CN111273679A - 一种视觉引导的小型固定翼无人机撞网回收纵向制导方法 - Google Patents

Abstract

本发明公开了一种视觉引导的小型固定翼无人机撞网回收纵向制导方法，采用基于openmv4机器视觉模块的Apriltags识别算法，在已知相机分辨率、焦距以及Apriltags标记尺寸的情况下，当无人机与Apriltags标记之间的距离和角度满足识别距离时，无人机的制导系统自动由GPS制导系统切换到视觉制导系统，openmv4机器视觉模块自动识别Apriltags标记，解算出无人机与相机之间的相对位置信息和姿态信息，并将解算出位姿信息传送给无人机飞行控制系统，无人机飞行控制系统根据接收到的位姿信息，通过纵向制导方法控制无人机撞网回收。

Description

一种视觉引导的小型固定翼无人机撞网回收纵向制导方法

技术领域

本发明属于无人机控制领域，特别涉及了一种固定翼无人机撞网回收纵向制导方法。

背景技术

在撞网回收时，无人机会面临系统误差、环境干扰等问题，需要考虑将理想回收点设计在一定的范围之内，并且保证合理的撞击角。并且在各种动力学条件与操作的限制下，着舰时无人机的动能和势能发生突变，此时的无人机最脆弱也最容易发生事故。

目前末端着舰导引系统主要有雷达导航系统、电视跟踪系统、激光导引系统、视觉导航系统、捷联导引头系统、GPS(Global Positioning System)全球定位系统等。雷达导航系统主要设备安装于地面，价格昂贵，导航精度受限于雷达的定向精度；电视跟踪系统、激光导引系统、捷联导引头系统受天气、环境限制比较大，作用距离短，需要快速响应目标的变换，并且对目标视线角有一定的要求；GPS系统不受环境和作用距离限制，但精度较差，差分GPS在移动舰船上无法高精度作业。

这些常见的制导设备包括特殊设备和无线电通信，由于操作环节复杂性、成本或其他限制，这些技术很难应用到小型固定翼无人机上。现代战场越来越着重小型无人机的轻量级和廉价性，发展的方向要求其着舰时不依赖跑道和除相机与视觉处理器之外的任何特殊设备，此时不会消耗或者散发出任何可能被敌人检测到的能量。

在这种背景之下，提出一种新的小型无人机回收方法具有重大研究意义。

发明内容

为了解决上述背景技术提到的技术问题，本发明提出了一种视觉引导的小型固定翼无人机撞网回收纵向制导方法。

为了实现上述技术目的，本发明的技术方案为：

一种视觉引导的小型固定翼无人机撞网回收纵向制导方法，采用基于openmv4机器视觉模块的Apriltags识别算法，在已知相机分辨率、焦距以及Apriltags标记尺寸的情况下，当无人机与Apriltags标记之间的距离和角度满足识别距离时，无人机的制导系统自动由GPS制导系统切换到视觉制导系统，openmv4机器视觉模块自动识别Apriltags标记，解算出无人机与相机之间的相对位置信息和姿态信息，并将解算出位姿信息传送给无人机飞行控制系统，无人机飞行控制系统根据接收到的位姿信息，通过纵向制导方法控制无人机撞网回收。

进一步地，所述纵向制导方法为基于虚拟着陆点的伪跟踪制导方法；在伪跟踪制导中，设定虚拟回收点P_i，各虚拟回收点P_i位于回收网中心的水平直线上并与无人机相距特定距离r_i，则伪跟踪制导律如下：

上式中，λ_longi为虚拟回收点P_i对应的虚拟纵向视线角度，h_A为无人机相对于回收网底部的高度，h_T为回收网中心到回收网底部的高度，下标i表示第i个虚拟回收点，将回收网中心当作最后一个虚拟着陆点。

