无人机大疆御2性能调优：我把响应时间降了80%

我最近在做一个基于大疆无人机SDK的自动化飞行项目，遇到了严重的性能问题。

这个项目，需要无人机按照预设的航线，自动执行飞行任务，包括起飞、巡航、拍照、返航等。理想情况下，无人机应该能实时响应控制指令，飞行轨迹精准，拍照时机准确。但是实际情况是，指令响应延迟很高，有时候要等好几秒无人机才响应，飞行轨迹也不够精准，经常偏航，拍照时机也不准，导致很多照片拍废了。

经过一系列的性能调优，我把平均响应时间从1.2秒降到了200毫秒左右，降了80%，飞行精度也大幅提升，航线偏差从几米降到了几十厘米。

今天，我想分享我这次无人机性能调优的经历，包括问题定位、调优方法、具体措施、以及最终效果。

先说明一下：我目前用的测试机型是大疆御Pro（Mavic Pro），大疆御2（Mavic 2）预计今年下半年才会正式发布。但是我一直在关注御2的消息，也基于御Pro的调优经验，对御2的性能调优做了一些预判和准备。本文的调优方法，大部分是通用的，对御Pro和御2都适用。

一、项目背景和问题

先说说项目背景。

我们公司做的是一个工业巡检的解决方案，用无人机代替人工，对电力线路、管道、建筑等进行自动化巡检。无人机按照预设的航线飞行，沿途拍照或者录像，然后用AI算法分析图像，发现异常情况。

这个方案，对无人机的飞行精度和响应速度要求很高：

• 航线偏差不能超过1米，否则可能拍不到目标
• 拍照时机要准确，误差不能超过0.5秒
• 遇到障碍物要能快速响应，及时避障
• 控制指令的响应时间要短，否则整个巡检任务的效率很低

我们用的是大疆的Mobile SDK，通过手机或者遥控器，向无人机发送控制指令，包括飞行控制、相机控制、航线管理等。

最开始开发的时候，功能都能跑通，但是性能很差。主要问题有：

问题一：指令响应延迟高

从发送指令到无人机开始执行，平均要1.2秒，有时候甚至要3-5秒。比如发送"向前飞10米"的指令，无人机要等1秒多才开始动，这对于自动化飞行来说，延迟太高了。

问题二：飞行轨迹不精准

无人机按照预设的航点飞行，但是实际飞行轨迹和预设航线偏差很大，有时候偏差好几米。特别是在转弯的时候，无人机经常转不过来，或者转过了。

问题三：拍照时机不准

我们需要在特定的位置拍照，但是因为飞行延迟和轨迹偏差，拍照的位置经常不对，导致很多照片拍不到目标，需要重飞。

问题四：电量消耗快

因为飞行不精准，经常需要调整姿态，重飞，导致电量消耗比预期快很多，续航时间缩短了不少。

这些问题，严重影响了项目的进度和质量。我们必须解决性能问题，否则这个方案就没法落地。

二、性能分析和问题定位

遇到性能问题，第一步不是瞎优化，而是先做性能分析，定位瓶颈在哪里。

我们用了以下几种方法来做性能分析：

方法一：日志埋点，统计各环节耗时

我们在代码的关键环节加了日志，统计每个环节的耗时：

• 从业务逻辑生成指令，到调用SDK接口的时间
• SDK接口内部处理的时间
• 从SDK发送指令到无人机接收到指令的时间
• 无人机执行指令的时间
• 无人机返回执行结果到SDK的时间
• SDK返回结果到业务逻辑的时间

通过日志分析，我们发现，耗时主要在以下几个环节：

1. SDK接口内部处理，平均耗时约300毫秒
2. 指令从手机/遥控器传输到无人机，平均耗时约400毫秒
3. 业务逻辑层的处理，平均耗时约200毫秒
4. 无人机执行指令和返回结果，平均耗时约300毫秒

加起来，平均1.2秒，和我们观察到的一致。

方法二：监控SDK的状态回调

大疆的SDK有很多状态回调，比如飞行状态、电池状态、信号强度、GPS状态等。我们把这些状态都记录下来，分析性能问题和状态的关系。

通过分析，我们发现：

• 当遥控器和无人机之间的信号弱的时候，指令延迟明显增加
• 当GPS信号弱的时候，飞行轨迹偏差明显增大
• 当无人机姿态不稳定的时候（比如有风），执行指令的时间变长
• 当SD卡写入慢的时候，拍照的延迟增加

