１２０ 传感器与微系统（Ｔｒａｎｓｄｕｃｅｒ ａｎｄ Ｍｉｃｒｏｓｙｓｔｅｍ Ｔｅｃｈｎｏｌｏｇｉｅｓ） ２０１８年第３７卷第ｌ期 Ｊ ＤＯＩ：１０．１３８７３／Ｊ．１０００－９７８７（２ｏ１８）０１－０１２０－０４ ｓ、 测试与计算 ｃ 、 ０ 基于激光位移传感器的障碍物检测与模式识别 李海林，吴开华，王文杰，王 朔，孙学超，陈 念 （杭州电子科技大学生命信息与仪器工程学院，浙江杭州３１００１８） 摘要：基于激光位移传感器技术，为植保无人机提出了一种新的避障检测方法，包括数据块提取、障碍 物基本参数计算以及障碍物模式识别三个部分。提出了根据距离值的有效性，从数据序列中提取障碍物 所对应的数据块，以平均角度、平均距离和宽度为基本参数描述障碍物，以及基于障碍物的宽度、数据块的 最大间隙、跳变次数和方差为特征的模式识别分类器的设计。实验表明：方法能够有效检测出未知环境下 障碍物的方位和距离并对障碍物类型作出判别。 关键词：植保无人机；自动避障；障碍物检测；模式识别；激光位移传感器 中图分类号：ＴＰ２１２．９ 文献标识码：Ａ 文章编号：１０００－９７８７（２０１８）Ｏ１－０１２０－０４ Ｏｂｓｔａｃｌｅ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ ｂａｓｅｄ ０ｎ ｌ ＇■ ｌ · ｌａｓｅｒ ｏｉｓｏｌａｃｅｍｅｎｔ Ｓｅｎｓｏｒ ＬＩ Ｈａｉ—ｌｉｎ，ＷＵ Ｋａｉ·ｈｕａ，ＷＡＮＧ Ｗｅｎ－ｊｉｅ，ＷＡＮＧ Ｓｈｕｏ，ＳＵＮ Ｘｕｅ－ｃｈａｏ，ＣＨＥＮ Ｎｉａｎ （Ｃｏｌｌｅｇｅ ｏｆ Ｌｉｆｅ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ＆Ｉｎｓｔｒｕｍｅｎｔ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈａｎｇｚｈｏｕ Ｄｉａｎｚｉ Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ ３１００１８，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｂａｓｅｄ Ｏ１３ ｌａｓｅｒ ｄｉｓｐｌａｃｅｍｅｎｔ ｓｅｎｓｏｒ ｔｅｃｈｎｏｌｏｇｙ，ａ ｎｅｗ ｏｂｓｔａｃｌｅ ａｖｏｉｄａｎｃｅ ｍｅｔｈｏｄ ｉｓ ｐｒｏｐｏｓｅｄ ｆｏｒ ｐｌａｎｔ ｐｒｏｔｅｃｔｉｏｎ ｕｎｍａｎｎｅｄ ａｅｒｉａｌ ｖｅｈｉｃｌｅｓ（ＵＡＶ）．Ｔｈｅ ｍｅｔｈｏｄ ｉｎｃｌｕｄｅｓ ｔｈｅ ｆｏｌｌｏｗｉｎｇ ｔｈｒｅｅ ｐａｎｓ：ｄａｔａ ｂｌｏｃｋ ｅｘｔｒａｃｔｉｏｎ， ｏｂｓｔａｃｌｅ ｂａｓｉｃ ｐａｒａｍｅｔｅｒ ｃａｌｃｕｌａｔｉｏｎ ａｎｄ ｏｂｓｔａｃｌｅ ｐａ￣ｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ．Ｂａｓｅｄ ｏｎ ｔｈｅ ｖａｌｉｄｉｔｙ ｏｆ ｄｉｓｔａｎｃｅ ｖａｌｕｅ，ｄａ｜ａ ｂｌｏｃｋ ｃｏｒｒｅｓｐｏｎｄｉｎｇ ｔｏ ｏｂｓｔａｃｌｅ ｉｓ ｅｘｔｒａｃｔｅｄ ｆｒｏｍ ｄａｔａ ｓｅｑｕｅｎｃｅ．Ｔｈｅ ａｖｅｒａｇｅ ａｎｇｌｅ，ａｖｅｒａｇｅ ｄｉｓｔａｎｃｅ ａｎｄ ｗｉｄｔｈ ａｒｅ ｕｓｅｄ ａｓ ｔｈｅ ｂａｓｉｃ ｐａｒａｍｅｔｅｒｓ ｔｏ ｄｅｓｃｒｉｂｅ ｔｈｅ ｏｂｓｔａｃｌｅ．Ｔｈｅ ｄｅｓｉｇｎ ｏｆ ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ ｃｌａｓｓｉｉｆｅｒ ｂａｓｅｄ ｏｎ ｔｈｅ ｗｉｄｔｈ ｏｆ ｏｂｓｔａｃｌｅ，ｍａｘｉｍｕｍ ｃｌｅａｒａｎｃｅ ｏｆ ｄａｔａ ｂｌｏｃｋ，ｊｕｍｐ ｔｉｍｅｓ ａｎｄ ｖａｒｉａｎｃｅ．Ｅｘｐｅｒｉｍｅｎｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ ｃａｎ ｅｆｆｅｃｔｉｖｅｌｙ ｄｅｔｅｃｔ ｔｈｅ ｐｏｓｉｔｉｏｎ ａｎｄ ｄｉｓｔａｎｃｅ ｏｆ ｔｈｅ ｏｂｓｔａｃｌｅ ｉｎ ｕｎｋｎｏｗｎ ｅｎｖｉｒｏｎｍｅｎｔ ａｎｄ ｍａｋｅ ａ ｊｕｄｇｍｅｎｔ ｏｎ ｏｂｓｔａｃｌｅ ｔｙｐｅ． Ｋｅｙｗｏｒｄｓ：ｐｌａｎｔ ｐｒｏｔｅｃｔｉｏｎ ｕｎｍａｎｎｅｄ ａｅｒｉａｌ ｖｅｈｉｃｌｅｓ；ａｕｔｏｍａｔｉｃ ｏｂｓｔａｃｌｅ ａｖｏｉｄａｎｃｅ；ｏｂｓｔａｃｌｅ ｄｅｔｅｃｔｉｏｎ；ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ；ｌａｓｅｒ ｄｉｓｐｌａｃｅｍｅｎｔ ｓｅｎｓｏｒ ０引 言 光位移传感器能够在夜间工作，可以适应植保无人机的夜 间作业。 本文针对植保无人机的应用场景，以植保无人机作业 环境下最常见障碍物中的树木和电线杆为研究对象，以满 足植保无人机对于避障检测模块的指标要求（７ ０００ ｍｍ内 自动避障技术作为无人机安全飞行和智能飞行的关键 技术之一，受到越来越多的关注。对威胁飞机飞行安全的 障碍物有效准确地检测与识别，是实现无人机自动避障的 前提。黄丰、黎顺泰等人于２０１５年提出了一种基于超声波 的无人机避障检测方法 。但超声波信号容易受风速、气 感知障碍物的存在，距离值误差不超过￣２５０ ｍｍ，角度误差 不超过±５．０。）为标准。提出了一种基于激光位移传感器 流、水雾等影响，并不适用于植保无人机室外作业环境下的 障碍物检测。此外，机器视觉技术 也是国内外常见的 障碍物检测手段之一，但自然光成像技术难以在夜晚使用， 且图像数据量比较大也给实时检测带来了较大的难度。激 光技术用于障碍物检测，目前多被应用于地面的移动机器 人平台 。激光信号不易受气流等外界因素影响，能够 的障碍物检测和模式识别方法，建立树木和电线杆两个类 别的分类器，并通过实验验证了有效性。 １检测原理 激光位移传感器发出激光脉冲，当激光脉冲碰到障碍 物后，激光位移传感器的接收器会接收到反馈的激光脉冲 满足植保无人机室外环境下对于障碍物检测的要求，且激 收稿日期：２０１７－０１—１２ 信号，如图１（ａ）。通过发射与接收激光脉冲的时间差，可 第１期 李海林，等：基于激光位移传感器的障碍物检测与模式识别 １２１ 以计算出障碍物的距离值。激光位移传感器连续不停的发 射激光脉冲，由旋转的光学机构将激光脉冲按一定角度间 隔（角度分辨率 ，（。））发射至激光位移传感器扫描角度 内的各个方向而形成一个二维空问中的扫描线序列，如 图１（ｂ）。 （ａ）激光测距原理 （ｂ）激光脉冲扫描线序列 图１激光位移传感器原理示意 当某条激光脉冲未碰到障碍物时，激光位移传感器的 接收器接收不到该条激光脉冲的反馈信号，该条激光脉冲 所对应的距离值取０，如图２中的ａ—ｅ以及ｉ～ｋ。图２中 的．厂～＾三条激光脉冲探测到树木，所对应的距离值不为０。 依此从数据序列中提取出与图２中的树木所对应的数据 块，经后续算法处理后可得到树木的平均角度、平均距离及 宽度。 一 ， ， ， －／／ 图２激光位移传感器的检测原理示意 ２数据处理 ２．１数据块提取 激光位移传感器扫描一次得到一个数据序列如图３。 其中０为激光位移传感器的角度量程（亭。… ），（。）；置为 距离值，ｍｍ；Ｎ为每次探测的数据总个数（Ｘ０，Ｘ ，…， ～一】）。 度 图３激光位移传感器数据序列示意 假定图３的这Ⅳ个数据中凰～ 一 全部取０， ，Ｘｍ取 非０值，Ｘｍ＋ｌ￣ 一１全部取０，称 一 之间ｒｎ—ｎ＋１个距 离值为一个数据块，记为数据块 一ｘ 。Ｏｌ， 为数据块的 起始角度和结束角度，即在传感器的 ～口方向存在一个障 碍物，并且有式（１）、式（２）成立 Ｎ＝Ｏ／ｅ＋１ （１） 口一Ｏｔ＝（ｒｎ—ｎ）ｓ （２） 式中ｎ与ｍ为数据块 一 的下标。图３中的数据块 一 对应图２中的树木。 ２．２障碍物基本参数计算 以平均角度 （。）、平均距离Ｓ（ｍｍ）和宽度Ｂ（ｒａｍ）作 为障碍物的基本参数。 将数据块 一 的中心所在的角度 ＋（卢一 ）／２作 为该数据块所对应障碍物的平均角度，即有 ＝ ＋（ 一 ）／２ （３） 将 一 之间所有非０的 求一个算术平均值，作 为这个数据块所对应的障碍物的平均距离，即有 Ｓ＝Ｘｘ ／０ （４） 式中ｌｆ，为数据块 一 中非０数据的个数，即有效数据 个数。 利用图４中角度、距离和宽度的三角关系，计算出数据 块所对应的障碍物的宽度 Ｂ＝２Ｓｔａｎ（（ｍ－－／？，）６／２ｗ／１８０） （５） Ｂ，２ ／ 图４障碍物角度与距离及宽度之间的关系 ３模式识别 ３．１特征选择 模式识别的依据是激光位移传感器探测在不同类型障 碍物上所产生数据块的不同特征，根据特征的不同，可以判 断出与该数据块所对应障碍物的类型 Ｊ。对于图３中的数 据块 一 来说，特征由 一 之间的这ｍ—ｎ＋１个距 离值的不同取值情况所决定。 