CN105549603B - 一种多旋翼无人机的智能道路巡检控制方法 - Google Patents

Abstract

本发明公开了一种多旋翼无人机的智能道路巡检控制方法，包括步骤1：通过云台控制单元控制机载云台图像传感器，使图像传感器垂直向下，图像传感器获取得到无人机正下方图像信息。步骤2：通过无人机搭载的图像传感器获取路面图像信息，通过图像处理提取得到道路中心线。步骤3：利用提取得到的道路中心线与无人机实际位置的偏差值进行无人机的飞行控制。同时为了降低控制的耦合性，在设计好控制底层驱动后只进行无人机的俯仰与偏航控制。对于俯仰控制，采用定速飞行；对于偏航控制，采用双模参数自校正模糊PID控制。本发明应用无人机进行道路巡检，可以很大程度上降低现有的应用巡逻车辆进行道路巡检的成本，同时巡检的视野范围广，不受道路交通状况的限制。

Description

一种多旋翼无人机的智能道路巡检控制方法

技术领域

本发明涉及高速公路智能巡检控制技术领域，适用于警用高速公路智能巡检以及道路的自主测绘，具体涉及一种多旋翼无人机的智能道路巡检控制方法。

背景技术

随着城市化进程的推进，交通安全问题日趋严重，常见的交通问题很大一部分是由驾驶员的非法变道、超速等造成，近年来的交通监控成为预防交通事故的有效手段之一。

现有的道路巡检大部分为采用警用巡逻车辆巡检，巡检成本高，巡检范围小，只能得到巡逻车辆周围的交通信息。与此同时，近年来多旋翼无人机得到快速发展，多旋翼无人机由于其结构简单、灵活多变等优势无论在军事还是民用上都得到了广泛的应用。

旋翼无人机的飞行方式主要分为两类，采用遥控器控制飞行和自主导航飞行，遥控器控制飞行稳定性相对较高，但对操作员有一定要求，同时无人机要保证在操作员的视野范围内，不能实现远距离飞行。自主导航的无人机大部分采用GPS导航，导航误差较大，同时，由于多旋翼无人机由于其静不稳定、强耦合、非线性等特性，现阶段的无人机只能在简单环境中自主飞行，设计的控制器相对没有较强的抗干扰能力及自适应能力。

发明内容

为解决上述问题，本发明提出了一种多旋翼无人机的智能道路巡检控制方法，实现无人机的道路巡航自主控制。

本发明涉及的一种多旋翼无人机的智能道路巡检控制方法，具体实现如下：

步骤1：通过云台控制单元控制机载云台图像传感器，使图像传感器垂直向下，图像传感器获取得到无人机正下方图像信息。

步骤2：通过无人机搭载的图像传感器获取路面图像信息，通过图像处理提取得到道路中心线。

步骤3：利用提取得到的道路中心线与无人机实际位置的偏差值进行无人机的飞行控制。同时为了降低控制的耦合性，在设计好控制底层驱动后只进行无人机的俯仰与偏航控制。对于俯仰控制，采用定速飞行；对于偏航控制，采用双模参数自校正模糊PID控制。

所述的步骤2中通过图像处理提取得到道路中心线的具体步骤如下：

(1)将拍摄得到的图像从RGB颜色空间转换到HSV颜色空间。

(2)提取H通道图像，通过颜色区间分割道路区域。

(3)对道路区域进行形态学膨胀运算，消除道路上物体造成的空洞。

(4)提取得到道路边缘，将得到的道路边缘中心线作为目标飞行轨迹。

所述的步骤3中偏航控制所采用的双模参数自校正模糊PID的实现步骤如下：

(1)利用提取得到的道路中心线与无人机实际位置得到横向位置偏差量值e、以及无人机当前高度信息H作为控制器的模式识别判决量。

(2)根据模式识别判决量e，同时根据实验标定选定一模式识别判决量阈值e_thre1,在误差值e>e_thre1时应用参数自校准模糊控制，在误差值e≤e_thre1时，应用PI控制。