方法三：对比测试，排除变量

我们做了一系列对比测试，排除变量，定位问题：

• 用不同的手机测试，发现性能差异不大，排除手机性能的问题
• 用不同的遥控器测试，发现性能差异不大，排除遥控器的问题
• 在不同的环境测试（室内/室外、空旷/遮挡），发现环境对性能影响很大
• 用不同的SDK版本测试，发现新版本的SDK性能有提升

通过这些分析，我们对性能问题有了比较清晰的认识，然后开始针对性地调优。

三、性能调优措施

下面说说我们具体做了哪些调优措施。

措施一：优化业务逻辑层，减少不必要的处理

业务逻辑层的耗时，虽然不是最大的，但是优化起来最简单，效果也很明显。

我们做了以下优化：

1. 减少不必要的对象创建：原来的代码，每次发送指令都要创建很多临时对象，导致频繁GC，影响性能。我们改成了对象池，复用对象，减少GC。
2. 避免在主线程做耗时操作：原来的代码，有些耗时操作（比如数据解析、文件读写）在主线程做，导致主线程卡顿，指令发送延迟。我们把这些操作移到了后台线程。
3. 批量处理指令：原来的代码，每个指令都单独发送，频繁调用SDK接口。我们改成了批量处理，把多个指令合并成一次调用，减少SDK接口的调用次数。
4. 缓存状态数据：原来的代码，每次需要无人机状态的时候，都去调用SDK接口获取，其实很多状态变化不频繁。我们加了缓存，定期更新状态，减少SDK接口的调用。

通过这些优化，业务逻辑层的耗时从200毫秒降到了50毫秒左右。

措施二：优化SDK调用方式，减少内部处理耗时

SDK接口内部处理的耗时，占了很大一部分。我们研究了大疆SDK的文档和最佳实践，做了以下优化：

1. 使用异步接口，避免同步阻塞：大疆SDK有同步和异步两种接口。原来的代码，很多地方用了同步接口，导致调用线程阻塞。我们改成了异步接口，用回调的方式处理结果，避免阻塞。
2. 合理设置超时时间：原来的代码，超时时间设置得很长（30秒），导致指令失败的时候，要等很久才返回。我们根据不同的指令类型，设置了合理的超时时间（比如飞行控制指令5秒，拍照指令10秒），失败快速返回，然后重试。
3. 避免频繁调用高频接口：有些SDK接口（比如获取飞行状态）调用频率太高的话，会占用大量资源，影响其他接口的性能。我们降低了这些接口的调用频率，从100ms一次改成了500ms一次，对性能影响不大，但是整体性能提升了很多。
4. 使用最新版本的SDK：大疆SDK的新版本，通常会有性能优化和bug修复。我们把SDK从3.x升级到了最新的4.x版本，性能有明显提升，特别是指令传输的效率。

通过这些优化，SDK接口内部处理的耗时从300毫秒降到了100毫秒左右。

措施三：优化指令传输，减少传输延迟

指令从手机/遥控器传输到无人机的耗时，是最大的一部分。这部分的优化，相对来说比较难，因为涉及到硬件和通信协议。

我们做了以下优化：

1. 确保信号良好：信号强度对传输延迟影响很大。我们在飞行前，都会检查遥控器和无人机之间的信号强度，确保信号良好。如果信号弱，就调整位置，或者使用信号增强器。
2. 使用合适的通信信道：大疆的遥控器支持2.4GHz和5.8GHz两个频段。2.4GHz穿透能力强，但是干扰多；5.8GHz干扰少，但是穿透能力弱。我们根据不同的环境，选择合适的频段。在空旷的环境用5.8GHz，在有遮挡的环境用2.4GHz。
3. 减少指令的数据量：指令的数据量越大，传输时间越长。我们优化了指令的数据格式，去掉了不必要的字段，压缩了数据，减少了每次传输的数据量。
4. 使用指令队列，避免拥塞：原来的代码，有时候会短时间内发送大量指令，导致通信拥塞，延迟增加。我们加了指令队列，控制指令发送的速率，避免拥塞。同时，对指令做优先级处理，高优先级的指令（比如避障、紧急停止）优先发送。
5. 预加载航线数据：对于预设航线的飞行，我们把整个航线数据一次性上传到无人机，而不是飞一个航点上传一个。这样，无人机可以在本地执行航线，不需要频繁和遥控器通信，大幅减少了传输延迟，也提高了飞行的稳定性。

