CN109885084A - 一种基于单目视觉和模糊控制的多旋翼无人机自主降落方法 - Google Patents

Abstract

本发明公开了一种基于单目视觉和模糊控制的多旋翼无人机自主降落方法，在无人机目标降落区域布设印制二维码标识的起落架，无人机借助GPS归航至目标区域附近并基于单目视觉信息搜索、检测标识，获取标识相对空间位姿与二维码标识序列ID值。基于模糊控制方法与视觉图像反馈信息对无人机进行自主降落规划与控制。为保证在狭窄起降空间内的安全性，设计倒锥形安全区域作为无人机降落的空间位置约束。无人机以平滑、高效的方式平稳、安全的降落至目标标识所在的起落架上。本发明克服了单纯依靠GPS定位导致降落精度不足的缺陷，成本低，同时模糊控制克服了PID控制常见的超调、依赖精确数学模型的难题，飞行区域安全可靠，应用方便，具有重要的工程价值。

Description

一种基于单目视觉和模糊控制的多旋翼无人机自主降落方法

技术领域

本发明涉及一种基于单目视觉和模糊控制的多旋翼无人机自主降落方法，可用于多旋 翼无人机自主导航与控制，特别适用于需要重复遍历覆盖、降落点固定、导航精度要求高 的任务。

背景技术

近年来多旋翼无人机的技术快速发展，广泛应用于军事、电力巡线、农业植保、森林 防火等方面，其凭借机动灵活、成本低、能够垂直起飞降落、悬停、低空飞行等优势越来越受到民用和科研机构的青睐。多旋翼无人机起飞和飞行导航系统已经有了深入的研究，并且取得较好的效果，但是在降落过程中的安全性和精确性仍然是亟待解决的问题。精确的位姿定位系统是多旋翼无人机的能够稳定准确控制的前提，但是机载气压计易受近地效应的影响，采用超声波定高的方法面临测高范围小的局限性，RTK GPS设备、激光定高 设备成本较高。

目前视觉定位方法发展成熟，视觉信息丰富，能够检测到较远范围的区域，成本适中， 同时视觉信息还可以用于检测、识别、跟踪等领域，一举多得。视觉对于尺度变换、复杂环境、光照的变化具有较强的鲁棒性。

对于多旋翼无人机飞行轨迹的实时规划，常用的PID控制器依赖精确的数学模型，难以避免常见的超调问题，而模糊控制方法已用于工业控制的方方面面，其不依赖精确的数学模型，比较容易解决超调问题，同时控制器鲁棒性很高，适用于复杂多变的环境。

综上，基于单目视觉和模糊控制的多旋翼无人机自主降落方法，能够实现无人机定点 精准降落，同时保证无人机降落过程中的安全性、稳定性、鲁棒性。

发明内容

本发明目的是针对现有多旋翼无人机单纯依靠GPS无法实现精准降落的问题，提供 一种视觉位姿检测定位算法、模糊控制速度规划算法。有效的解决多旋翼无人机降落过程 中安全、准确的问题。

为实现上述的目的，本发明采用如下的技术方案，一种基于单目视觉和模糊控制的多 旋翼无人机自主降落方法，包括了以下步骤：

1.步骤一、利用GPS导航系统，引导多旋翼无人机飞行至降落标识起落架附近；多旋翼无人机在任务完成之后切换为“自动返航”模式，在多旋翼无人机接近降落 标识起落架区域时(以多旋翼无人机下视相机图像中检测到降落标记为标准)，此 时开启视觉位姿检测模式，多旋翼无人机进入Offboard模式，开启模糊控制器；

2.步骤二、利用下视机载相机采集包含降落标识起落架的图片，利用正方形检测方 法、内部编码识别方法提取降落标识；利用标定好的相机参数，计算出多旋翼无 人机与降落标识的相对位姿(X、Y、Z、Yaw)；

3.步骤三、利用模糊控制器，输入信息为步骤二计算出的相对位姿，输出信息为X、Y、Z、Yaw四个方向对应的速度规划，且模糊控制器能够实现自我演化；将步骤 二计算得到的相对位姿信息(X、Y、Z、Yaw)分别计算实时的比例、微分、积 分项输入到每个方向对应的模糊控制器中，之后进行模糊化、模糊规则推理、解 模糊，计算得到控制器输出的实时速度规划；为了更好的适应环境的变化，实时 调整模糊控制器的设计结构和参数，运用数据驱动的方法，采用Evolving Fuzzy Control，Self Evolving Parameter Free Rule BasedController(SPARC)；

4.步骤四、根据设定的锥形安全区域，多旋翼无人机飞行轨迹规划始终处于安全区 域内部，保证多旋翼无人机飞行过程中的安全性；为预防无人机视觉检测目标长 期丢失，设计阈值窗口N_frame，当视觉检测单元在连续N_frame图像帧无法检测到目 标时，无人机开始上升，直到重新检测到目标或者到达指定高度；