(3)在误差较大时，参数自校正模糊控制器设计如下：

step1:以道路中心线与无人机实际位置的横向偏差量e和偏差量的变化率ec作为控制器的输入，偏航控制量u作为控制器的输出。同时设置论域的大小：输入变量偏差值e以及偏差变化率ec的论域范围分别为：[e_min,e_max]、[ec_min,ec_max],输出变量偏航控制量u的论域范围为：[u_min，u_max]，同时根据输入变量偏差、偏差变化率以及输出变量的论域范围的大小设置输入语言变量E、EC以及输出语言变量U的论域分别为X、Y、Z，根据输入、输出语言变量论域的大小选取模糊语言值，并建立起模糊语言与语言变量相对应的变量赋值表，语言变量赋值表根据需要的控制精度以及实际控制经验进行建立(语言变量赋值表需根据实际系统进行建立，大部分根据实际调节经验进行建立，领域内均未具体说明)。此后，进行输入变量的模糊化，以预先设定的量化因子k_e、k_ec分别乘以采样得到的横向偏差量e和偏差的变化率ec由此得到量化后的E和EC；

step2：建立模糊参数调整器，调整器的输入为量化后的E以及无人机的高度值H，由此查询自适应控制器参数调整表得到控制器的调整倍数N，并得到新的量化因子k_e'＝k_e*N、k_ec'＝k_ec*N和比例因子k_u'＝k_u/N，式中的k_u为预先设定的比例因子，并由此得到新的量化后的E和EC。自适应控制器参数调整表的建立的规则是在误差大于某一预先设定的阈值E_threl时降低k_e和k_ec，加大比例因子k_u，从而降低输入量的分辨率同时加大输出变量；在误差小于某一预先设定的阈值E_threl时增大k_e和k_ec，减小比例因子k_u，从而提高输入量的分辨率，可以对较小误差作出反应。

step3：设计模糊控制规则库。模糊控制规则是对专家控制规则加以总结，根据总结的结果建立控制规则表，进一步的根据论域中每一条输入经模糊控制规则库得到的输出从而建立起模糊控制器查询表。根据模糊语句“if E and EC then U”可以得到相应的模糊关系将每条模糊关系进行归纳，从而建立起模糊控制规则表，进一步的得到总的模糊关系模糊控制器查询表的建立是根据输入语言变量E和EC论域中所有元素X、Y作模糊运算并将论域中所有元素进行遍历，从而得到。

step4：根据量化后的控制量，查询模糊控制器查询表，得到相应的输出量Y，并乘以比例因子k_u'，得到输出的偏航控制量u。，无人机根据此偏航控制量进而实现无人机的偏航控制，进而实现精准的道路巡检。

(4)在误差较小时，应用PI控制器，以消除稳态误差。PI控制器为比例积分控制器，对于消除稳态误差有很好的控制效果，进一步的保证了道路的精准巡检。

本发明的优点在于：

(1)应用无人机进行道路巡检，可以很大程度上降低现有的应用巡逻车辆进行道路巡检的成本，同时巡检的视野范围广，不受道路交通状况的限制。

(2)应用图像处理进行道路识别，相比于传统的应用GPS进行导航，巡航的路线更为精确，同时应用颜色空间分割道路区域，提取得到的目标轨迹更为可靠。

(3)应用图像处理得到的目标轨迹与实际轨迹的偏差量进行控制器模数选择，在误差较大时应用模糊控制器，客服不确定因素的影响，同时加快调节，在误差较小时应用PI控制器消除稳态误差，得到较为稳定的巡检轨迹。

(4)应用参数自校正模糊控制器，在大误差时能快速消除误差，动态性能好，同时在受到随机干扰影响时，控制器能很好的自适应，另一方面，建立的模糊参数调整器中包含高度信息，对于无人机飞行高度不同时图像视野大小不一而导致图像处理的结果单位不一致进行了自适应调整。

