CN110304251A - 一种无人机灌篮、反弹自演化智能系统及控制方法 - Google Patents

Abstract

本发明公开一种无人机灌篮、反弹自演化智能系统及控制方法，无人机智能系统包括四旋翼无人机、三个摄机、飞行控制器、机载中央处理器、地面数据处理基站和篮球投射装置。控制的方法包括双欠稳系统的控制方法和无人机自演化学习的控制方法。双欠稳系统的控制方法对无人机欠稳飞行模型中，增加了可以预估的干扰，为了补偿预估的干扰对无人机的反作用力，设计干扰补偿器进行逼近，消除可以预估的干扰对无人机带来的不稳定的因素，增强整个双欠稳系统的闭环性能，实现无人机飞行状态的自我修复。无人机自演化学习的控制方法，是机理模型和数据模型结合得出的控制方法，机理模型是对篮球飞行轨迹建立规则，数据模型通过一定数量的样本进行学习训练。

Description

一种无人机灌篮、反弹自演化智能系统及控制方法

技术领域

本发明涉及无人机机器人领域，具体涉及一种基于三摄像头的无人机灌篮、反弹自演化智能系统及控制方法。

背景技术

无人机作为一种较为传统的飞行器，采用高效的无刷电机作为动力，具有尺寸小、重量轻、携带方便、易保养使用、机动性能好、维护成本低等优势。在特种机器人行业中占据着举足轻重的地位。而可以自主飞行的无人机在民用领域有广阔的前景，如地图测绘、气象探测、智能航拍、农药喷洒等等，还在军事领域当中发挥着极其重要的作用，可以完成战场侦察和监视、定位校射、目标摧毁等等。

随着人们日常生活当中对无人机的关注度和使用量持续的提高，与无人机相关的研究工作也都得到了初步的发展。目前，对于无人机的研究都是围绕无人机在各种场合下的应用方面进行的，一些研究理论已经取得了相应的成果。由于无人机复杂的动力学模型以及周围环境的不确定性，对于无人机的研究仍存在这一些棘手的问题，例如无人机在双欠稳系统情况下的自平衡问题以及无人机自演化学习方面的问题是目前无人机出现的新研究方向。

现有的应用于无人机的平衡系统本质上是一个单欠稳平衡控制系统(即扰动来源于不确定因素)，而没有将无人机本身作为一个扰动变量计算到平衡控制系统当中。而当无人机自身发生变化时，如质量的瞬间变化或对单欠稳平衡系统产生较大的反作用力(即两个欠稳系统的叠加)，现有的平衡控制系统会产生很大的震荡，或者失去平衡。这种双欠稳系统给无人机实现平衡带来了非常大的困难。

无人机双欠稳平衡控制问题涉及到各个领域，民用无人机中，无人机运送货物，无人机只能于货物同时降落到地面上，需要人工卸载货物，并起飞无人机返航。这种投送方式效率较低，并且需要人的参与，并没有实现真正意义上的智能化。无人机若采用双欠稳平衡控制系统，可以在空中投送货物而无需降落，并实现自主返航，不会由于无人机自身质量瞬间变化失去平衡。军用无人机中，无人机携带武器进行目标摧毁，目前挂设的武器设备要求最大限度降低后坐力甚至无后坐力，对于武器设备的要求降低了无人机在军用领域的应用。

同时，尽管目前对于自演化相关的问题有一些仿真研究，对于无人机打球的研究已经有了一些成果，但是对无人机自主投射质量较大的篮球的研究尚未出现，也没有将自演化相关的方法应用在无人机自主学习投射篮球的问题上。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于三摄像头的无人机灌篮、反弹自演化智能系统及无人机双欠稳系统的控制方法。

一种基于三摄像头的无人机灌篮、反弹自演化智能系统，包括具有自动驾驶功能的四旋翼无人机智能系统，所述无人机智能系统包括四旋翼无人机、三个摄机、飞行控制器、机载中央处理器、地面数据处理基站和篮球投射装置；

所述的三个摄像机包括一个机载摄像机C，以及两个360度全景球形相机。所述的机载摄像机C用于识别篮球框，指示无人机向篮球框方向飞行；所述的360度全景球形相机B，随机放置在篮球场地上，用于检测篮球运动的轨迹，对抛射的参数和结果进行记录；所述的360度全景球形相机A，放置在篮球框之下，用于检测无人机运动的轨迹，记录无人机飞行方向；

所述系统采用双欠稳系统的控制方法和无人机自演化学习的控制方法控制，所述双欠稳系统的控制方法是通过对无人机原有的欠稳飞行模型中，增加了可以预估的干扰，为了补偿预估的干扰对无人机的反作用力，设计一定的干扰补偿器进行逼近，消除可以预估的干扰对无人机带来的不稳定的因素；无人机自演化学习的控制方法，是机理模型和数据模型相结合得出的控制方法，首先机理模型是对篮球飞行轨迹建立规则，其次数据模型通过一定数量的样本进行学习训练；

所述系统采用三摄像头的组合定位方法进行定位，在一个三维的物理空间当中进行定位数据计算，为无人机自演化控制方法生成基本规则集并利用无人机自演化控制方法完成无人机灌篮、无人机反弹投篮控制。

进一步的，所述的四旋翼无人机包括无人机机架、电池、起落架、无刷电机、电调；

所述的无人机飞行控制器用于控制无人机的飞行，自动保持飞机的正常飞行姿态，所述无人机飞行控制器包括集成控制器、陀螺仪、加速度计、磁力计、GPS模块。飞行控制器实时采集各传感器测量的飞行状态数据，接收所述的机载中央处理器上发送的命令和数据，经计算处理，输出控制指令给电调，实现对无人机各种飞行模式的控制，同时将无人机的状态数据以及参数实时传送给机载中央处理器；

所述的机载中央处理器用于协调所述四旋翼无人机的数据处理及控制指令发送的工作，包括处理所述的机载摄像机C识别篮球框的数据，发送飞行指令到所述无人机飞行控制器，控制飞行器按照预设方向轨迹飞行；接收所述地面数据处理基站发送的数据，发送飞行指令到所述无人机飞行控制器，控制四旋翼无人机飞行速度，以及控制所述篮球投射装置投射篮球的初速度、角度；

