CN115963858A - 无人机飞行控制方法、装置、设备及存储介质 - Google Patents

无人机飞行控制方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115963858A
CN115963858A CN202310024975.7A CN202310024975A CN115963858A CN 115963858 A CN115963858 A CN 115963858A CN 202310024975 A CN202310024975 A CN 202310024975A CN 115963858 A CN115963858 A CN 115963858A
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
target
flight
determining
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310024975.7A
Other languages
English (en)
Inventor
张丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Goertek Inc
Original Assignee
Goertek Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Goertek Inc filed Critical Goertek Inc
Priority to CN202310024975.7A priority Critical patent/CN115963858A/zh
Publication of CN115963858A publication Critical patent/CN115963858A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明属于无人机技术领域，公开了一种无人机飞行控制方法、装置、设备及存储介质。所述无人机飞行控制方法应用于无人机，所述无人机上设有视觉传感器，该方法包括：获取无人机上视觉传感器采集的飞行图像，并提取飞行图像中的目标特征点；根据目标特征点的地面坐标确定坐标关系式；根据坐标关系式构建无人机的优化动力学模型；根据优化动力学模型和目标期望位置对无人机进行姿态调整，以控制无人机到达目标期望位置。通过上述方式，实现了基于飞行图像来辅助无人机的姿态控制，降低了无人机在对GPS的依赖性，弥补了无人机在定位时的缺陷，提高了无人机的控制精度，同时降低了姿态控制时的硬件成本。

Description

无人机飞行控制方法、装置、设备及存储介质
技术领域
本发明涉及无人机技术领域，尤其涉及一种无人机飞行控制方法、装置、设备及存储介质。
背景技术
无人飞行器能够较好的实现其自主飞行控制，很大程度上依赖于是能否较好的感知自身的姿态、位置，这个对无人飞行器来说还是比较重要的。无人飞行器是由多传感器组成的，一般有全球定位系统(GPS)、惯性导航系统以及摄像机等。对于无人飞行器的定位来说，目前来说全球定位系统是一种主流的定位方法。
GPS信号容易受到电磁等干扰影响，在很多情况下GPS信号无法获取，比如某些室内、一些矿井内、山洞内，另外GPS信号非常不稳定。惯性导航系统虽然具有很多优点，但是它也有测量误差，把偏差带给控制系统，而且惯导系统的价格一般比较昂贵，高精度的陀螺仪的价格更是让人无法接受。激光和雷达虽然有比较高的测量精度、抗噪声的干扰能力也比较好，但是其整体硬件的设备太重，尤其是相对于小型的无人飞行器而言。
发明内容
本发明的主要目的在于提供一种无人机飞行控制方法、装置、设备及存储介质，旨在解决现有技术中如何低成本、高精度的无人机飞行姿态控制的技术问题。
为实现上述目的，本发明提供了一种无人机飞行控制方法，所述无人机飞行控制方法应用于无人机，所述无人机上设有视觉传感器，所述无人机飞行控制方法包括：
获取无人机上视觉传感器采集的飞行图像，并提取所述飞行图像中的目标特征点；
根据所述目标特征点的地面坐标确定坐标关系式；
根据所述坐标关系式构建所述无人机的优化动力学模型；
根据所述优化动力学模型和目标期望位置对所述无人机进行姿态调整，以控制所述无人机到达所述目标期望位置。
可选地，所述根据所述目标特征点的地面坐标确定坐标关系式，包括：
根据所述地面坐标和所述无人机的当前线速度确定所述目标特征点的图像坐标；
根据所述图像坐标确定机体焦距；