附图说明

图1为本发明无人机道路巡航控制道路识别测试示例图片；

图2为本发明无人机道路巡航控制双模控制器系统原理图；

图3为本发明无人机道路巡航控制参数自校正模糊控制器系统原理图；

图4是本发明的发明流程图。

具体实施方式

下面将结合附图和实施例对本发明作进一步的详细说明。

为达到上述目标，本发明选用一条小路为例，实现对小路的巡航。

一种多旋翼无人机的智能道路巡航控制方法，流程如图4所示，具体包括：

步骤1：通过控制无人机机载云台图像传感器，使之垂直朝下从而获取无人机正下方道路信息。

步骤2：:将获取的图像信息进行附图1所示的图像处理：

2a)将拍摄得到的图像从RGB颜色空间转换到HSV颜色空间。其中H通道表示色彩信息，该参数用角度来度量；S通道表示饱和度，指颜色的纯度与最大纯度之比；V通道表示色彩的明亮程度。

2b)提取H通道图像(图1(b))，通过颜色阈值区间分割道路区域，提取道路区域二值图像B(x,y)。如图1(a)所示道路区域，设置为红色，预先设定H通道阈值区间为T_H＝[0,20]∪[312,360]，则道路区域二值图像B(x,y)为：

其中：H(x,y)表示H通道图像中坐标为(x,y)的像素灰度值。

2c)对道路区域二值图像进行形态学膨胀、腐蚀运算，获得连续、完整的道路连通区域，如图1(c)所示。

2d)检测步骤2c)中提取的道路连通区域的外围轮廓，从而确定道路区域边缘，计算道路边缘中心线，将中心线作为目标飞行轨迹，如图1(d)所示。

步骤3：通过以上步骤实现对巡航道路轮廓的提取，从而得到无人机目标飞行轨迹与实际位置的横向偏移量，在此基础上实现无人机的偏航控制，偏航控制器采用双模参数自校正模糊控制，同时俯仰控制采用定速飞行，双模控制器设计的系统原理图如附图2所示，其执行过程如下所示：

a、利用提取得到的道路中心线作为目标飞行轨迹，以目标飞行轨迹与无人机实际位置偏差量值e、无人机当前高度值H计算得到当量偏差值e′＝t*e/H作为控制器的模式识别判决量，t为当量系数，为高度对视角的影响系数，这里t为28。

b、根据模式识别判决量e′，选用相应的控制器，当|e′|>e′_thre时选用参数自校正模糊控制器，当|e′|<e′_thre时选用PI控制器，e′_thre为模式识别判决量阈值，这里e′_thre为20。

当|e′|>e′_thre时选用参数自校正模糊控制器，参数自校正模糊控制器的控制流程图如附图3所示，通过如下方法加以实现：

1)、输入输出变量的选择以及语言变量赋值表的建立。以道路中心线与无人机实际位置的偏差量e和偏差量的变化率ec作为控制器的输入，偏航控制量u作为控制器的输出，同时设置论域的大小：输入变量e的基本论域[-120,120]，输入语言变量的E的基本论域为[-6-5-4-3-2-1-0+0+1+2+3+4+5+6]，误差量化因子初始值k_e＝6/120＝1/20。E选取8个语言值：PB、PM、PS、PO、NO、NS、NM、NB。输入语言变量EC以及输出语言变量U的论域选取和E一致，语言变量赋值表如下表所示。

表1语言变量E赋值表

表2语言变量EC赋值表

表3语言变量U赋值表

2)、建立模糊参数调整器，调整器的输入为量化后的E以及无人机的高度值H，由此查询自适应控制器参数调整表得到控制器的调整倍数N，并得到新的量化因子k_e'＝k_e*N、k_ec'＝k_ec*N和比例因子k_u'＝k_u/N，并由此得到新的量化后的E和EC。参数表建立的规则是在大误差时降低k_e和k_ec，加大比例因子k_u；在小误差时增大k_e和k_ec，减小比例因子k_u，自适应控制器参数调整表如下：

表4自适应控制器参数调整表

3)、设计模糊控制规则库，模糊控制规则是对专家控制规则加以总结，根据总结的结果建立控制规则表。根据模糊语句“if E and EC then U”得到相应的模糊关系R_i，从而建立起模糊控制规则表，进一步的得到系统的模糊关系在此基础上建立根据推理合成规则，得到输出模糊集并将论域中所有元素进行遍历，从而得到并建立起模糊控制器查询表。模糊控制规则表以及模糊控制器查询表如下所示：