所述的地面数据处理基站用于协调整个系统的数据处理的工作，包括处理所述的全景球形相机B计算投影面轨迹的数据，及所述的全景球形相机C计算飞行方向与投影面夹角的数据；根据自演化模型更新求解所述四旋翼无人机的飞行速度、所述四旋翼无人机释放篮球的位置、所述篮球投射装置投射篮球的初速度、角度，并将更新计算的结果发送给所述机载中央处理器执行相应的控制；

所述的篮球投射装置位于无人机起落架之间，用于根据指令释放/抛射篮球的装置，包括两种释放/抛射的方法：第一种是机械臂挂载机械爪释放篮球，第二种是摆杆起摆抛射篮球。

进一步的，所述的四旋翼无人机灌篮过程具体为：无人机携带篮球自主起飞，向篮筐方向飞行，并投射篮球进入篮筐，随后无人机返航；所述无人机通过机械臂挂载机械爪释放篮球时，当无人机按照一定的速度飞到预期位置时，机械爪释放篮球，此时的篮球初速度大小等于无人机飞行的速度，速度的方向沿水平方向；

所述的四旋翼无人机反弹投篮过程具体为：无人机携带篮球自主起飞，向篮筐方向飞行，并投射篮球与地面碰撞，篮球反弹后进入篮筐，随后无人机返航；

无人机摆杆起摆的方式抛射篮球时，摆杆的一端连接有机械爪，摆杆的另一端连接有电机，电机连接高精度测速装置，飞行器飞行到指定位置后，飞行器保持不动，电机的转速由机载中央处理器进行控制，通过电机的正反转起摆，速度由小到大逐步提升，由测速装置计算摆垂直于地面(即篮球在最低位置)时的速度，此时篮球的速度方向水平，当达到要求的速度时，机械爪释放并抛射篮球。

进一步的，所述的三摄像头组合定位的方法具体步骤如下：

三摄像头任务及关键变量测定：选取可观可测的关键变量，分别交由所述机载摄像头C、360度全景球形相机B、360度全景球形相机A进行测定。所述机载摄像头C用于识别篮筐，并计算篮筐图像位置和机载摄像头拍摄图像中心位置的偏差δ；所述360度全景球形相机B用于观察记录篮球实际的运动轨迹在投影面上的轨迹；所述360度全景球形相机A用于观察记录无人机飞行轨迹所在的直线与投影平面的夹角θ。

进一步的，所述的无人机自演化学习的控制方法为：在设定了基本规则、演化环境和演化目标之后，在一个三维物理空间中进行无人机在关键变量确定的理想环境下的仿真，生成基本的机理模型(即控制规则集)，在机理模型的基础上通过提高投篮精准度要求以及提高复杂环境变化的不确定程度，利用数据模型不断修正迭代机理模型，实现无人机自演化灌篮、反弹投篮。

进一步的，所述的无人机自演化学习的控制方法具体步骤为：

S1)变量选择与测定：选取环境中影响机理模型的关键变量，包括无人机控制变量、篮球控制变量、环境控制变量三部分；所述的无人机控制变量包括无人机飞行的初始速度v，无人机飞行高度h；所述的篮球控制变量包括篮球横截面积A，篮球质量m，篮球的恢复系数COR(篮球与地面碰撞前后，垂直方向的速度比率)，篮球的摩擦系数COF(篮球与地面碰撞水平方向上受到的摩擦力)；所述的环境控制变量包括空气密度ρ，空气阻力系数C_D，升力系数C_L；

S2)设定机理模型、演化环境和演化目标：设定机理模型，即关键变量需要遵守的物理规则；设定演化环境，即所述四旋翼无人机准确的完成灌篮、反弹投篮需要满足关键变量的演化环境；设定演化目标，即所述四旋翼无人机完成灌篮、反弹投篮；所述的机理模型包括所述四旋翼无人机飞行与篮球运动轨迹的物理规则和演化环境下的规则；所述的演化环境是在各个关键变量数值不确定变化的复杂实际环境；所述的演化目标是无人机灌篮、反弹投篮由不精准到精准；

S3)基本机理模型建立：在模拟三维空间中进行无人机在理想环境中的仿真，四旋翼无人机从零开始学习，通过给定最基本的投篮规则，结合控制参数和控制结果，利用进化算法的不断筛选以及迭代，得到衍生出来的一种可以实现无人机灌篮、反弹投篮的控制方法；根据摄像头B所观测的四种不同情况，生成相应的四种控制规则；所述的控制参数是无人机抛射参数(即抛射距离h2和抛射力大小F)；所述的控制结果是篮球投中篮筐与篮球没有投中篮筐；对于所述的利用进化算法不断筛选以及迭代的评估，通过篮球运动轨迹发展方向是否在正常区间中沿着好的方向趋于稳定来衡量，所述的正常区间为在篮球运动轨迹中，当篮球落点高度与篮筐高度保持一致时，偏离距离d小于一个阈值D，通过上述方法产生数据，即通过机理模型无人机在理想环境中模拟灌篮、反弹投篮，得到基本实现准确灌篮、反弹投篮的数据；

S4)自演化：在基本的投篮控制规则集的基础上，通过对控制准确度的不断提高以及所述环境关键变量的不确定变化，对所述的基本控制规则集不断更新并迭代，最终生成一个经过演化之后的控制规则集，即能够适应一定的复杂环境的变化并且能够保证一定的无人机灌篮、反弹投篮的准确度；所述的环境关键变量的不确定性变化演化过程可以由单一关键变量变化逐步向多个关键变量变化过渡；形成所述演化之后的控制规律集的方法是控制规则的不断增加，若控制规则集增加新的控制规则后不满足所述演化目标的要求筛选掉之后重新添加，反之则将新的控制规则加入到控制规则集当中；所有新演化之后的控制规则集都要满足所述最基本的投篮规则；

S5)建立自演化智能系统：根据所述经过演化之后的控制规则集，通过协调飞行控制器、机载中央处理器、地面数据处理基站三个控制中心相互之间的数据通信，建立整个自演化智能系统。

进一步的，所述的四旋翼无人机灌篮在理想环境中的物理模型：

所述的四旋翼无人机反弹投篮在理想环境中的飞行物理模型：

所述的四旋翼无人机反弹投篮在理想环境中的碰撞物理模型：

垂直方向：

水平方向：

自旋速度：

其中篮球的质量为m，半径为r，以入射角的角度与场地发生碰撞，入射速度为v₁，力F是球与场地之间的摩擦力，力N是场地对篮球的反作用力，篮球反弹后出射速度为v₂，出射角度为并产生角速度为ω₂的旋转。