通过这些优化，指令传输的耗时从400毫秒降到了100毫秒左右。这是优化效果最明显的一部分。

措施四：优化飞行控制算法，提高飞行精度

飞行轨迹不精准的问题，主要是飞行控制算法的问题。我们做了以下优化：

1. 使用航点飞行模式，而不是实时控制：原来的代码，是实时控制无人机飞行，不断发送"向前飞""向左转"这样的指令。这种方式，延迟高，精度差。我们改成了航点飞行模式，把航点上传到无人机，无人机自动按照航点飞行，精度高很多。
2. 合理设置航点的飞行参数：大疆的航点飞行，支持设置每个航点的飞行速度、转向模式、停留时间等参数。我们根据不同的场景，合理设置这些参数。比如，在需要精准拍照的航点，降低飞行速度，设置停留时间；在长距离巡航的航点，提高飞行速度。
3. 使用曲线飞行模式，减少转弯偏差：原来的航线，转弯的时候是直角转弯，无人机经常转不过来或者转过了。我们改成了曲线飞行模式，设置合适的转弯半径，无人机可以平滑地转弯，轨迹偏差大幅减小。
4. 优化起飞和降落的流程：起飞和降落的时候，无人机的姿态不稳定，容易受环境影响。我们优化了起飞和降落的流程，比如起飞后先悬停几秒，等姿态稳定了再开始巡航；降落的时候先降低高度，等稳定了再降落。
5. 结合视觉定位，提高室内和低空的精度：在GPS信号弱的地方（比如室内、低空、高楼之间），无人机的定位精度会下降。我们开启了无人机的视觉定位功能，结合视觉和超声波，提高在这些场景下的定位精度。

通过这些优化，飞行轨迹的偏差从几米降到了几十厘米，拍照的准确率也大幅提升。

措施五：优化拍照流程，提高拍照效率和准确率

拍照是我们项目的核心功能，拍照的效率和准确率直接影响项目的质量。我们做了以下优化：

1. 预对焦和预曝光：原来的代码，每次拍照的时候才对焦和设置曝光，导致拍照延迟高。我们改成了在飞行过程中持续对焦和曝光，拍照的时候直接拍摄，减少了拍照延迟。
2. 使用定时拍照，而不是指令拍照：对于需要连续拍照的场景，我们使用无人机的定时拍照功能，设置好拍照间隔，无人机会自动拍照，不需要每次都发送拍照指令，减少了延迟，也提高了稳定性。
3. 优化SD卡写入：SD卡的写入速度，会影响拍照的间隔。我们使用了高速SD卡（U3级别），并且在飞行前格式化SD卡，确保写入速度。同时，合理设置照片的分辨率和格式，在满足需求的前提下，减少每张照片的大小，提高写入速度。
4. 拍照位置预判：因为飞行有延迟，我们根据无人机的飞行速度和方向，预判到达拍照位置的时间，提前发送拍照指令，补偿延迟，提高拍照位置的准确率。

通过这些优化，拍照的延迟从500毫秒降到了100毫秒以内，拍照的准确率也从70%提升到了95%以上。

措施六：优化电量管理，延长续航

电量消耗快的问题，虽然不是核心性能问题，但是也影响项目的效率。我们做了以下优化：

1. 合理规划航线，减少无效飞行：原来的航线规划不合理，有很多重复飞行和绕路。我们用算法优化了航线规划，用最短的路径覆盖所有巡检点，减少了无效飞行，节省了电量。
2. 优化飞行速度：飞行速度太快，风阻大，耗电快；飞行速度太慢，单位距离的时间长，耗电也多。我们根据无人机的性能曲线，选择了最优的巡航速度（大约5-8m/s），在这个速度下，单位距离的耗电量最低。
3. 减少不必要的悬停：悬停的时候，无人机也要消耗电量来维持姿态。我们减少了不必要的悬停时间，比如在航点之间不需要停留的地方，直接飞过，不停留。
4. 合理使用云台和相机：云台和相机也是耗电大户。我们在不需要拍照的时候，把云台转到待机位置，关闭相机的显示屏，减少耗电。
5. 监控电量，及时返航：我们设置了合理的低电量报警阈值，当电量低于阈值的时候，及时返航，避免因为电量不足导致坠机。