最终选择以下４个特征用于模式识别分类器的设计： １）宽度特征Ｂ：数据块所对应障碍物的宽度，计算方法 如式（５）。 ２）最大间隙特征６：如果数据块 一ｘ 内部存在一个 或连续多个 取值为０，则称该数据块有一个数据间隙，此 时数据块离散， 为数据间隙中取值为０的Ｘ 的个数，特 征占为数据块内部所有６ 中的最大值，当数据块内部所有 的置都取非０值，称数据块是连续的，此时６＝占 ＝Ｏ，６的 计算方法如式（６） ｆｍａｘ（８ ），数据块连续 占＝ 【０，数据块离散 （６） ３）跳变次数特征 ：数据块 一 内部所有相邻的非 零的置之间，发生距离值取值相差过大的次数，即数据块 内部发生（墨＋１一Ｘｉ）＞ 的次数，计算方法式（７） ｏ，存在（置＋ 一置） （Ｒ ： ＝｛【 （７）７） ０，其他情况 式中 为跳变阈值，ｍｍ； 为非零距离值。 ４）方差特征Ｓ２：数据块 一 中所有非零置的方差， ｌ２２ 传感器与微系统 第３７卷 汁并 ‘法 式（８） 为ＳＩ（：Ｋ ＴＩＭ系列激光化移 感器，通过安装支架 －７飞机平 俞连接． 降Ｉ ５ ｆ 感 与］ ｆＪ【采刖１２ Ｖ ｆＪ．１７Ｉ￣，Ｊ 控机、 ５ ＝∑（Ｙ 一 ） ｔ１ ｘ 为非 零 离ｆ｝ｔ１＇ （ ） 供ＩＵ电池、电泺线 于控制 －一Ｉ．【－ｌ：控饥干¨激光化移传感 器之川垠］ ｒＣＰ／ＩＣ 议通 激光ｆ 移传感 疽装支架 ３．２分类器建立和训练 埘树小和 状物ｌ从ｊ种类圳也 ｆ１】训练分炎 ．步骤 ＼／ 卜： １）髓步数 ＝１，令增 ｃ为常｝ ，ｉＪ＿Ｃ＞０，分圳峨 幸ＪＪ始增广中义向 （Ｌ）符分 较小的ｆ 意 ２）输入ｉＪ Ｊｌｂ）ｉ Ｊ－ ｘ ，汁算判５ｊｌＪ 数ｗ （ ） ３） 爿 增Ｊ 仪Ｉ，『Ｊ ｈｌ；， Ｊ果ｗ。（ ）ｘ ＜０。！Ｊ！ＩＪ ｗ（＾＋１） （ ）＋Ｃ ；血玎 ｗ。（ ） ＞０，９１ｌＪ （＾’＋１）一 （ｋ） ４）Ⅱｌ１宋 ＜Ｍ．令 一 ＋１，返…步骤（２）； ＝Ｍ，ＪｌｌＩｊ榆 划 ｌｌ函数１４２ ｒｘ 刈ｉＪ［Ｉ￣４，ｉ ｒＥ： Ｘ、、 ，…，Ｘ、 … 有 的 鄙成立． ： ，！Ｊ！ｌＪ结束ｉｌｉｌ约：： ：／ｆ 址．令 ＝ｌ，返＿ｌ『ｌ步 骤（２） 通过刈训练 ２００ 数据的ｉＪｌｌ练得到权Ｉｆ， ｝Ｗ ；１／ ３００．１／６．１／３，１２，一３．７５：，贝Ｉｊ“ 』ｊ ｘ、ｆｊ、 的 Ｉｌ ｒ 数成 （、）一１／３００Ｂ＋１／６６＋１／３ ＋１２５ －３．７５ （９）ＩＩ 匕ＪＪ『见，树水ｆ¨朴状物体这ｌ从ｊ个炎别是线 ，，ｆ９（１９ 刈ｊ 仃患一绀术Ｉ＇Ｉ树小或 电线朴的探测数 ，将ｉ发 数 的 项特 仇代入削圳函数 （ ）·Ｉｌ’ （ｒ）＞０，！｝！ｌ认为这 数 米 ｉ：树小．若ｇ（、）＜０，ｂ／，Ｊ认为ｉ袭 数 来 ｆ Ｉ Ｊ：咀线朴 （ ）刈。ｊ：洲试集（ Ｏ 来自树小，４００组米 … 线 ）的使』 ＂ＩＩ，Ｉ ｉ Ｉ＇ｆｉ％．￣Ｈ １ 统｝ｔ 结果总 ８００组 教 ，准确识别７９４－－＇１ｌ，准确率９９．