进一步的，所述的四旋翼无人机灌篮在理想环境中的物理模型和所述的四旋翼无人机反弹投篮在理想环境中的飞行物理模型均是一组非线性的二阶常微分方程，没有解析解，其中已知篮球起始位置x₀、初始速度v₀、初始高度z₀，以及篮球质量m、横截面积A、空气密度ρ、重力加速度g、空气阻力系数C_D，升力系数C_L等常数，可以用Runge-Kutta方法，用数值分析求解x轴加速度a_x、x轴速度v_x、z轴速度v_z、z轴加速度a_z、速度方向和水平方向的夹角θ以及篮球实际运动的轨迹方程。

进一步的，所述的双欠稳系统的控制方法具体如下：

1)关键变量的选择和测定：选择并测定双欠稳系统中关键的变量，测定关键变量包括无人机携带的篮球质量m1、无人机自身质量m2、以及在无人机向前飞行的过程中，抛射篮球时的位置x；

2)模型建立：依据所述步骤1)中测定的关键变量，对无人机抛射篮球前以及抛射篮球后进行建模。具体的，当无人机抛射篮球之前，受力示意图如图1所示，受到向下的篮球重力G1＝m1*g、向下的无人机重力G2＝m2*g、向上的升力F上；由于飞行高度保持不变，在抛射篮球之前无人机在垂直方向上受力平衡；当无人机抛射篮球的瞬间，受到向下的重力G1＝m2*g、向上的升力F，此时无人机预估补偿的量为ΔF＝F-G1；

3)控制流程：无人飞行器抛射携带的物体飞行时，首先要改变的是垂直方向上的推力，然后改变机体的合力大小和方向，保证飞行的稳定性，最后得到无人飞行器期望的飞行姿态以实现既定的飞行任务。

一种基于所述的一种基于三摄像头的无人机灌篮、反弹自演化智能系统的四旋翼无人机灌篮、反弹投篮控制方法，其特征在于包括：

D1)飞行控制器调节：飞行控制器通过读取内部集成传感器的数值，包括加速度计、角速度计、地磁计的数据，获得四旋翼飞行状态等信息，使飞行器在空中平稳的飞行。接受机载中央处理器的飞行指令，根据控制要求向与投影面夹角θ的指定方向飞行；

D2)机载中央处理器调节：机载中央处理器通过机载摄像头C识别篮筐，向飞行控制器下达飞行指令，保证四旋翼飞行器在飞行过程中，篮筐图像是位于机载摄像头C拍摄图像的中心位置。机载中央处理器接收地面数据处理基站控制数据，包括接收的弹射角度、弹射速度、弹射时刻三个要求并弹射篮球；

D3)地面计算处理调节：地面数据处理基站通过360度全景球形相机B获取篮球轨迹的投影，通过360度全景球形相机A测量无人机飞行方向与投影面的夹角。基于最基本的投篮规则衍生出经过演化之后的控制规则集，向机载中央处理器发送命令，按照控制规则集输出的结果来指挥无人机完成操作。

现有的基于统计学习的模型很难有严格的逻辑解释，而基于状态做决策的模型必须有很强的约束条件为前提，与这些方法相比，无人机基于基本规则的打球模型方法具有更好的可解释性，这种方法具有可迁移性。在这里的基本规则与传统决策系统中的规则不同。这是一个真正的基本因果规则，它是基于智能定义而来的、不可细分的规则，由这些最基本的规则学习到的就是机器智能。不仅具有像专家规则那样可被解释的优点，而且比数据驱动模型具有更好的变化适应性。当条件发生变化时，基于基本规则的模型可以自组织和重组可迭代的基本规则，以适应新的条件，无需人工帮助。

本发明的有益成果：

(1)本发明的无人机携带篮球可以完成灌篮、反弹入篮的功能。

(2)本发明提出的基于规则的的无人机自演化模型，通过在本质约束下，通过最基本的规则不断迭代，能够适应不同复杂的环境(包括无人机控制的误差、视觉计算的误差、篮球及场地测量的误差等等)，可以在不同环境下都具有适应性较高的能力。

(3)依托本发明的无人机投篮球的项目，与已有的“自学习”相比较，验证所提出的“自演化学习”在学习的过程中，所需的样本容量更少，学习能力更快，

(4)本发明方法在可预知的干扰下，对模型本身进行控制时，考虑到四旋翼无人机自身存在姿态的耦合关系以及外部确定性干扰对闭环系统的影响，可以保证每个通道的实际姿态值跟踪上期望值，有更好的响应跟踪效果，提高飞行器闭环系统的鲁棒性。