采用上述技术方案带来的有益效果：

(1)本发明不依赖于全球定位系统，可以在GPS信号差或者没有信号的情况下完成自主着舰；

(2)本发明采用Apriltags识别算法，抗干扰能力强；

(3)本发明设计的跟踪虚拟目标的纵向制导律响应十分迅速，克服了比例导引制导对末端变化过于敏感的缺点。

附图说明

图1是以恒定速度引导无人机到标记目标的制导轨迹图；

图2是含图像处理噪声在内的对标记目标的制导轨迹图；

图3是无人机撞网回收X-Y平面纵向制导律模型图；

图4是本发明设计的伪跟踪制导轨迹图；

图5是设置一个虚拟着陆点的纵向视线角仿真验证图；

图6是设置三个虚拟着陆点的纵向视线角仿真验证图。

具体实施方式

以下将结合附图，对本发明的技术方案进行详细说明。

本发明基于Openmv4机器视觉模块，采用了Apriltags识别算法。Apriltags识别算法是一款由密歇根州立大学的April实验室开发的开源视觉定位系统，可以快速识别标签的同时解算出目标与相机之间的三维位置(x，y，z)及姿态(roll，pitch，yaw)数据。该算法的标记图编码数据量小，易于获取，且具有高精度局部准确性，目前已经广泛运用在机器人学、相机校准等大量任务中。

本发明的原理是Openmv4视觉模块通过串口通讯方式将Apriltags算法解算的无人机与回收网之间相对位置信息数据打包发送给飞行控制系统芯片，飞控通过中断程序读取Openmv4数据函数。

1、Apriltags算法原理

Openmv4上的相机试图找到内部颜色比外部颜色更深的四边形区域，为了便于实现这一点，设计了有黑白边框的标签。

(1)当切换到视觉制导系统时，系统首先会识别出标签中的线段

①标签检测算法首先计算每个像素的梯度，计算它们的大小。

②得到梯度方向。

③通过聚类将梯度方向与幅值相似的聚集到一起。

④然后用加权最小二乘对每个分量中的像素进行线段拟合。

(2)随后系统将检测标签中的四边形

当系统识别出直线段后，下一步就是检测四边形。整个任务转化为一个深度为4的递归深度优先搜索。在深度1处，依次把每条线段作为起始线段。在深度2到4处，去找和这个起始线段终点(默认每条线段都是逆时针方向)足够近的线段。

(3)最后根据单应性及外估计，解算出位置信息。

利用DLT(Direct Linear Transform)算法计算单应性矩阵H，该矩阵可以将齐次坐标形式的2D点从Tag坐标系转换到2D图像坐标系，这里的Tag坐标系原点为标签正中心。

在计算标签的位置和姿态信息时，需要知道相机的焦距和识别标记的物理尺寸。3×3的单应性矩阵H可以写成3×4的相机投影矩阵P与4×3的截断外部参数矩阵E的乘积。本来外参矩阵典型的是4×4，但是由于标签上的每个位置在Tag坐标系下的Z方向坐标都等于0。因此，将每个Tag坐标重写为Z向为0的2D齐次坐标，而且移除了外参矩阵的第三列，剩余的便是截断外参矩阵E，单应性矩阵H：

上式中，R_ij为外参矩阵E的旋转分量，T_k为位移分量表示，s为未知的尺度因子，f_x为相机的焦距。需要注意的是，不能直接求解出E，因为P不是满秩矩阵。但是可以拓展等式的右边变为：

h₀₀＝sR₀₀/f_x

h₀₁＝sR₀₁/f_x

h₀₂＝sT_x/f_x

…

此时能够比较容易的计算出R_ij的元素和T_k的元素。由于旋转矩阵的列必须是单位向量，所以可以基于此抑制s的幅值。此处有旋转矩阵中的两列信息，可以用其两列幅值的几何平均值