根据所述机体焦距和所述图像坐标确定坐标关系式。
可选地，所述根据所述机体焦距和所述图像坐标确定坐标关系式，包括：
获取所述无人机的当前角速度和所述目标特征点的当前机体速度；
根据所述图像坐标确定投影坐标和投影矩阵；
根据所述当前角速度、所述当前机体速度、所述投影坐标、所述投影矩阵以及所述机体焦距确定坐标关系式。
可选地，所述根据所述坐标关系式构建所述无人机的优化动力学模型，包括：
根据所述目标特征点的投影坐标进行质心定义，确定所述目标特征点的质心；
获取期望目标矢量；
根据所述期望目标矢量、所述质心以及所述坐标关系式构建所述无人机的优化动力学模型。
可选地，所述根据所述期望目标矢量、所述质心以及所述坐标关系式构建所述无人机的优化动力学模型，包括：
根据所述质心和所述期望目标矢量确定所述目标特征点的测量差异；
根据所述测量差异和所述坐标关系式确定所述目标特征点的导数；
获取所述无人机的初始动力学模型；
根据所述初始动力学模型和所述导数构建所述无人机的优化动力学模型。
可选地，所述根据所述优化动力学模型和目标期望位置对所述无人机进行姿态调整，包括：
根据所述优化动力学模型进行误差定义，确定速度误差、姿态误差以及综合误差；
根据所述速度误差、所述姿态误差、所述综合误差以及所述优化动力学模型构建矢量控制器；
根据所述矢量控制器和所述目标期望位置对所述无人机进行姿态调整。
可选地，所述根据所述矢量控制器和所述目标期望位置对所述无人机进行姿态调整，包括：
根据所述矢量控制器、速度误差、所述姿态误差以及所述综合误差构建飞行控制律；
获取所述无人机的当前位置、当前速度以及当前角度；
根据所述飞行控制律、所述目标期望位置、所述当前位置、所述当前速度以及所述当前角度确定目标飞行速度、目标飞行姿态以及目标飞行位置；
根据所述目标飞行速度、所述目标飞行姿态以及所述目标飞行位置对所述无人机进行姿态调整。
此外，为实现上述目的，本发明还提出一种无人机飞行控制装置，所述无人机飞行控制装置包括：
获取模块，用于获取无人机上视觉传感器采集的飞行图像，并提取所述飞行图像中的目标特征点；
确定模块，用于根据所述目标特征点的地面坐标确定坐标关系式；
构建模块，用于根据所述坐标关系式构建所述无人机的优化动力学模型；
调整模块，用于根据所述优化动力学模型和目标期望位置对所述无人机进行姿态调整，以控制所述无人机到达所述目标期望位置。
此外，为实现上述目的，本发明还提出一种无人机飞行控制设备，所述无人机飞行控制设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的无人机飞行控制程序，所述无人机飞行控制程序配置为实现如上文所述的无人机飞行控制方法。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有无人机飞行控制程序，所述无人机飞行控制程序被处理器执行时实现如上文所述的无人机飞行控制方法。
本发明的无人机飞行控制方法应用于无人机，所述无人机上设有视觉传感器，通过获取无人机上视觉传感器采集的飞行图像，并提取所述飞行图像中的目标特征点；根据所述目标特征点的地面坐标确定坐标关系式；根据所述坐标关系式构建所述无人机的优化动力学模型；根据所述优化动力学模型和目标期望位置对所述无人机进行姿态调整，以控制所述控制无人机到达所述目标期望位置。通过上述方式，根据视觉传感器采集的飞行图像确定目标特征点，根据目标特征点的地面坐标确定坐标关系式，从而构建优化动力学模型，最终基于优化动力学模型和目标期望位置对无人机进行姿态调整，以控制无人机到达目标期望位置，实现了基于飞行图像来辅助无人机的姿态控制，降低了无人机在对GPS的依赖性，弥补了无人机在定位时的缺陷，提高了无人机的控制精度并改善了无人机的控制性能，同时降低了姿态控制时的硬件成本。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的无人机飞行控制设备的结构示意图；
图2为本发明无人机飞行控制方法第一实施例的流程示意图；
图3为本发明无人机飞行控制方法一实施例的投影示意图；
图4为本发明无人机飞行控制方法一实施例的坐标系示意图；
图5为本发明无人机飞行控制方法一实施例的整体流程示意图；
图6为本发明无人机飞行控制方法一实施例的控制流程示意图；
图7为本发明无人机飞行控制方法一实施例的姿态仿真示意图；
图8为本发明无人机飞行控制方法一实施例的位置仿真示意图；
图9为本发明无人机飞行控制方法第二实施例的整体流程示意图；
图10为本发明无人机飞行控制装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的无人机飞行控制设备结构示意图。