(5)在学习的过程中，充分考虑了复杂环境的不确定性，朝着控制的精度不断提高的预定目标不断演化，最终实现无人机的灌篮和反弹投篮。

附图说明

图1为本发明第一无人机机械臂挂载机械爪示意图；

图2为本发明第二无人机机械臂挂载机械爪示意图；

图3为本发明无人机摆杆结构示意图；

图4为360°全景摄像机摄角度示意图；

图5为机载摄像机拍摄角度示意图；

图6为无人机抛射进篮示意图；

图7为无人机反弹进篮受力示意图；

图8为无人机反弹进篮速度示意图；

图9为无人机反弹投篮b偏小h2偏高受力示意图；

图10为无人机反弹投篮b偏小h2偏高速度示意图；

图11为无人机反弹投篮b偏大h2偏高受力示意图；

图12为无人机反弹投篮b偏大h2偏高速度示意图；

图13为无人机反弹投篮b偏小h2偏低受力示意图；

图14为无人机反弹投篮b偏小h2偏低速度示意图；

图15为无人机反弹投篮b偏大h2偏低受力示意图；

图16为无人机反弹投篮b偏大h2偏低速度示意图；

图17为本发明控制结构示意图；

图18为本发明控制方法流程图；

图19为野外山洞投送货物示意图。

具体实施方式

为了更详细地说明本发明的一种基于三摄像头的无人机灌篮、反弹自演化智能系统，下面根据附图详细说明本发明。

一种基于三摄像头的无人机灌篮、反弹投篮自演化智能系统，组成部分包括自动驾驶的无人机、篮球投射装置、标准篮球、标准篮球场地、标准篮球架、两个球形摄像机、一个机载摄像机。控制的方法包括两部分，一个是双欠稳系统的控制方法，一个是无人机自演化学习的控制方法。双欠稳系统的控制方法是通过对无人机原有的欠稳飞行模型中，增加了可以预估的干扰，为了补偿预估的干扰对无人机的反作用力，设计一定的干扰补偿器进行逼近，消除可以预估的干扰对无人机带来的不稳定的因素，增强整个双欠稳系统的闭环性能，实现无人机飞行状态的自我修复。无人机自演化学习的控制方法，是机理模型和数据模型相结合得出的控制方法，首先机理模型是对篮球飞行轨迹建立规则，其次数据模型通过一定数量的样本进行学习训练。在学习的过程中，充分考虑了复杂环境的不确定性，朝着控制的精度不断提高的预定目标不断演化，最终实现无人机的灌篮和反弹投篮。

本发明的目的是通过以下技术方案来实现的：一种具有自动驾驶功能的四旋翼无人机智能系统，包括四旋翼无人机、三个摄机、飞行控制器、机载中央处理器、地面数据处理基站和篮球投射装置。

所述的四旋翼无人机为市面上常见的无人机，包括无人机机架、电池、起落架、无刷电机、电调。

所述的三个摄像机包括一个机载摄像机C，以及两个360度全景球形相机。所述的机载摄像机A用于识别篮球框，指示无人机向篮球框方向飞行。所述的360度全景球形相机B，随机放置在篮球场地上，用于检测篮球运动的轨迹，对抛射的参数和结果进行记录。所述的360度全景球形相机A，放置在篮球框之下，用于检测无人机运动的轨迹，记录无人机飞行方向。

所述的无人机飞行控制器用于控制无人机的飞行，自动保持飞机的正常飞行姿态。包括集成控制器、陀螺仪、加速度计、磁力计、GPS模块。飞行控制器实时采集各传感器测量的飞行状态数据，接收所述的机载中央处理器上发送的命令和数据，经计算处理，输出控制指令给电调，实现对无人机各种飞行模式的控制。同时将无人机的状态数据以及参数实时传送给机载中央处理器。

所述的机载中央处理器用于协调所述四旋翼无人机的数据处理及控制指令发送的工作，包括处理所述的机载摄像机C识别篮球框的数据，发送飞行指令到所述无人机飞行控制器，控制飞行器按照预设方向轨迹飞行。接收所述地面数据处理基站发送的数据，发送飞行指令到所述无人机飞行控制器，控制四旋翼无人机飞行速度，以及控制所述篮球投射装置投射篮球的初速度、角度。

所述的地面数据处理基站用于协调整个系统的数据处理的工作，包括处理所述的全景球形相机B计算投影面轨迹的数据，及所述的全景球形相机A计算飞行方向与投影面夹角的数据。根据自演化模型更新求解所述四旋翼无人机的飞行速度、所述四旋翼无人机释放篮球的位置、所述篮球投射装置投射篮球的初速度、角度，并将更新计算的结果发送给所述机载中央处理器执行相应的控制。

所述的篮球投射装置位于无人机起落架之间，用于根据指令释放/抛射篮球的装置，包括两种释放/抛射的方法：第一种是机械臂挂载机械爪释放篮球，如图1和图2所示，第二种是摆杆起摆抛射篮球。

图1和图2是无人机通过机械臂挂载机械爪释放篮球的示意图，当无人机按照一定的速度飞到预期位置时，机械爪释放篮球，此时的篮球初速度大小等于无人机飞行的速度，速度的方向沿水平方向。

图3是无人机摆杆起摆的方式抛射篮球，摆杆的一端连接有机械爪，摆杆的另一端连接有电机，电机连接高精度测速装置，飞行器飞行到指定位置后，飞行器保持不动，电机的转速由机载中央处理器进行控制，通过电机的正反转起摆，速度由小到大逐步提升，由测速装置计算摆垂直于地面(即篮球在最低位置)时的速度，此时篮球的速度方向水平，当达到要求的速度时，机械爪释放并抛射篮球。

所述的一种基于三摄像头的无人机灌篮、反弹自演化智能系统包括两部分，一是三摄像头的组合定位方法，二是无人机依据自演化的控制方法，完成无人机灌篮、无人机反弹投篮两部分控制方法。

所述的三摄像头组合定位的方法给出了基于三摄像头进行无人机、篮球定位的方法。在明确了三个摄像头的分类和任务目标后，在一个三维的物理空间当中进行定位数据计算，为无人机自演化控制方法生成基本规则集。

所述的三摄像头组合定位的方法具体步骤如下：

三摄像头任务及关键变量测定：选取可观可测的关键变量，分别交由所述机载摄像头C、360度全景球形相机B、360度全景球形相机A进行测定如图4和图5所示。所述机载摄像头C用于识别篮筐，并计算篮筐图像位置和机载摄像头拍摄图像中心位置的偏差δ；所述360度全景球形相机B用于观察记录篮球实际的运动轨迹在投影面上的轨迹；所述360度全景球形相机A用于观察记录无人机飞行轨迹所在的直线与投影平面的夹角θ。

所述的无人机灌篮、反弹自演化智能系统给出了基于自演化进行无人机灌篮、无人机反弹投篮控制学习的方法，在设定了基本规则、演化环境和演化目标之后，在一个三维物理空间中进行无人机在关键变量确定的理想环境下的仿真，生成基本的机理模型(即控制规则集)，在机理模型的基础上通过提高投篮精准度要求以及提高复杂环境变化的不确定程度，利用数据模型不断修正迭代机理模型，实现无人机自演化灌篮、反弹投篮。

所述的四旋翼无人机灌篮过程具体为：无人机携带篮球自主起飞，向篮筐方向飞行，并投射篮球进入篮筐，随后无人机返航。

所述的四旋翼无人机反弹投篮过程具体为：无人机携带篮球自主起飞，向篮筐方向飞行，并投射篮球与地面碰撞，篮球反弹后进入篮筐，随后无人机返航。

所述的无人机灌篮、反弹自演化智能系统实现具体步骤如下：

S1)变量选择与测定：选取环境中影响机理模型的关键变量，包括无人机控制变量、篮球控制变量、环境控制变量三部分。所述的无人机控制变量包括无人机飞行的初始速度v，无人机飞行高度h；所述的篮球控制变量包括篮球横截面积A，篮球质量m，篮球的恢复系数COR(篮球与地面碰撞前后，垂直方向的速度比率)，篮球的摩擦系数COF(篮球与地面碰撞水平方向上受到的摩擦力)；所述的环境控制变量包括空气密度ρ，空气阻力系数C_D，升力系数C_L。