来计算s。s的符号可以通过要求标签出现在相机的前方来决定，比如T_z＜0的位置。根据旋转矩阵是正交的，其第三列可以计算已知两列的叉乘得出。

2、纵向制导律设计

本发明中无人机的纵向运动数学模型：

其中，x＝[Δv,Δα,Δq,Δθ]^T，u＝Δδ_e

B＝[0 -0.0011 0 0.3107]^T

上式中，Δv为飞机速度变化量，Δα为飞机迎角变化量，Δq为飞机俯仰角速度变化量，Δθ为飞机俯仰角变化量，Δδ_e为飞机升降舵变化量。

在视线角速率制导律中，比例导引制导对拦截匀速机动目标具有重要作用，相比之下本发明采用的跟踪制导直接针对目标，不考虑未来的目标位置，目的是尽量减小航迹角与视线角之间的差异。图1给出了跟踪制导律和比例制导律对机动目标的制导轨迹。图2比较了比例导航制导律和跟踪制导律对目标位置变化敏感程度，相比之下跟踪制导律对目标位置变化较不敏感，适用于自主撞网回收。基于此假设回收网固定在预先选定的位置。同时，由于图像处理噪声、阳光、阵风等各种干扰，图像处理模块中计算的目标位置可能会发生一些变化。

首先论述基于上述视觉系统提供的信息引导无人机撞网回收的数学模型。下图3为无人机撞网回收X-Y平面纵向制导律数学模型。

在纵向制导律中，瞄准回收网的跟踪制导律是为了使飞行路线角与纵向视线角之间的误差为0。虽然可以通过图像处理过程获得纵向视线角λ_long，但仍能通过下式来计算：

上式中，h_A为相对于回收网底部的高度，h_T为回收网底部到回收网中心的高度，无人机到回收网中心的距离R_xz由视觉处理系统提供，γ为无人机的飞行路线角。

为了使纵向视线角λ_long与飞行路线角γ之间的误差为0，定义γ_d为期望的飞行路线角：

上式中，K_r为正常数增益，并可知纵向视线角λ_long与飞行路线角γ之间的误差与期望飞行路线角度的导数

成正比例。然而，单一的跟踪制导律在制导末端会使得无人机有过度转向的趋势，且不能保证一个合理的回收冲撞角。为了解决这些问题，引入了一个超前角度σ_lead：

上式中，σ_lead为超前角，λ_d为在撞击点的期望视线角。当纵向视线角λ_long与飞行路线角γ之间的误差不为0时，超前跟踪制导命令无人机向前飞行。在一开始阶段，超前跟踪制导会使得无人机向下的俯仰角要比跟踪制导的大。在此次研究中，超前角σ_lead在无人机下滑阶段生效，在拉平阶段不考虑超前角。这样可以使得无人机沿着接近指数路径撞击回收网。

一般来说，撞网回收轨迹分为下滑段和拉平段，需要根据飞机的接近高度和速度选择合适的超前角切换时间，且超前角切换时间的选择关系这制导性能的好坏。考虑到撞网回收简便性和灵活性的要求，提出了一种基于虚拟着陆点的伪跟踪制导律。在伪跟踪制导中，虚拟回收点在回收网中心的水平直线上并离无人机有特定距离r_i。无人机纵向撞网回收轨迹如图4所示，h₀和R₀无人机初始的高度和距离，h_s为拉平段起始点的高度，h_T和R_T为回收网的高度和距离。

将整个超前跟踪制导的撞网回收轨迹分为从R₀到R_s,lead的下滑阶段和从R_s,lead到R_T的拉平阶段。另一方面，伪跟踪制导的撞网回收轨迹通过瞄准虚拟回收点P_i(i＝1,2,3,…,N)来生成。如图所示，采用伪跟踪制导下降范围(R_s,pseudo-R₀)小于采用超前跟踪制导下降范围(R_s,lead-R₀)，并且伪跟踪制导回收轨迹线更加平滑。此时式(5)中的纵向视线角λ_long变为如下的虚拟纵向视线角度λ_longi：

上式中，h_A为无人机相对于回收网底部的高度，h_T为回收网中心到回收网底部的高度。图4中决定虚拟着陆点的半径r_i为常数，该半径可自适应地与剩余距离成比例变化，以提高末端制导性能。