表5模糊控制规则表

表6模糊控制器查询表

4)、根据量化后的控制量，查询模糊控制器查询表，得到相应的输出量，并乘以比例因子，得到输出的偏航控制量u，无人机根据此偏航控制量进而实现无人机的偏航控制，进而实现精准的道路巡检。

Claims (2)

1.一种多旋翼无人机的智能道路巡检控制方法，包括以下几个步骤：

步骤1：通过云台控制单元控制机载云台图像传感器，使图像传感器垂直向下，图像传感器获取得到无人机正下方图像信息；

步骤2：通过无人机搭载的图像传感器获取路面图像信息，通过图像处理提取得到道路中心线；

步骤3：利用提取得到的道路中心线与无人机实际位置的偏差值进行无人机的飞行控制，在确定控制底层驱动后，只进行无人机俯仰与偏航控制，对于俯仰控制，采用定速飞行；对于偏航控制，采用双模参数自校正模糊PID控制；

所述的步骤3中偏航控制所采用的双模参数自校正模糊PID的实现步骤如下：

(1)利用提取得到的道路中心线与无人机实际位置得到横向位置偏差量值e、以及无人机当前高度信息H作为控制器的模式识别判决量；

(2)根据横向位置偏差量值e，同时设置模式识别判决量阈值e_thre1，在横向位置偏差量值e>e_thre1时应用参数自校准模糊控制，在横向位置偏差量值e≤e_thre1时，应用PI控制；

(3)横向位置偏差量值e>e_thre1时，参数自校正模糊控制器设计如下：

step1:以道路中心线与无人机实际位置的横向偏差量e和偏差量的变化率ec作为控制器的输入，偏航控制量u作为控制器的输出；同时设置论域的大小：输入变量偏差值e以及偏差变化率ec的论域范围分别为：[e_min,e_max]、[ec_min,ec_max],输出变量偏航控制量u的论域范围为：[u_min，u_max]，同时根据输入变量偏差、偏差变化率以及输出变量的论域范围的大小设置输入语言变量E、EC以及输出语言变量U的论域分别为X、Y、Z，根据输入、输出语言变量论域的大小选取模糊语言值，并建立起模糊语言与语言变量相对应的变量赋值表，语言变量赋值表根据需要的控制精度以及实际控制经验进行建立；此后，进行输入变量的模糊化，以预先设定的量化因子k_e、k_ec分别乘以采样得到的横向偏差量e和偏差的变化率ec由此得到量化后的E和EC；

step2：建立模糊参数调整器，调整器的输入为量化后的E以及无人机的高度值H，由此查询自适应控制器参数调整表得到控制器的调整倍数N，并得到新的量化因子k_e'＝k_e*N、k_ec'＝k_ec*N和比例因子k_u'＝k_u/N，式中的k_u为预先设定的比例因子，并由此得到新的量化后的E和EC；

step3：设计模糊控制规则库：根据论域中每一条输入经模糊控制规则库得到的输出，建立模糊控制器查询表；根据模糊语句“if E and EC then U”得到相应的模糊关系将每条模糊关系进行归纳，建立起模糊控制规则表，得到总的模糊关系模糊控制器查询表的建立是根据输入语言变量E和EC论域中所有元素X、Y作模糊运算并将论域中所有元素进行遍历，最终得到；

step4：根据量化后的控制量，查询模糊控制器查询表，得到相应的输出量Y，并乘以比例因子k_u'，得到输出的偏航控制量u；无人机根据偏航控制量实现无人机的偏航控制；

(4)横向位置偏差量值e≤e_thre1时，应用PI控制器即比例积分控制器，实现无人机的偏航控制。

2.根据权利要求1所述的一种多旋翼无人机的智能道路巡检控制方法，所述的步骤2中通过图像处理提取得到道路中心线的具体步骤如下：

(1)将拍摄得到的图像从RGB颜色空间转换到HSV颜色空间；

(2)提取H通道图像，通过颜色区间分割道路区域；

(3)对道路区域进行形态学膨胀运算，消除道路上物体造成的空洞；

(4)提取得到道路边缘，将得到的道路边缘中心线作为目标飞行轨迹。