２５％ 丧２ 表１ 测试集模式识别记录表 教掰 宽度 ／ｊＩｔ，ｋｌ 隙跳变次数 ，Ｊ茂削刖 戡 ｝ 划定 来源 树小 ｆ｛｛小 忖术 ㈣” 倒小 ３７ｌ ３ １ Ｉ）＿１ ０ １＜【 】ＩＵ线朴 ｌＯ０ ｛＝叶小 ｌ３４７ ｌｌ １ｌ ０ １ １５ ６＞（１ 坩小 ｌＯｌ ｆＵ ｆ｝ ３ｌｌ ０ 】０（） Ｉ ４＜（１ 『ｂ线” ｇ０２ ＩＵ ｆ】 ２４ １） １ 【１ ０（】 ｌ＿（ｊ＜（１ ＩＵ 朴 ２ ０ ｌ ０ ｌ＞０ 树小 ７９９ ｌ 线仆Ｉ ２６６ ０ ０ ０ ０ —２ ４＜ｃ１ ｌＵ纯ｆｆ ４实验验证 ４．１ 实验；隹备 进障土控授从果ＪＩ】研扬ＰＩ（：ｔ）一（：Ｖ０１＿Ｊ：控 Ｌ ｆ 感｛￡ ．—— ——．， ， ， ： ——． —，．— ． —，Ｅ ＿＿１ —— ｉ ；；； － ＿ ０ Ｈ — 一 控制盒 …一一“…一一一…一一一一 ： 图５植保无人机结构设计示意 ￣ｌＲ＇－７＞ｌｌｊ 场地，『』ｌＩＩ￣ｌ． ６ ｆＪ【高度 定 ２５（Ｘ）ｍｔｎ 图６实验场景 ４．２ 实验过程 ６ ｛，分圳 离十对小３ ０００，５ ０００，７０００．９５００Ｉｌ１ｍ处 以埂６０。，９０。 １２０。…的角发，刈‘树木进仃力 似、 离检洲 ｆ¨恢式 Ｉ别将探测值 没定仇逐一埘比，Ｊｉ 探测值 ｊ 定 之 跌 ．１ｉ￣ｉ］ｉｔ，１ 汁 ｛＿王 数 九勺 坝数 特征 以／支州删 数 （、。）Ｊａ＿ｆｆ，实验敏 表３ 表３实验数据 丧３为 进 ５０次 划６００组障碍物数 ， （， ） 埘＿卜ｌ这６００－＋－＇１ｔ ４￣４小数据的模 准确ｉＫ．７￣ｉｌ ５８７－ｉｆｔ，准确半达 ９７．８３％一 ４．３ 实验分析 树木 规则的外形．几法咖 给出确｝』Ｊ的、 均角度 ｊ 群｛ 第ｌ期 李海林，等：基于激光位移传感器的障碍物检测与模式识别 １２３ 和平均距离值。实验前以树干为基准，将树干与机载传感 器之间的距离作为表３中的设定距离，树干与机载传感器 之间的夹角作为表３中的设定角度。从表３中可以看出距 测出障碍物所在距离和方位，距离和角度的检测误差满足 植保无人机避障对于避障检测的要求，并且在验证实验中 对于树木模式识别的准确率达到了９７％。本文方法为植 离值误差，随着树木与激光位移传感器之间设定距离值的 增大而增大。这是因为传感器的角度分辨ｓ是固定的，当 保无人机后续更高效、更精准避障功能的实现提供了基础。 参考文献： ［１］黄丰，黎顺泰，翁南华．微轻型元人机的避障飞行技术研 究［Ｊ］．中国电业：技术版，２０１５（１１）：２２９－－２３３． ［２］ 王宇，刘泓滨，李华文．机器视觉的灾后救援机器人越障系 树木与传感器之间的距离不断增大时，得到的数据规模 （即数据块的数据总个数ｍ—ｎ十１）会逐渐减小，有效数据 个数 随之减小，当 较小时，通常会造成Ｓ与设定距离 值之间误差的增大。但总体上当传感器与树木之间的距离 统设计［Ｊ］．