S2)设定机理模型、演化环境和演化目标：设定机理模型，即关键变量需要遵守的物理规则；设定演化环境，即所述四旋翼无人机准确的完成灌篮、反弹投篮需要满足关键变量的演化环境；设定演化目标，即所述四旋翼无人机完成灌篮、反弹投篮。所述的机理模型包括所述四旋翼无人机飞行与篮球运动轨迹的物理规则和演化环境下的规则；所述的演化环境是在各个关键变量数值不确定变化的复杂实际环境；所述的演化目标是无人机灌篮、反弹投篮由不精准到精准。

S3)基本机理模型建立：在模拟三维空间中进行无人机在理想环境中的仿真，四旋翼无人机从零开始学习，通过给定最基本的投篮规则，结合控制参数和控制结果，利用进化算法的不断筛选以及迭代，得到衍生出来的一种可以实现无人机灌篮、反弹投篮的控制方法。根据摄像头B所观测的四种不同情况，生成相应的四种控制规则，如表1所示，所述投篮情况如图至图所示。所述的控制参数是无人机抛射参数(即抛射距离h2和抛射力大小F)。所述的控制结果是篮球投中篮筐与篮球没有投中篮筐。对于所述的利用进化算法不断筛选以及迭代的评估，通过篮球运动轨迹发展方向是否在正常区间中沿着好的方向趋于稳定来衡量，所述的正常区间为在篮球运动轨迹中，当篮球落点高度与篮筐高度保持一致时，偏离距离d小于一个阈值D。通过上述方法产生数据，即通过机理模型无人机在理想环境中模拟灌篮、反弹投篮，得到基本实现准确灌篮、反弹投篮的数据，如图6至图16所示。

表1四种规则列表

类别	现象	规则
			(1)	b偏大h2偏高	减小a减小v
(2)	b偏小h2偏高	加大a减小v
			(3)	b偏大h2偏低	减小a增大v
(4)	b偏小h2偏低	增大a增大v

所述的四旋翼无人机灌篮在理想环境中的物理模型：

所述的四旋翼无人机反弹投篮在理想环境中的飞行物理模型：

所述的四旋翼无人机灌篮在理想环境中的物理模型和所述的四旋翼无人机反弹投篮在理想环境中的飞行物理模型均是一组非线性的二阶常微分方程，没有解析解，其中已知篮球起始位置x₀、初始速度v₀、初始高度z₀，以及篮球质量m、横截面积A、空气密度ρ、重力加速度g、空气阻力系数C_D，升力系数C_L等常数，可以用Runge-Kutta方法，用数值分析求解x轴加速度a_x、x轴速度v_x、z轴速度v_z、z轴加速度a_z、速度方向和水平方向的夹角θ以及篮球实际运动的轨迹方程。

所述的四旋翼无人机反弹投篮在理想环境中的碰撞物理模型：

垂直方向：

水平方向：

自旋速度：

其中篮球的质量为m，半径为r，以入射角的角度与场地发生碰撞，入射速度为v₁，力F是球与场地之间的摩擦力，力N是场地对篮球的反作用力，篮球反弹后出射速度为v₂，出射角度为并产生角速度为ω₂的旋转。

S4)自演化：在基本的投篮控制规则集的基础上，通过对控制准确度的不断提高以及所述环境关键变量的不确定变化，对所述的基本控制规则集不断更新并迭代，最终生成一个经过演化之后的控制规则集，即能够适应一定的复杂环境的变化并且能够保证一定的无人机灌篮、反弹投篮的准确度。所述的环境关键变量的不确定性变化演化过程可以由单一关键变量变化逐步向多个关键变量变化过渡。形成所述演化之后的控制规律集的方法是控制规则的不断增加，若控制规则集增加新的控制规则后不满足所述演化目标的要求筛选掉之后重新添加，反之则将新的控制规则加入到控制规则集当中。所有新演化之后的控制规则集都要满足所述最基本的投篮规则。

S5)建立自演化智能系统：根据所述经过演化之后的控制规则集，通过协调飞行控制器、机载中央处理器、地面数据处理基站三个控制中心相互之间的数据通信，建立整个自演化智能系统。

所述的四旋翼无人机灌篮、反弹投篮控制方法具体如下：

D1)飞行控制器调节：飞行控制器通过读取内部集成传感器的数值，包括加速度计、角速度计、地磁计的数据，获得四旋翼飞行状态等信息，使飞行器在空中平稳的飞行。接受机载中央处理器的飞行指令，根据控制要求向与投影面夹角θ的指定方向飞行。

D2)机载中央处理器调节：机载中央处理器通过机载摄像头C识别篮筐，向飞行控制器下达飞行指令，保证四旋翼飞行器在飞行过程中，篮筐图像是位于机载摄像头C拍摄图像的中心位置。机载中央处理器接收地面数据处理基站控制数据，包括接收的弹射角度、弹射速度、弹射时刻三个要求并弹射篮球。

D3)地面计算处理调节：地面数据处理基站通过360度全景球形相机B获取篮球轨迹的投影，通过360度全景球形相机A测量无人机飞行方向与投影面的夹角。基于最基本的投篮规则衍生出经过演化之后的控制规则集，向机载中央处理器发送命令，按照控制规则集输出的结果来指挥无人机完成操作。

所述的无人机双欠稳系统的控制方法给出了无人机在维持自身平衡稳定的情况下，对可以预估的干扰进行补偿的方法。在得到无人机基本参数和干扰参数后，所述机载中央处理器通过干扰补偿器的逼近计算后，对飞行控制器下达控制指令，维持无人机双欠稳系统的稳定性。

所述的无人机双欠稳系统的控制方法具体步骤如下：

1)关键变量的选择和测定：选择并测定双欠稳系统中关键的变量，测定关键变量包括无人机携带的篮球质量m1、无人机自身质量m2、以及在无人机向前飞行的过程中，抛射篮球时的位置x。