3、仿真验证

在控制环稳定的前提下，假设无人机与理想着陆点的初始相对位置为：前向距离2000m，高度100m。无人机的初始平衡态为：速度20m/s，迎角4°，俯仰角0.5°。无人机对飞行控制系统的要求是速度保持在平衡态，俯仰角和滚转角跟踪引导系统发出的指令信号。当不采用伪跟踪制导时，初始纵向视线角度：

在实际无人机着舰中，虚拟着陆点个数多少与无人机进场的初始状态、虚拟着陆点的半径r_i和实际的控制器品质有关联。为了方便验证，我们给定了无人机与理想着陆点的初始位置以及无人机初始平衡态，并假定控制环稳定。为此，我们设置了一个和三个虚拟回收点进行仿真验证，突出纵向视线角的变化。

(1)一个虚拟回收点

将虚拟回收点设置在回收网中心所在水平面的前向距离1000m处。则特定距离：

那么初始纵向视线角度：

若在UAV飞行到高度50m时候切换到瞄准下一个虚拟着陆点(回收网)飞行，则特定距离：

那么此时纵向视线角度：

对1个虚拟着陆点情况，在simulink中仿真，如图5所示。

仿真曲线表明，实际情况与理想情况的纵向视线角基本吻合，纵向视线角响应快速，并在5秒左右达到设定的稳态。回收网在垂直方向上通常允许误差为±2.5m，调整时间后仍能保证无人机精确撞网回收。

(2)三个虚拟回收点

将虚拟回收点分别设置在回收网中心所在水平面的前向距离500m、1000m、1500m处。则特定距离：

对应的纵向视线角：

在UAV飞行到高度75m时切换到瞄准第二个虚拟回收点飞行，则特定距离：

对应的纵向视线角度：

在UAV飞行到高度50m时切换到瞄准第三个虚拟回收点飞行，则特定距离：

对应的纵向视线角度：

在UAV飞行到高度25m时切换到瞄准回收点飞行，则特定距离：

对应的纵向视线角度：

在simulink中仿真验证，如图6所示。

仿真曲线表明，实际情况与理想情况的纵向视线角基本吻合，纵向视线角快速响应，第一个虚拟回收点对应的视线角到达稳态时间较长，之后的到达稳态的时间越来越短，符合撞网回收的要求，由此可知设计的制导律准确可行。

4、总结

基于Openmv4的Apriltags识别算法使得系统将视觉信号转换为所需要的制导信号，符合轻量级、廉价性和抗干扰性强的要求。本发明提出的伪跟踪纵向制导律处理视觉系统的位置解算信息，生成控制信号。本发明仿真验证了设置一个和三个虚拟回收点情况，得出实际情况与理想情况的纵向视线角基本吻合，且纵向视线角响应快速的结论，证明设计的制导律准确可行。

Claims (2)

1.一种视觉引导的小型固定翼无人机撞网回收纵向制导方法，其特征在于：采用基于openmv4机器视觉模块的Apriltags识别算法，在已知相机分辨率、焦距以及Apriltags标记尺寸的情况下，当无人机与Apriltags标记之间的距离和角度满足识别距离时，无人机的制导系统自动由GPS制导系统切换到视觉制导系统，openmv4机器视觉模块自动识别Apriltags标记，解算出无人机与相机之间的相对位置信息和姿态信息，并将解算出位姿信息传送给无人机飞行控制系统，无人机飞行控制系统根据接收到的位姿信息，通过纵向制导方法控制无人机撞网回收。

2.根据权利要求1所述视觉引导的小型固定翼无人机撞网回收纵向制导方法，其特征在于：所述纵向制导方法为基于虚拟着陆点的伪跟踪制导方法；在伪跟踪制导中，设定虚拟回收点P_i，各虚拟回收点P_i位于回收网中心的水平直线上并与无人机相距特定距离r_i，则伪跟踪制导律如下：

上式中，λ_longi为虚拟回收点P_i对应的虚拟纵向视线角度，h_A为无人机相对于回收网底部的高度，h_T为回收网中心到回收网底部的高度，下标i表示第i个虚拟回收点，将回收网中心当作最后一个虚拟着陆点。

Images