室内飞的无人机（室内飞行也有大用？仓库无人机打开全新思路）
来源：中国数字科技馆
仓库这种半结构化环境下，重复性任务难以避免，然而不可否认，人力正变得愈发昂贵。因此仓库自动化需求下，诞生了非常多的移动机器人企业，也提供了各种商业机会。但移动机器人并不是一个完整运行仓库的全部。移动机器人在货物的移载搬运等工作上能做得很好，但要保持仓库有效运作，还必须关注到其它细节。
由于仓库的立体特性，例如货架检测、库存清点、甚至是巡检等工作，都仍然需要人力来完成。许多仓库都有专门的仓库管理人员，负责仓库货品清点、核查和定位，这是一项既重要又非常单调的工作。同时，许多电商仓库，库存是难以避免的存在，许多电商企业开始使用更高效的库存检测方法，例如无人机。
无人机可以说是无人驾驶自主飞行器（UAV）的一种，基本上是飞行版本的机器人。无人机目前在户外能够灵活运用，那么在室内其可用性能否得到扩展和发挥？
仓库无人机打开全新思路
2015年在MIT的一些研究中，就隐约可见仓库无人机的身影。
MIT的一项研究表明，最初对于室内无人机的研究，主要希望解决美国军队仓库的物资盘点和商品丢失问题，麻省理工学院的研究人员开发了一套新系统，可以通过使用无人机实现仓库的自动跟踪和监控库存。研究采用的小型无人机，能在数十米远外的库存中，用19厘米误差范围，读取RFID标签。
但由于MIT研究采取的微型无人机体积不够大，不足以携带射频非常高的识别阅读器，因此他们采取的是将无人机的中继信号从标准阅读器上通过信号传输技术，发送到现有的FRI读取系统，保持软件和标签同步。简单来说无人机充当了一个信息采集和传输的工具，灵活性并不强。
但这种研究无疑也打开了一种全新思路。因为电商行业中，要确保仓库的高效运作，库存必须准确记录。为此，电商公司往往需要定期进行库存检查，以防发生错误，从而导致爆仓，或者影响订单拣选操作。许多国家的上市或非上市企业同样也有仓库定期库存计算的审计需求，许多企业都在寻找着更快可以通过位置和产品代码来确保库存准确性的方法。
在传统的流程中，一般商品开售前，企业会读取商品所在区域的订单数据，计算该位置的订单剩余，同时需要仓库管理人员或者审计员手持扫描仪计算位置中的实际剩余物品，并将该数量与预期库存数字进行比对，如果数量不匹配，则需要重复该流程。有的仓库结构较为立体，高度超过20米，货架上堆放的库存一直到天花板，这种高空计数为了确保仓库人员的安全，需要提供安全笼和安全带的叉车或者高架工作平台，让仓库管理人员确定是否存在库存不足、位置、订单未发货等问题。
因为这种人力操作太过于繁琐而且易出错，仓库也在想办法使用大量工具进行升级。例如引入现代仓库管理系统，引入移动机器人等自动化设备，全流程数据化，取代原先依靠纸质系统和员工来盘点库存的情况。
室内无人机的出现为许多企业创造了一种新的可能性。无人机在协助一些企业盘点库存时，能起到更大的作用，例如无人机非常适合计算较深的或者完整的货盘，快速确定单个sku位置，识别空的位置并确认正确的上架位置。在一些冷藏和冷冻环境以及狭窄的过道货架，无人机能有更多缩减仓库面积的可能，对于减少人员数量，降低费用率也能起到很大的帮助。
一些新的探索和问题
在仓库无人机的使用上，一些国外公司也开始商业化实践。
例如2016年1月，德国物流研究院的物流专家、项目负责人Marco Freund 成立一个室内无人机项目InventAIRy。与目前常见的在货物或托盘上安装RFID标签、在仓库内固定安装天线来进行跟踪识别的方法不同，InventAIRy在整个飞行过程中，通过读取安装在仓库固定位置的芯片进行位置识别，由于将天线集成在无人机上，InventAIRy能及时对无人驾驶运输系统和库存管理系统进行读取和数据交互。
由于GPS不能在大多数建筑物内工作，大多数室内无人机使用图像识别技术进行自主飞行。InventAIRy飞行机器人通过光学传感器和超声波传感器准确识别周围环境、躲避障碍物，智能规划出最合理的飞行路线，实现定位仓库位置并通过跟踪和识别条形码或RFID标签来读取货物信息记录存储物品信息，但成本相对较高。
Corvus Robotics是一家由 YC投资的初创公司，他们的无人机采取了新的自主化方案，可以连续数周无人看管，收集库存数据，无需任何人工干预。Corvus 每架无人机每小时能够扫描 200 到 400 个托盘位置，尤其是离地面更高的库存时，无人机会保持恒定的扫描速率。在部署开始后，Corvus会生成一张包含3D面和语义信息的操作区域地图，之后，无人机将不断自动更新该地图。