5.步骤五、多旋翼无人机底层飞行控制器接受步骤三模糊控制器输出的速度变量， 并进行底层的姿态解算，引导多旋翼无人机飞行至降落标识起落架正上方一米处； 之后，多旋翼无人机以设定速度，垂直下降，安全平稳精准降落。

本发明的优点和有益效果：

第一，本发明中采用开源视觉定位算法，位姿检测精度高，检测距离范围比较大，对 光照变化、复杂环境具有较强的鲁棒性。

第二，本发明中利用模糊控制器进行速度规划，飞行过程速度连续、位姿平稳，克服 了PID控制器的超调问题，同时采用交叉熵(Cross Entropy)的方法对模糊规则进行优化， 并对每条模糊规则赋予适当的权重，提高模糊控制器的控制精度；同时，为了实时优化模 糊控制器，设计Evolving Fuzzy Control，采用SPARC方法，实时优化模糊控制器的结构和参数。

第三，本发明中利用事先设计好的安全区域对多旋翼无人机的实时位置状态进行约 束，避免多旋翼无人机在降落过程中与环境周围的障碍物发生碰撞；设计阈值窗口N_frame， 当视觉检测单元在连续N_frame图像帧无法检测到目标时，无人机上升，直到重新检测到目 标或者到达指定高度。以上两项措施，保证降落过程的安全可靠。

附图说明

图1是本发明方法的流程图。

图2是实施例中的多旋翼无人机硬件结构图。

图3是实施例中的fuzzy PID-like控制系统。

图4是实施例中模糊控制器输入输出变量及隶属度函数。

图5是实施例中设定的安全区域。

具体实施方式

实施例

下面结合附图对本发明的实施例进行详细阐述，以使本发明的优点和特征能更易于被 本领域技术人员理解，从而对本发明的保护范围做出更清楚明确的界定。

一种基于单目视觉和模糊控制的多旋翼无人机自主降落方法，该方法的流程如图1所 示，具体步骤如下：

步骤一、利用GPS导航系统，引导多旋翼无人机飞行至降落标识起落架附近；

所述的降落标识起落架如图5所示，标记无人机期望的降落位置，为边长为1m的正方形AprilTag二维码，外部为黑色网格，内部为6×6的编码，几何中心为无人机期望的 降落位置；

步骤二、利用固定在无人机底部的下视相机采集包含降落标识起落架的图片，利用正 方形检测方法、内部编码识别方法提取降落标识；利用标定好的相机参数，计算出多旋翼 无人机与降落标识的相对位姿(X、Y、Z、Yaw)；

所述的多旋翼无人机硬件结构如图2所示。为了保证在运动过程中更好的预测目标的 位置，采用EKF的方法，提高检测的精度。

系统检测状态变量为：

分别表示无人机longitude、latitude、altitude、yaw方向上的位置 和速度。

采用的EKF的核心为更新阶段，融合采集到的多个测量信息。在k时刻的Kalman 增益的计算为：

步骤三、利用模糊控制器，输入信息为步骤二计算出的相对位姿，输出信息为X、Y、Z、Yaw四个方向对应的速度规划，且模糊控制器能够实现自我演化；将步骤二计算得到 的相对位姿信息(X、Y、Z、Yaw)分别计算实时的比例、微分、积分项输入到每个方向 对应的模糊控制器中，之后进行模糊化、模糊规则推理、解模糊，计算得到控制器输出的 实时速度规划；为了更好的适应环境的变化，实时调整模糊控制器的设计结构和参数，运 用数据驱动的方法，采用Evolving Fuzzy Control，Self Evolving Parameter Free Rule BasedController(SPARC)；

所述的fuzzy PID-like控制系统如图3所示，利用步骤二得到的实时相对位姿信息， 我们可以求取相对位姿的差值(Error)、差分值(Dot.Error)和积分值(Integral.Error)作 为fuzzy PID-like控制器的输入变量，为了减少偶然数据突变的影响，采取加权平均的方 法

data_new＝data_old*(1-ω)+data_new*ω

ω为对新数据的信任程度。

在积分过程中，为了预防积分饱和，采取如下措施：

所述的模糊控制器的语言变量及隶属度函数如图4所示，采用三角形隶属度函数，重 心法解模糊。将上面步骤三中计算的得到Error、Dot.Error、Integral.Error分别映射到图4定义的语言变量中，根据隶属度函数计算语言值。之后进行模糊推理。部分模糊规则如下 所示，

当输入误差Error＝BL：

当输入误差Error＝L：

模糊规则推理之后，采用重心法，可以得到模糊输出值，之后进行解模糊，可以得到 输出的精确值。

在模糊控制器自我演化部分，主要分为三个阶段：

Initialization，采样时刻k＝0，状态空间为：

x₀＝[e₀,Δe₀]

e₀＝ref₀-y₀,Δe₀＝e₀

Update，在k＝1,2,3...，更新状态空间及控制规则

Control，计算控制信号u_k，并优化控制器的结构：

为激活度函数。具体参见：(Self-evolving parameter-free rule-basedcontroller.In Fuzzy Systems(FUZZ-IEEE),2012IEEE International Conference on,1–8.IEEE.)