通过这些优化，续航时间从原来的15分钟提升到了20分钟左右，提升了约30%。

四、调优效果

经过以上这些调优措施，我们的项目性能有了大幅提升。下面是调优前后的对比数据：

可以看到，各项指标都有了大幅提升，特别是指令响应时间，降了80%以上，完全满足了项目的需求。

现在，我们的无人机自动化巡检方案，已经可以稳定运行了，飞行精度高，响应速度快，拍照准确率高，续航也够用。客户对效果很满意，我们也开始在更多的场景推广这个方案。

五、对大疆御2的期待和预判

最后，说说我对大疆御2的期待和预判。

虽然御2还没正式发布，但是根据目前的消息和传闻，御2可能会有以下升级：

• 更先进的飞控系统，飞行稳定性和精度更高
• 更好的图传系统，传输距离更远，延迟更低
• 更强的处理器，SDK的性能更好
• 更多的避障传感器，全向避障
• 更好的相机，支持变焦或者哈苏镜头
• 更长的续航时间

如果这些升级属实，那么御2的性能会比御Pro强很多，特别是在飞行精度、图传延迟、处理器性能方面。对于我们做无人机开发的人来说，这是好事，因为很多在御Pro上需要软件优化的性能问题，在御2上可能硬件就解决了。

但是，不管硬件怎么升级，软件层面的优化还是很重要的。好的硬件 + 好的软件，才能发挥出最好的性能。本文提到的这些调优方法，大部分是通用的，对御2也适用。

我已经开始准备御2的适配工作了，等御2正式发布之后，第一时间做适配和测试，把我们的方案迁移到御2上，相信性能会有更大的提升。

六、经验总结

最后，总结一下这次无人机性能调优的经验。

经验一：先分析，再优化

遇到性能问题，不要上来就瞎优化，先做性能分析，定位瓶颈在哪里，然后针对性地优化。这样才能事半功倍，避免做无用功。

经验二：从易到难，分层优化

性能优化，可以从易到难，分层进行。先优化业务逻辑层（最简单），再优化SDK调用层，然后优化传输层，最后优化飞行控制算法（最难）。这样，每一步都能看到效果，也能增强信心。

经验三：硬件和软件结合优化

无人机的性能，不仅取决于软件，也取决于硬件。要结合硬件和软件一起优化，比如选择合适的频段、使用高速SD卡、确保信号良好等。硬件的优化，有时候比软件的优化效果更明显。

经验四：充分利用无人机的原生功能

大疆的无人机，有很多原生的高级功能，比如航点飞行、定时拍照、视觉定位、智能返航等。这些功能，是大疆经过大量测试和优化的，性能和稳定性都很好。要充分利用这些原生功能，而不是自己用底层指令去实现。自己实现的，通常不如原生的好。

经验五：持续监控和优化

性能优化不是一次性的，而是持续的。上线之后，要持续监控性能指标，发现问题及时优化。而且，随着业务的发展和场景的变化，性能瓶颈也会变化，需要持续调整优化策略。

结语

无人机开发，是一个很有趣的领域，既有软件的挑战，也有硬件的挑战。性能调优，是无人机开发中非常重要的一环，直接影响产品的体验和质量。

这次性能调优，让我对无人机的飞行控制和通信机制有了更深入的理解，也积累了很多宝贵的经验。希望我的分享，能给做无人机开发的朋友一些参考和启发。

如果你也在做无人机开发，遇到了性能问题，欢迎交流讨论。也期待大疆御2的正式发布，看看它能给我们带来什么样的惊喜。

最后，用一句话总结："性能优化，没有最好，只有更好。持续分析，持续优化，才能让产品越来越好用。"

愿每一个无人机开发者，都能开发出性能优异、体验良好的无人机应用。