如图1所示，该无人机飞行控制设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对无人机飞行控制设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及无人机飞行控制程序。
在图1所示的无人机飞行控制设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明无人机飞行控制设备中的处理器1001、存储器1005可以设置在无人机飞行控制设备中，所述无人机飞行控制设备通过处理器1001调用存储器1005中存储的无人机飞行控制程序，并执行本发明实施例提供的无人机飞行控制方法。
本发明实施例提供了一种无人机飞行控制方法，参照图2，图2为本发明一种无人机飞行控制方法第一实施例的流程示意图。
无人机飞行控制方法应用于无人机，无人机上设有视觉传感器，无人机飞行控制方法包括以下步骤：
步骤S10：获取无人机上视觉传感器采集的飞行图像，并提取所述飞行图像中的目标特征点。
需要说明的是，本实施例的执行主体为无人机的控制器，无人机上有视觉传感器和控制器，控制器获取无人机上视觉传感器采集的飞行图像，并提取飞行图像中的目标特征点，根据目标特征点的地面坐标确定坐标关系式，根据坐标关系式构建无人机的优化动力学模型，根据优化动力学模型和目标期望位置对无人机进行姿态调整，以控制无人机到达目标期望位置。
可以理解的是，无人机指的是需要在飞行过程中进行姿态调整控制的无人机，无人机上的视觉传感器在无人机的飞行过程中实时进行飞行图像的采集，控制器获取视觉传感器采集到的飞行图像。并提取飞行图像中的目标特征点。目标特征点指的是在飞行图像上具有明显特征的图像点，在飞行图像上无法找到与之相似的另外一个点，该图像点对应在地面上的具体位置清楚且已知，在飞行图像中查找满足以上条件的图像点，然后进一步在满足条件的图像点中随机选取一个图像点作为目标特征点。
步骤S20：根据所述目标特征点的地面坐标确定坐标关系式。
需要说明的是，目标特征点的地面坐标指的是目标特征点在地面参考坐标系中的坐标Pi'，坐标关系式指的是目标特征点的图像坐标在球面图像上的投影成像pi的导数
Figure BDA0004044200190000061
目标特征点的地面坐标可以直接基于存储的地图信息进行获取，在确定地面坐标后，根据目标特征点的地面坐标可确定坐标关系式。
可以理解的是，为了根据目标特征点的地面坐标确定准确的坐标关系式，进一步地，所述根据所述目标特征点的地面坐标确定坐标关系式，包括：根据所述地面坐标和所述无人机的当前线速度确定所述目标特征点的图像坐标；根据所述图像坐标确定机体焦距；根据所述机体焦距和所述图像坐标确定坐标关系式。
在具体实现中，当前线速度指的是无人机在当前飞行过程中机体坐标系中的线速度V＝(V1,V2,V3)，在确定当前线速度后，可根据当前线速度确定
Figure BDA0004044200190000062
根据
Figure BDA0004044200190000063
确定ζ，其中R为转移矩阵，最终确定目标特征点在机体坐标系中的坐标Pi＝RT(Pi'-ζ)，目标特征点在机体坐标系中的坐标Pi即为图像坐标。
需要说明的是，根据图像坐标可确定机体焦距ri＝|Pi|，根据机体焦距和图像坐标可确定坐标关系式
Figure BDA0004044200190000064
可以理解的是，为了根据图像坐标和机体焦距得到准确的坐标关系式，进一步地，所述根据所述机体焦距和所述图像坐标确定坐标关系式，包括：获取所述无人机的当前角速度和所述目标特征点的当前机体速度；根据所述图像坐标确定投影坐标和投影矩阵；根据所述当前角速度、所述当前机体速度、所述投影坐标、所述投影矩阵以及所述机体焦距确定坐标关系式。
在具体实现中，当前角速度指的是无人机在当前飞行过程中机体坐标系中的角速度Ω＝(Ω1,Ω2,Ω3)，当前机体速度指的是目标特征点在机体坐标系中的速度Vi，投影坐标指的是Pi在球面图像上的投影成像pi，如图3所示，图3即为目标特征点在球面图像上的投影，投影矩阵指的是是pi处的球面图像表面的切线的投影
Figure BDA0004044200190000071
其中I3是3×3的单位矩阵，最终得到坐标关系式
Figure BDA0004044200190000072
其中
Figure BDA0004044200190000073
若目标特征点相对于地面参考坐标系的速度为0，有Vi＝-V，则