2)模型建立：依据所述步骤1)中测定的关键变量，对无人机抛射篮球前以及抛射篮球后进行建模。具体的，当无人机抛射篮球之前，受力示意图如图1所示，受到向下的篮球重力G1＝m1*g、向下的无人机重力G2＝m2*g、向上的升力F上。由于飞行高度保持不变，在抛射篮球之前无人机在垂直方向上受力平衡；当无人机抛射篮球的瞬间，受到向下的重力G1＝m2*g、向上的升力F，此时无人机预估补偿的量为ΔF＝F-G1

3)控制流程：无人飞行器抛射携带的物体飞行时，首先要改变的是垂直方向上的推力，然后改变机体的合力大小和方向，保证飞行的稳定性，最后得到无人飞行器期望的飞行姿态以实现既定的飞行任务。控制示意图如图17和图18所示。

下面结合实施例对本发明的技术内容做进一步说明。

实施例1：

下面以用自演化的控制方法在特定环境中进行无人机投射货物自演化控制为例，具体说明一种基于三摄像头的无人机灌篮自演化智能系统。

步骤一，即在无人机起飞之前，测量运送的货物质量，将摄像头、无人机飞行控制器模块和机载中央处理器(其中包含传感器模块)等装置安装在无人机上。基于自演化的控制方法，建立控制系统。

所述的自演化控制方法具体步骤如下：

1)关键变量选择与测定：选取环境中影响机理模型的关键变量，包括无人机控制变量、货物控制变量、环境控制变量三部分。所述的无人机控制变量包括无人机飞行的初始速度v，无人机飞行高度h；所述的货物控制变量包括货物横截面积A，货物质量m；所述的环境控制变量包括空气密度ρ，空气阻力系数C_D，升力系数C_L。

2)设定机理模型、演化环境和演化目标：设定机理模型，即关键变量需要遵守的物理规则；设定演化环境，即所述四旋翼无人机完成抛投需要满足关键变量的特定环境；设定演化目标，即所述四旋翼无人机完成抛投的准确程度由不精准到精准。

3)基本机理模型建立：在模拟三维空间中进行无人机在理想环境中的仿真，四旋翼无人机从零开始学习，通过给定最基本的抛投规则，结合控制参数和控制结果，利用进化算法的不断筛选以及迭代，得到衍生出来的一种可以实现无人机抛投物体的控制方法。所述的最基本抛投规则是无人机发送指令，沿飞行方向抛投货物。所述的控制参数是无人机抛投货物时的参数。所述的控制结果是货物是否投中。对于所述的利用进化算法不断筛选以及迭代的评估，通过货物落地点的发展方向是否在正常区间中沿着好的方向趋于稳定来衡量，所述的正常区间为当货物落地时，偏离距离d小于一个阈值D。通过上述方法产生数据，即通过机理模型无人机在理想环境中模拟抛投货物，得到基本实现准确抛投货物的数据。

4)自演化：在基本的投篮控制规则集的基础上，通过对控制准确度的不断提高以及在环境参数的变化，对所述的基本控制规则集不断更新并迭代，最终生成一个经过演化之后的控制规则集，即能够适应特定的环境并且能够保证一定的无人机抛投货物的准确度。形成所述演化之后的控制规律集的方法是控制规则的不断增加，若控制规则集增加新的控制规则后，不满足所述演化目标的要求，筛选掉之后重新添加，反之则将新的控制规则加入到控制规则集当中。所有新演化之后的控制规则集都要满足所述最基本的抛投货物的规则。

5)建立自演化智能系统：根据所述经过演化之后的控制规则集，通过协调飞行控制器、机载中央处理器、地面数据处理基站三个控制中心相互之间的数据通信，建立整个自演化智能系统。

步骤二，启动建立好的控制系统，将货物安装在无人机上，进行实际场地的训练，不断迭代。当抛投精度低时，增加新的控制规则，替代原有控制规则，来适应环境的变化。

步骤三，保存训练好的控制规则集，无人机返回到起飞区域，等待下一次使用。

实施例2：

下面以无人机空中投送货物为例，具体说明双欠稳系统的控制方法。

步骤一，在无人机起飞之前，测量运送的货物质量，将摄像头、无人机飞行控制器模块和机载中央处理器(其中包含传感器模块)等装置安装在无人机上，测量无人机的总质量，并通过无人机自演化的最终控制规则集进行设置。

步骤二，起飞无人机，无人机按照自演化的控制方法，向预期目的地飞行。

步骤三，无人机到达抛射物体的位置，根据双欠稳系统的控制方法，在空中将货物抛射，快速计算预估补偿的大小，使每个通道的实际姿态值跟踪上期望值，保证飞行器抛射货物前和抛射货物后平稳的过渡。

步骤四，无人机按照原路径返航到起飞地方，并降落停机，等待下一次使用需求。

实施例3：下面以无人机野外山洞精准投送货物为例，具体说明自演化智能系统和双欠稳系统的联合控制，如图19所示。

考虑野外山洞的恶劣环境，无法在地面建立球形全景相机，需要机载无人机摄像头为双目摄像头，GPS，并在无人机上安装有可发射标记物的发射器。

步骤一：无人机接收具体营救位置，并携带救援物资飞往人员被困的山洞附近。

步骤二：无人机对山洞侧壁发射标记物，通过机载双目相机进行识别检测，借鉴四旋翼无人机灌篮在理想环境中的物理模型，通过最后标记物落点和时间，以及发射的抛物线可能轨迹，推算出无人机与洞口的实际坐标关系，以及各项所处环境参数变量，然后为抛射救援物资，做好定位和轨道设计。

步骤三：无人机按照计算好的轨道参数，抛射救援物资，同时为消除无人机自重突然减轻给无人机带来的影响，在抛射货物之前，根据双欠稳系统的控制方法，快速计算预估补偿的大小，使无人机实际姿态值快速调整到期望值。

步骤四：无人机根据GPS信号，返回到出发位置。

Claims (10)

1.一种基于三摄像头的无人机灌篮、反弹自演化智能系统，包括具有自动驾驶功能的四旋翼无人机智能系统，其特征在于所述无人机智能系统包括四旋翼无人机、三个摄机、飞行控制器、机载中央处理器、地面数据处理基站和篮球投射装置；