步骤四、根据设定的锥形安全区域，多旋翼无人机飞行轨迹规划始终处于安全区域内 部，保证多旋翼无人机飞行过程中的安全性；为预防无人机视觉检测目标长期丢失，设计 阈值窗口N_frame，当视觉检测单元在连续N_frame图像帧无法检测到目标时，无人机开始上 升，直到重新检测到目标或者到达指定高度；

所述的安全区域如图5所示。若多旋翼无人机当前位置偏离安全区域，则以安全区域 距离无人机最近的点作为此时的位置指令，引导无人机处于安全区域内部。

安全区域的集合定义为：

步骤五、多旋翼无人机底层飞行控制器速度信息通过图2中的USB Port经由Mavlink 协议接收步骤三模糊控制器输出的速度变量，并进行底层的姿态解算，引导多旋翼无人机 飞行至降落标识起落架正上方一米处；之后，多旋翼无人机以设定速度，垂直下降，安全 平稳精准降落；

若无人机与降落标识起落架的相对位姿不满足(0m,0m,1m)的位置关系，则继续进行步骤二、步骤三的视觉位姿检测、模糊控制器速度规划。当相对位姿满足位置关系，即 多旋翼无人机处于降落标识起落架正上方1米位置，满足如下条件：

|z_w-z_min|≤τ_z

e_(x,y)＝||(x_w,y_w)||₂≤τ_(x,y)

此时，多旋翼无人机开始以设定的下落速度，垂直下降，同时保证水平位置不发生偏 移，当多旋翼无人机接触到地面时，无人机停机，程序结束。

综上,本发明提供一种充分利用单目视觉作为反馈信息，通过模糊控制器进行速度规 划实现多旋翼无人机自主降落的方法。有效的解决单纯依靠GPS定点降落定位精度差， 鲁棒性低的问题。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说 明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领 域，均同理包括在本发明的专利保护范围内。

Claims (4)

1.一种基于单目视觉和模糊控制的多旋翼无人机自主降落方法，其特征在于，包括了以下步骤：

步骤一、利用GPS导航系统，引导多旋翼无人机飞行至降落标识起落架附近；

步骤二、利用下视机载相机采集包含降落标识起落架的图片，利用正方形检测方法、内部编码识别方法提取降落标识起落架；利用标定好的相机参数，计算出多旋翼无人机与降落标识起落架的相对位姿(X、Y、Z、Yaw)；

步骤三、利用模糊控制器，输入信息为步骤二计算出的相对位姿，输出信息为X、Y、Z、Yaw四个方向对应的速度规划，且模糊控制器自我演化；

步骤四、根据设定的锥形安全区域，多旋翼无人机飞行轨迹规划始终处于安全区域内部，保证多旋翼无人机飞行过程中的安全性；为预防无人机视觉检测目标长期丢失，设计阈值窗口N_frame，当视觉检测单元在连续N_frame图像帧无法检测到目标时，无人机开始上升，直到重新检测到目标或者到达指定高度；

步骤五、多旋翼无人机底层飞行控制器接受步骤三模糊控制器输出的速度规划信息，并进行底层处理，使多旋翼无人机最终平稳降落至目标区域。

2.根据权利要求1所述的基于单目视觉和模糊控制的多旋翼无人机自主降落方法，其特征在于，步骤二所述利用下视机载相机采集包含降落标识起落架的图片，利用正方形检测方法识别出降落标识起落架的方法是，采用像素梯度矢量信息进行聚类，得到图像中正方形区域，并对正方形内部的编码信息进行校验，得到真实的编码信息，计算出多旋翼无人机与降落标识起落架的相对位姿(X、Y、Z、Yaw)。

3.根据权利要求1所述的基于单目视觉和模糊控制的多旋翼无人机自主降落方法，其特征在于，步骤三所述利用模糊控制器，输入信息为相对位姿，输出信息为X、Y、Z、Yaw四个方向对应的速度规划是指，对设计的模糊规则赋予不同的权重，将论域变量转换到基本论域，模糊化推理并解模糊，得到精确的输出变量，并实现模糊控制器自我演化，实时调整控制器结构和参数。

4.根据权利要求1所述的基于单目视觉和模糊控制的多旋翼无人机自主降落方法，其特征在于，步骤四所述根据事先设定好的锥形安全区域，多旋翼无人机飞行轨迹规划始终处于安全区域内部，视觉检测阈值窗口N_frame保证目标丢失时，无人机上升，直到重新检测到目标或者到达指定高度。