Figure BDA0004044200190000074
步骤S30：根据所述坐标关系式构建所述无人机的优化动力学模型。
需要说明的是，优化动力学模型指的是加入视觉特征后的无人机的动力学模型。未加入视觉特征的无人机的动力学模型即初始动力学模型为
Figure BDA0004044200190000075
其中I＝diag(I1,I2,I3)是惯性对称矩阵，m是无人机的重量，Γ＝(Γ1,Γ2,Γ3)分别是E1,E2,E3三个轴的力矩，F是总的外力，地面参考坐标系为A＝{X,Y,Z}＝(Ex,Ey,Ez)，机体坐标系为B＝{X,Y,Z}＝(E1,E2,E3)。如图4所示，机体坐标系如图中B所示，地面参考坐标系如图中A所示。
可以理解的是，优化动力学模型为
Figure BDA0004044200190000076
其中，测量差异为δ1＝q-q*，测量差异也为视觉误差，期望目标矢量为q*，
Figure BDA0004044200190000077
Figure BDA0004044200190000078
目标特征点的质心为
Figure BDA0004044200190000079
目标特征点的导数为
Figure BDA00040442001900000710
步骤S40：根据所述优化动力学模型和目标期望位置对所述无人机进行姿态调整，以控制所述无人机到达所述目标期望位置。
需要说明的是，目标期望位置指的是无人机需要到达的目标位置。在确定优化动力学模型后，根据优化动力学模型和目标期望位置对无人机的飞行位置、飞行姿态以及飞行速度进行调整，飞行姿态包括但不限于无人机的飞行俯仰角和飞行滚转角。
可以理解的是，为了基于优化动力学模型和目标期望位置能够对无人机进行准确的姿态调整，进一步地，所述根据所述优化动力学模型和目标期望位置对所述无人机进行姿态调整，包括：根据所述优化动力学模型进行误差定义，确定速度误差、姿态误差以及综合误差；根据所述速度误差、所述姿态误差、所述综合误差以及所述优化动力学模型构建矢量控制器；根据所述矢量控制器和所述目标期望位置对所述无人机进行姿态调整。
在具体实现中，在确定优化动力学模型后，在优化动力学模型的基础上进行反步法计算，得到速度误差
Figure BDA0004044200190000081
，姿态误差
Figure BDA0004044200190000082
速度误差是为了调节平移速度，姿态误差包含无人机的姿态信息，姿态误差可被利用于调整无人机的俯仰角和滚转角，偏航角和姿态误差无关是独立的，根据测量误差可确定
Figure BDA0004044200190000083
Figure BDA0004044200190000084
Figure BDA0004044200190000085
其中
Figure BDA0004044200190000086
在此处引入微分器可确保待控制器无人机的平移和旋转动力之间的解耦。在确定速度误差和姿态误差后，可确定综合误差(最终误差)
Figure BDA0004044200190000087
其中
Figure BDA0004044200190000088
假设Ω3＝0，则
Figure BDA0004044200190000089
Figure BDA00040442001900000810
综合误差能够调节无人机的俯仰角和滚转角。
需要说明的是，在确定速度误差、姿态误差以及综合误差后，可基于速度误差、姿态误差、综合误差以及优化动力学模型构建无人机的矢量控制器
Figure BDA0004044200190000091
其中
Figure BDA0004044200190000092
k1,k2,k3,k4均为常数增益。
可以理解的是，为了根据矢量控制器和目标期望位置能够对无人机进行准确的姿态调整，进一步地，所述根据所述矢量控制器和所述目标期望位置对所述无人机进行姿态调整，包括：根据所述矢量控制器、速度误差、所述姿态误差以及所述综合误差构建飞行控制律；获取所述无人机的当前位置、当前速度以及当前角度；根据所述飞行控制律、所述目标期望位置、所述当前位置、所述当前速度以及所述当前角度确定目标飞行速度、目标飞行姿态以及目标飞行位置；根据所述目标飞行速度、所述目标飞行姿态以及所述目标飞行位置对所述无人机进行姿态调整。
在具体实现中，根据矢量控制器、速度误差、姿态误差以及综合误差可进行视觉函数定义，从而确定飞行控制律
Figure BDA0004044200190000093
飞行控制律可证明系统稳定，令
Figure BDA0004044200190000094
