（

）为边坡数字化提供基础数据。尽管在5.56m/s以上强风环境中的稳定性仍需验证，这项发表于《Nature Communications》的成果为地质灾害防治、基础设施巡检等领域提供了可推广的技术范式，其模块化设计也适用于农业监测、搜救等场景。未来通过融合机器学习算法，有望实现从人工干预到全自动检测的跨越。