传感器与微系统，２０１６，３５（４）：７９－８１． ［３］ 张博翰，蔡志浩，王英勋．电动ＶＴＯＬ飞行器双目立体视觉导 航方法［Ｊ］．北京航空航天大学学报，２０１１，３７（７）：８８２－－８８７． 小于等于７０００ ｍｍ时，误差稳定在＿＋２００ ｍｍ范围内，满足 本文距离值误差不超过－＋２５０ ｍｍ的要求。 树木有一定的体积，为了方便处理采用平均角度来表 示其方位。根据式（３）计算得到的障碍物的平均角度 是 障碍物所在真实方位的一个近似描述， 与设定角度之间 的误差在±４．０。范围内，满足本文角度误差±５．０。的要求。 外形不规则的树木（见图６）作为探测对象，从相同距离的 不同角度看，树木的宽度不同。导致了当激光位移传感器 从某一方位探测该树木时，会得到一个数据规模相对较小 的数据块。当数据量较少时，树木宽度与电线杆的宽度比 较接近，树木的其他特征（６，Ｒ，Ｓ２）也不明显，此时会有一 定的几率将树木误判为电线杆。实验中树木的枝叶较少， 出现了将其误判为电线杆的情况，但这样的树木外形上与 ［４］Ｈｕｈ Ｋ，Ｐａｒｋ Ｊ，Ｈｗａｎｇ Ｊ，ｅｔ ａ１．Ａ ｓｔｅｒｅｏ ｖｉｓｉｏｎ－ｂａｓｅｄ ｏｂｓｔａｃｌｅ ｄｅｔｅｃｔｉｏｎ ｓｙｓｔｅｍ ｉｎ ｖｅｈｉｃｌｅｓ［Ｊ］．Ｏｐｔｉｃｓ ａｎｄ Ｌａｓｅｒｓ ｉｎ Ｅｎｇｉｎｅｅｒ－ ｉｎｇ，２００８，４６（２）：１６８－－１７８． ［５］Ｔｏｕｌｍｉｎｅｔ Ｇ，Ｂｅｒｔ０ｚｚｉ Ｍ，Ｍｏｕｓｓｅｔ ｓ，ｅｔ ａ１．Ｖｅｈｉｃｌｅ ｄｅｔｅｃｔｉｏｎ ｂｙ ｍｅａｎｓ ｏｆ ｓｔｅｒｅｏ ｖｉｓｉｏｎ．．ｂａｓｅｄ ｏｂｓｔａｃｌｅｓ ｆｅａｔｕｒｅｓ ｅｘｔｒａｃｔｉｏｎ ａｎｄ ｍｏ．． ｎｏｃｕｌａｒ ｐａｔｔｅｒｎ ａｎａｌｙｓｉｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ，２００６，１５（８）：２３６４－－２３７５． ［６］许增朴，许敬华，王永强，等．激光传感器扫描边缘系统定位 方法研究［Ｊ］．传感器与微系统，２０１６，３５（２）：４９－５１． ［７］ 李云狲，何克忠．基于激光雷达的室外移动机器人避障与导 航新方法［Ｊ］．机器人，２００６，２８（３）：２７５－２７８． ［８］ 田国会，王家超，段朋．病房巡视机器人复杂环境下的避障 电线杆比较接近，将其误判为电线杆，最终并不影响植保无 人机对于这类树木的成功躲避。 ５结束语 技术研究［Ｊ］．华中科技大学学报：自然科学版，２０１３， ４ｌ（ｓ１）：３１２－－３１５． ［９］边肇祺．模式识别［Ｍ］．２版．北京：清华大学出版社，２０００： ８３－９２． 本文基于激光位移传感器，为植保无人机提出了一种 用于自动避障的检测方法。研究了障碍物的方位检测和距 离检测，完成了模式识别的设计，并对检测和识别效果进行 了实验验证。实验结果表明：该检测方法能够较准确地探 ｐ ≯ ≯ ≯ 声 声 作者简介： 李海林（１９９０一），男，硕士研究生，主要研究方向为光电系统 设计、无人机避障技术。 ； （上接第１１６页） ［２］徐禄文，罗鹏，邹岸新，等．２２０ ｋＶ变电站工频电场的仿真 分析［Ｊ］．电测与仪表，２０１５（１０）：１７－－２２． ［３］ 胡顺仁，曾 锋，赵红，等．特高压输电塔实时监测系统的 冲击激励方法研究［Ｊ］．仪器仪表学报，２０１５（８）：１８９２— １９００． ［１Ｏ］Ｐｅｎｇ Ｃｈｕｎｒｏｎｇ，Ｙａｎｇ Ｐｅｎｇｆｅｉ，Ｗｅｎ Ｘｉａ￣ｏｎｇ，ｅｔ ａ１．Ｄｅｓｉｇｎ ｏｆ ａ ｎｏｖｅｌ ｍｉｅｒｏｍａｃｈｉｎｅｄ ｎｏｎ—ｃｏｎｔａｃｔ ｒｅｓｏｎａｎｔ ｖｏｌｔａｇｅ ｓｅｎｓｏｒ ｆｏｒ 数据传输方法研究［Ｊ］．传感器与微系统，２０１２，３１（９）： ４２－－４５． ｐｏｗｅｒ ｄｉｓｔｒｉｂｕｔｉｏｎ ｓｙｓｔｅｍｓ［ｃ］／／ＩＥＥＥ Ｓｅｎｓｏｒｓ ２０１４，Ｖａｌｅｎｃｉａ， Ｓｐａｉｎ，２０１４． ［４］黄子璇，席黎明，樊梦旭，．特高压交流输电线路电晕放电对 工频电场的影响［Ｊ］．高压电器，２０１４（２）：６－１１． ［５］姚境，汪讽，胡凯，等．传感器在高压输电线路绝缘子 ［１１］Ｙａｎｇ Ｐｅｎｄｅｉ，Ｐｅｎｇ Ｃｈｕｎｍｎｇ，Ｚｈａｎｇ Ｈａｉｙａｎ，ｅｔ ａ１．Ａ ｈｉｓｈ ｓｅｎｓｉｔｉｖｉｔｙ ＳＯＩ ｅｌｅｃｔｒｉｃ－ｉｅｌｆｄ ｓｅｎｓｏｒ ｗｉｔｈ ｎｏｖｅｌ ｃｏｍｂ－－ｓｈａｐｅｄ ｍｉｃｒｏ ｅｌｅｃｔｒｏｄｅｓ［ｃ］∥Ｔｈｅ １６ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｓｏｌｉｄ－ｓｔａｔｅ Ｓｅｎｓｏｒｓ，Ａｃｔｕａｔｏｒｓ＆Ｍｉｃｒｏｓｙｓｔｅｍｓ，Ｔｒａｎｄｕｅｅｒｓ’１ １，Ｂｅｉｊｉｎｇ， Ｃｈｉｎａ．２０１１． 检测中的应用［Ｊ］．传感器与微系统，２０１０，２９（１Ｏ）：１－３，８． ［６］方奕庚，彭春荣，方东明，等．微型折叠式三维电场传感 器［Ｊ］．传感器与微系统，２０１６，３５（５）：１－－４． ［７］王宇，方东明，陈博，等．基于旋转谐振结构的单芯片 ［１２］Ｐｅｎｇ Ｃ，Ｙａｎｇ Ｐ，Ｚｈａｎｇ Ｈ，ｅｔ ａ１．Ｄｅｓｉｇｎ ｏｆ ａ ｎｏｖｅｌ ｃｌｏｓｅｄ－ｌｏｏｐ ＳＯＩ ＭＥＭＳ ｒｅｓｏｎａｎｔ ｅｌｅｃｔｒｏｓｔａｔｉｃ ｆｉｅｌｄ ｓｅｎｓｏｒ［ｃ］∥Ｐｒｏｃ ｏｆ Ｅｕｒｏｓｅｎｓｏｒｓ ＸＸＩＶ，２０１０． 二维电场传感器［Ｊ］．传感器与微系统，２０１６，３５（２）： １０３－１０５，１１２． 作者简介： 健．人体对高压工频电场测量影响与试 唐立军（１９８５一），男，工学硕士，工程师，主要从事电网自动 ［８］ 余梦婷，汪金刚，李验研究［Ｊ］．电测与仪表，２０１３（６）：２４－－２７，４８． ［９］佘东生，杨一柳，魏泽飞，等．基于激波的ＭＥＭＳ微结构底座 化检测及测试技术、多源信息融合技术方面的研究工作，Ｅ－ｍａｉｌ： ｔｌｉｊｕｎ＠ｆｏｘｍａｉｌ．ｅｏｍ。