增益k1,k2,k3,k4均大于0，且满足k2>λmax(Q)，
Figure BDA0004044200190000095
其中
Figure BDA0004044200190000096
对于任意的初始值例如Ω3(0)＝0，使得飞行控制律中的初始满足
Figure BDA0004044200190000097
综上所述，飞行控制律是指数递减的函数，并使(δ1,δ2,δ3,δ4)指数收敛到0，闭环函数局部指数稳定。
需要说明的是，如图5和图6所示，基于视觉传感器获取飞行图形，并进行目标特征点的提取，基于目标特征点确定坐标关系式并进行动力学模型的构建，在构建后确定无人机的飞行控制律、无人机的所处当前位置、当前速度以及当前角度，并将上述参数输入至无人机的控制单元进行姿态解算，规划运动轨迹，并输出目标飞行姿态(角度)、目标飞行位置以及目标飞行速度，以使驱动系统按照目标飞行姿态、目标飞行位置以及目标飞行位置进行姿态调整，目标飞行姿态包括目标飞行俯仰角、目标飞行横滚角以及目标飞行偏航角，无人机的控制单元在进行姿态解算时关于无人机的姿态的仿真图如图7所示，其中包括无人机的横滚角、俯仰角以及偏航角，无人机的位置的仿真图如图8所示，其中包括无人机的三轴位置。
本实施例的无人机飞行控制方法应用于无人机，所述无人机上设有视觉传感器，通过获取无人机上视觉传感器采集的飞行图像，并提取所述飞行图像中的目标特征点；根据所述目标特征点的地面坐标确定坐标关系式；根据所述坐标关系式构建所述无人机的优化动力学模型；根据所述优化动力学模型和目标期望位置对所述无人机进行姿态调整，以控制所述控制无人机到达所述目标期望位置。通过上述方式，根据视觉传感器采集的飞行图像确定目标特征点，根据目标特征点的地面坐标确定坐标关系式，从而构建优化动力学模型，最终基于优化动力学模型和目标期望位置对无人机进行姿态调整，以控制无人机到达目标期望位置，实现了基于飞行图像来辅助无人机的姿态控制，降低了无人机在对GPS的依赖性，弥补了无人机在定位时的缺陷，提高了无人机的控制精度并改善了无人机的控制性能，同时降低了姿态控制时的硬件成本。
参考图9，图9为本发明一种无人机飞行控制方法第二实施例的流程示意图。
基于上述第一实施例，本实施例无人机飞行控制方法中所述步骤S30，包括：
步骤S31：根据所述目标特征点的投影坐标进行质心定义，确定所述目标特征点的质心。
需要说明的是，在确定目标特征点的投影坐标pi后，可基于投影坐标pi对目标特征点进行质心定义，确定目标特征点的质心为
Figure BDA0004044200190000101
则有
Figure BDA0004044200190000102
步骤S32：获取期望目标矢量。
需要说明的是，期望目标矢量指的是预先设定的期望目标q*，则有
Figure BDA0004044200190000103
步骤S33：根据所述期望目标矢量、所述质心以及所述坐标关系式构建所述无人机的优化动力学模型。
需要说明的是，根据期望目标矢量，质心以及坐标关系式可进行无人机的优化动力学模型的构建，在初始动力学模型中加入视觉特征，从而使无人机根据优化动力学模型规划运动轨迹算法。
可以理解的是，为了根据期望目标矢量、质心以及坐标关系式构建准确的优化动力学模型，进一步地，所述根据所述期望目标矢量、所述质心以及所述坐标关系式构建所述无人机的优化动力学模型，包括：根据所述质心和所述期望目标矢量确定所述目标特征点的测量差异；根据所述测量差异和所述坐标关系式确定所述目标特征点的导数；获取所述无人机的初始动力学模型；根据所述初始动力学模型和所述导数构建所述无人机的优化动力学模型。
在具体实现中，根据质心和期望目标矢量可确定目标特征点的测量差异δ1＝q-q*，测量差异也为视觉误差，根据坐标关系式和测量差异可定义目标特征点的导数
Figure BDA0004044200190000111
其中
Figure BDA0004044200190000112
并获取初始动力学模型
Figure BDA0004044200190000113
在初始动力学模型的基础上加入测量误差，并基于导数进行动力学模型的构建，最终可确定优化动力学模型为
Figure BDA0004044200190000114
本实施例中通过根据所述目标特征点的投影坐标进行质心定义，确定所述目标特征点的质心；获取期望目标矢量；根据所述期望目标矢量、所述质心以及所述坐标关系式构建所述无人机的优化动力学模型。通过上述方式，基于目标特征点的质心、坐标关系式以及期望目标矢量可进行准确的模型构建，以保证后续对无人机的姿态调整时的准确性。
此外，参照图10，本发明实施例还提出一种无人机飞行控制装置，所述无人机飞行控制装置包括：