Corvus Robotics的自主化无人机在实际部署中，不需要恒定基准量，和扫地机器人类似，他们会以充电座和初始地图作为建模固定量自主建模，除此之外，Corvus的自主无人机采取执行机载视觉惯性 SLAM（同时定位和映射）、密集体积映射和运动规划，同时采用了10个摄像头阵列和一个能在ROS和PX4上运行的自主模块用于实时飞行控制。
他们的自主化方案将环境中例如货架等一些结构化组件合并到SLAM 解决方案中，而例如一些货物是拟设半静态的，从而能够在非结构化环境中进行本地化决策以及规划，而无需依赖WIFI等外部基础设施，帮助无人机实现闭环。
这种自主无人机使用的往往是结构运动算法（SfM），SfM根据从不同位置采集的图像计算摄像机之间的相对关系，得到视差，实现三维空间的恢复。Corvus Robotics 的无人机能够在短短几天内滚动盘点整个仓库，这种自主无人机的扫描速度比人类快十倍的原因也在于此。
完全自主也意味着在特定场景或环境中没有人参与的连续性端到端操作，但这短时间难以实现。因为这种半结构化环境下，变量往往是商品和人，以及光线。这也导致大多数仓库不太可能短期实现完全无人化，因为自主性和安全性总是一对相悖的命题，同时，为了应对这种不可控问题，一些传统室内无人机会使用碰撞容限和机载照明，使无人机飞行员能够在没有任何外部光源的情况下安全高效地操纵无人机。例如国外Flyability的Elios2就有7个视觉稳定性传感器，帮助它实现无GPS稳定。
关于未来
在Forencis Research的一份专业报告中提到，到2027年，室内无人机市场将增长290亿美元，复合年增长率接近20％，新市场增量或将从室内开始。该报告还指出，在工业场景中，室内无人机有一些主要优势，包括例如减少包括攀爬（履带）这样的危险任务，可控制的硬件购置成本从而能获得快速的投资回报。
与室外无人机相比，室内无人机也更容易获得认可。这些小工具的主要行业是仓库和物流业，在那里它们可以帮助进行库存管理、室内内部物流以及检查和监督。而除了检查和监控目的外，室内无人机在Vlog、大型无人机的练习工具以及娱乐目的方面也有很大帮助。
尽管室内无人机具有巨大的潜力，但仍有一些软硬件的挑战需要首先解决。例如室内无人机如果要更高效的工作，避免自行移动的物体，就必须有自主性，这需要大量的人工智能和机器学习的算法训练。同时，在一些有风扇或有室内气流较强的空间中，为了稳定性能，还需要更稳定的系统或者更适合的硬件以及设计。定位问题也是非常大的成本支出，需要随着诸如AI+视觉系统之类的先进技术引入，或者更多解决方案的开发，才能不断解决这些问题。
同时，这种室内无人机想要在仓库工作，可能短时间内还需要非工作时间或隔离区域、有一个能自动触发的运动感应光源以及全面的室内射频（RF）范围。在货品上要求无人机也不够柔性，例如在盘点零件托盘，打开的纸箱或者标签粘贴不准确、标签重叠，有液体和金属的产品时，无人机会存在许多判断问题。需要改进运行流程，以确保所有货盘无人机都可以成功读取条形码，同时，续航能力也需要考虑，仓库需要保证无人机信息中继站和充电站的最佳位置。
为了解决这些问题，一些企业也正想着解决办法
2020年9月，日本AGV企业Blue innovation公司与德国一家公司合作，开发了一种利用无人机+AGV的库存管理系统，这套系统的特点是，无人机能通过从电池供电的AGV处接收电源，减少固定充电桩的建设，延长无人机的飞行时间。除此之外，在这套全自动库存系统中，无人机通过使用摄像头读取产品或纸板箱上的条形码来管理库存，AGV则沿着无人机建立的预定路线在仓库中移动，到达目的地后，无人机直接在上方飞行并拍摄条形码，进行数据和动作交互。
丹麦运输和物流公司DSV则完全采取了自主化操作，只在夜间高亮环境作业的一支无人机编队可以在几分钟内飞过仓库的每一条通道，扫描数百个条形码，利用规则和效率解决自主化运行的技术难题。
虽然这可能涉及仓库的流程变化，难免也会影响效率。
但通过这些方面的改进，室内无人机离达到完全自主和功能状态无疑又迈出了一步。相信就是这一点点的积累与实践，最终会为室内无人机市场，真正打开一道可行的大门。