所述的三个摄像机包括一个机载摄像机C，以及两个360度全景球形相机。所述的机载摄像机C用于识别篮球框，指示无人机向篮球框方向飞行；所述的360度全景球形相机B，随机放置在篮球场地上，用于检测篮球运动的轨迹，对抛射的参数和结果进行记录；所述的360度全景球形相机A放置在篮球框之下，用于检测无人机运动的轨迹，记录无人机飞行方向；

所述系统采用双欠稳系统的控制方法和无人机自演化学习的控制方法控制，所述双欠稳系统的控制方法是通过对无人机原有的欠稳飞行模型中，增加了可以预估的干扰，为了补偿预估的干扰对无人机的反作用力，设计一定的干扰补偿器进行逼近，消除可以预估的干扰对无人机带来的不稳定的因素；无人机自演化学习的控制方法，是机理模型和数据模型相结合得出的控制方法，首先机理模型是对篮球飞行轨迹建立规则，其次数据模型通过一定数量的样本进行学习训练；

所述系统采用三摄像头的组合定位方法进行定位，在一个三维的物理空间当中进行定位数据计算，为无人机自演化控制方法生成基本规则集并利用无人机自演化控制方法完成无人机灌篮、无人机反弹投篮控制。

2.根据权利要求1所述的一种基于三摄像头的无人机灌篮、反弹自演化智能系统，其特征在于所述的四旋翼无人机包括无人机机架、电池、起落架、无刷电机、电调；

所述的无人机飞行控制器用于控制无人机的飞行，自动保持飞机的正常飞行姿态，所述无人机飞行控制器包括集成控制器、陀螺仪、加速度计、磁力计、GPS模块。飞行控制器实时采集各传感器测量的飞行状态数据，接收所述的机载中央处理器上发送的命令和数据，经计算处理，输出控制指令给电调，实现对无人机各种飞行模式的控制，同时将无人机的状态数据以及参数实时传送给机载中央处理器；

所述的机载中央处理器用于协调所述四旋翼无人机的数据处理及控制指令发送的工作，包括处理所述的机载摄像机C识别篮球框的数据，发送飞行指令到所述无人机飞行控制器，控制飞行器按照预设方向轨迹飞行；接收所述地面数据处理基站发送的数据，发送飞行指令到所述无人机飞行控制器，控制四旋翼无人机飞行速度，以及控制所述篮球投射装置投射篮球的初速度、角度；

所述的地面数据处理基站用于协调整个系统的数据处理的工作，包括处理所述的全景球形相机B计算投影面轨迹的数据，及所述的全景球形相机A计算飞行方向与投影面夹角的数据；根据自演化模型更新求解所述四旋翼无人机的飞行速度、所述四旋翼无人机释放篮球的位置、所述篮球投射装置投射篮球的初速度、角度，并将更新计算的结果发送给所述机载中央处理器执行相应的控制；

所述的篮球投射装置位于无人机起落架之间，用于根据指令释放/抛射篮球的装置，包括两种释放/抛射的方法：第一种是机械臂挂载机械爪释放篮球，第二种是摆杆起摆抛射篮球。

3.根据权利要求2所述的一种基于三摄像头的无人机灌篮、反弹自演化智能系统其特征在于所述的四旋翼无人机灌篮过程具体为：无人机携带篮球自主起飞，向篮筐方向飞行，并投射篮球进入篮筐，随后无人机返航；所述无人机通过机械臂挂载机械爪释放篮球时，当无人机按照一定的速度飞到预期位置时，机械爪释放篮球，此时的篮球初速度大小等于无人机飞行的速度，速度的方向沿水平方向；

所述的四旋翼无人机反弹投篮过程具体为：无人机携带篮球自主起飞，向篮筐方向飞行，并投射篮球与地面碰撞，篮球反弹后进入篮筐，随后无人机返航；

无人机摆杆起摆的方式抛射篮球时，摆杆的一端连接有机械爪，摆杆的另一端连接有电机，电机连接高精度测速装置，飞行器飞行到指定位置后，飞行器保持不动，电机的转速由机载中央处理器进行控制，通过电机的正反转起摆，速度由小到大逐步提升，由测速装置计算摆垂直于地面(即篮球在最低位置)时的速度，此时篮球的速度方向水平，当达到要求的速度时，机械爪释放并抛射篮球。

4.根据权利要求1所述的一种基于三摄像头的无人机灌篮、反弹自演化智能系统，其特征在于所述的三摄像头组合定位的方法具体步骤如下：

三摄像头任务及关键变量测定：选取可观可测的关键变量，分别交由所述机载摄像头C、360度全景球形相机B、360度全景球形相机A进行测定。所述机载摄像头C用于识别篮筐，并计算篮筐图像位置和机载摄像头拍摄图像中心位置的偏差δ；所述360度全景球形相机B用于观察记录篮球实际的运动轨迹在投影面上的轨迹；所述360度全景球形相机A用于观察记录无人机飞行轨迹所在的直线与投影平面的夹角θ。

5.根据权利要求1所述的一种基于三摄像头的无人机灌篮、反弹自演化智能系统，其特征在于所述的无人机自演化学习的控制方法为：在设定了基本规则、演化环境和演化目标之后，在一个三维物理空间中进行无人机在关键变量确定的理想环境下的仿真，生成基本的机理模型(即控制规则集)，在机理模型的基础上通过提高投篮精准度要求以及提高复杂环境变化的不确定程度，利用数据模型不断修正迭代机理模型，实现无人机自演化灌篮、反弹投篮。

6.根据权利要求5所述的一种基于三摄像头的无人机灌篮、反弹自演化智能系统，其特征在于所述的无人机自演化学习的控制方法具体步骤为：

S1)变量选择与测定：选取环境中影响机理模型的关键变量，包括无人机控制变量、篮球控制变量、环境控制变量三部分；所述的无人机控制变量包括无人机飞行的初始速度v，无人机飞行高度h；所述的篮球控制变量包括篮球横截面积A，篮球质量m，篮球的恢复系数COR(篮球与地面碰撞前后，垂直方向的速度比率)，篮球的摩擦系数COF(篮球与地面碰撞水平方向上受到的摩擦力)；所述的环境控制变量包括空气密度ρ，空气阻力系数C_D，升力系数C_L；

S2)设定机理模型、演化环境和演化目标：设定机理模型，即关键变量需要遵守的物理规则；设定演化环境，即所述四旋翼无人机准确的完成灌篮、反弹投篮需要满足关键变量的演化环境；设定演化目标，即所述四旋翼无人机完成灌篮、反弹投篮；所述的机理模型包括所述四旋翼无人机飞行与篮球运动轨迹的物理规则和演化环境下的规则；所述的演化环境是在各个关键变量数值不确定变化的复杂实际环境；所述的演化目标是无人机灌篮、反弹投篮由不精准到精准；

S3)基本机理模型建立：在模拟三维空间中进行无人机在理想环境中的仿真，四旋翼无人机从零开始学习，通过给定最基本的投篮规则，结合控制参数和控制结果，利用进化算法的不断筛选以及迭代，得到衍生出来的一种可以实现无人机灌篮、反弹投篮的控制方法；根据摄像头B所观测的四种不同情况，生成相应的四种控制规则；所述的控制参数是无人机抛射参数(即抛射距离h2和抛射力大小F)；所述的控制结果是篮球投中篮筐与篮球没有投中篮筐；对于所述的利用进化算法不断筛选以及迭代的评估，通过篮球运动轨迹发展方向是否在正常区间中沿着好的方向趋于稳定来衡量，所述的正常区间为在篮球运动轨迹中，当篮球落点高度与篮筐高度保持一致时，偏离距离d小于一个阈值D，通过上述方法产生数据，即通过机理模型无人机在理想环境中模拟灌篮、反弹投篮，得到基本实现准确灌篮、反弹投篮的数据；

S4)自演化：在基本的投篮控制规则集的基础上，通过对控制准确度的不断提高以及所述环境关键变量的不确定变化，对所述的基本控制规则集不断更新并迭代，最终生成一个经过演化之后的控制规则集，即能够适应一定的复杂环境的变化并且能够保证一定的无人机灌篮、反弹投篮的准确度；所述的环境关键变量的不确定性变化演化过程可以由单一关键变量变化逐步向多个关键变量变化过渡；形成所述演化之后的控制规律集的方法是控制规则的不断增加，若控制规则集增加新的控制规则后不满足所述演化目标的要求筛选掉之后重新添加，反之则将新的控制规则加入到控制规则集当中；所有新演化之后的控制规则集都要满足所述最基本的投篮规则；

S5)建立自演化智能系统：根据所述经过演化之后的控制规则集，通过协调飞行控制器、机载中央处理器、地面数据处理基站三个控制中心相互之间的数据通信，建立整个自演化智能系统。

7.根据权利要求6所述的一种基于三摄像头的无人机灌篮、反弹自演化智能系统，其特征在于所述的四旋翼无人机灌篮在理想环境中的物理模型：

所述的四旋翼无人机反弹投篮在理想环境中的飞行物理模型：

所述的四旋翼无人机反弹投篮在理想环境中的碰撞物理模型：

垂直方向：

水平方向：

自旋速度：

其中篮球的质量为m，半径为r，以入射角的角度与场地发生碰撞，入射速度为v₁，力F是球与场地之间的摩擦力，力N是场地对篮球的反作用力，篮球反弹后出射速度为v₂，出射角度为并产生角速度为ω₂的旋转。

8.根据权利要求7所述的一种基于三摄像头的无人机灌篮、反弹自演化智能系统，其特征在于所述的四旋翼无人机灌篮在理想环境中的物理模型和所述的四旋翼无人机反弹投篮在理想环境中的飞行物理模型均是一组非线性的二阶常微分方程，没有解析解，其中已知篮球起始位置x₀、初始速度v₀、初始高度z₀，以及篮球质量m、横截面积A、空气密度ρ、重力加速度g、空气阻力系数C_D，升力系数C_L等常数，可以用Runge-Kutta方法，用数值分析求解x轴加速度a_x、x轴速度v_x、z轴速度v_z、z轴加速度a_z、速度方向和水平方向的夹角θ以及篮球实际运动的轨迹方程。

9.根据权利要求7所述的一种基于三摄像头的无人机灌篮、反弹自演化智能系统，其特征在于所述的双欠稳系统的控制方法具体如下：

1)关键变量的选择和测定：选择并测定双欠稳系统中关键的变量，测定关键变量包括无人机携带的篮球质量m1、无人机自身质量m2、以及在无人机向前飞行的过程中，抛射篮球时的位置x；

2)模型建立：依据所述步骤1)中测定的关键变量，对无人机抛射篮球前以及抛射篮球后进行建模。具体的，当无人机抛射篮球之前，受力示意图如图1所示，受到向下的篮球重力G1＝m1*g、向下的无人机重力G2＝m2*g、向上的升力F上；由于飞行高度保持不变，在抛射篮球之前无人机在垂直方向上受力平衡；当无人机抛射篮球的瞬间，受到向下的重力G1＝m2*g、向上的升力F，此时无人机预估补偿的量为ΔF＝F-G1；

3)控制流程：无人飞行器抛射携带的物体飞行时，首先要改变的是垂直方向上的推力，然后改变机体的合力大小和方向，保证飞行的稳定性，最后得到无人飞行器期望的飞行姿态以实现既定的飞行任务。

10.一种基于权利要求1-9任一所述的一种基于三摄像头的无人机灌篮、反弹自演化智能系统的四旋翼无人机灌篮、反弹投篮控制方法，其特征在于包括：

D1)飞行控制器调节：飞行控制器通过读取内部集成传感器的数值，包括加速度计、角速度计、地磁计的数据，获得四旋翼飞行状态等信息，使飞行器在空中平稳的飞行。接受机载中央处理器的飞行指令，根据控制要求向与投影面夹角θ的指定方向飞行；

D2)机载中央处理器调节：机载中央处理器通过机载摄像头C识别篮筐，向飞行控制器下达飞行指令，保证四旋翼飞行器在飞行过程中，篮筐图像是位于机载摄像头C拍摄图像的中心位置。机载中央处理器接收地面数据处理基站控制数据，包括接收的弹射角度、弹射速度、弹射时刻三个要求并弹射篮球；

D3)地面计算处理调节：地面数据处理基站通过360度全景球形相机B获取篮球轨迹的投影，通过360度全景球形相机A测量无人机飞行方向与投影面的夹角。基于最基本的投篮规则衍生出经过演化之后的控制规则集，向机载中央处理器发送命令，按照控制规则集输出的结果来指挥无人机完成操作。