获取模块10，用于获取无人机上视觉传感器采集的飞行图像，并提取所述飞行图像中的目标特征点。
确定模块20，用于根据所述目标特征点的地面坐标确定坐标关系式。
构建模块30，用于根据所述坐标关系式构建所述无人机的优化动力学模型。
调整模块40，用于根据所述优化动力学模型和目标期望位置对所述无人机进行姿态调整，以控制所述无人机到达所述目标期望位置。
本实施例通过获取无人机上视觉传感器采集的飞行图像，并提取所述飞行图像中的目标特征点；根据所述目标特征点的地面坐标确定坐标关系式；根据所述坐标关系式构建所述无人机的优化动力学模型；根据所述优化动力学模型和目标期望位置对所述无人机进行姿态调整，以控制所述控制无人机到达所述目标期望位置。通过上述方式，根据视觉传感器采集的飞行图像确定目标特征点，根据目标特征点的地面坐标确定坐标关系式，从而构建优化动力学模型，最终基于优化动力学模型和目标期望位置对无人机进行姿态调整，以控制无人机到达目标期望位置，实现了基于飞行图像来辅助无人机的姿态控制，降低了无人机在对GPS的依赖性，弥补了无人机在定位时的缺陷，提高了无人机的控制精度并改善了无人机的控制性能，同时降低了姿态控制时的硬件成本。
在一实施例中，所述确定模块20，还用于根据所述地面坐标和所述无人机的当前线速度确定所述目标特征点的图像坐标；
根据所述图像坐标确定机体焦距；
根据所述机体焦距和所述图像坐标确定坐标关系式。
在一实施例中，所述确定模块20，还用于获取所述无人机的当前角速度和所述目标特征点的当前机体速度；
根据所述图像坐标确定投影坐标和投影矩阵；
根据所述当前角速度、所述当前机体速度、所述投影坐标、所述投影矩阵以及所述机体焦距确定坐标关系式。
在一实施例中，所述构建模块30，还用于根据所述目标特征点的投影坐标进行质心定义，确定所述目标特征点的质心；
获取期望目标矢量；
根据所述期望目标矢量、所述质心以及所述坐标关系式构建所述无人机的优化动力学模型。
在一实施例中，所述构建模块30，还用于根据所述质心和所述期望目标矢量确定所述目标特征点的测量差异；
根据所述测量差异和所述坐标关系式确定所述目标特征点的导数；
获取所述无人机的初始动力学模型；
根据所述初始动力学模型和所述导数构建所述无人机的优化动力学模型。
在一实施例中，所述调整模块40，还用于根据所述优化动力学模型进行误差定义，确定速度误差、姿态误差以及综合误差；
根据所述速度误差、所述姿态误差、所述综合误差以及所述优化动力学模型构建矢量控制器；
根据所述矢量控制器和所述目标期望位置对所述无人机进行姿态调整。
在一实施例中，所述调整模块40，还用于根据所述矢量控制器、速度误差、所述姿态误差以及所述综合误差构建飞行控制律；
获取所述无人机的当前位置、当前速度以及当前角度；
根据所述飞行控制律、所述目标期望位置、所述当前位置、所述当前速度以及所述当前角度确定目标飞行速度、目标飞行姿态以及目标飞行位置；
根据所述目标飞行速度、所述目标飞行姿态以及所述目标飞行位置对所述无人机进行姿态调整。
由于本装置采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有无人机飞行控制程序，所述无人机飞行控制程序被处理器执行时实现如上文所述的无人机飞行控制方法的步骤。
由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的无人机飞行控制方法，此处不再赘述。
此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，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 (10)

1.一种无人机飞行控制方法，其特征在于，所述无人机飞行控制方法应用于无人机，所述无人机上设有视觉传感器，所述无人机飞行控制方法包括：
获取所述无人机上视觉传感器采集的飞行图像，并提取所述飞行图像中的目标特征点；
根据所述目标特征点的地面坐标确定坐标关系式；
根据所述坐标关系式构建所述无人机的优化动力学模型；
根据所述优化动力学模型和目标期望位置对所述无人机进行姿态调整，以控制所述无人机到达所述目标期望位置。
2.如权利要求1所述的无人机飞行控制方法，其特征在于，所述根据所述目标特征点的地面坐标确定坐标关系式，包括：
根据所述地面坐标和所述无人机的当前线速度确定所述目标特征点的图像坐标；
根据所述图像坐标确定机体焦距；
根据所述机体焦距和所述图像坐标确定坐标关系式。
3.如权利要求2所述的无人机飞行控制方法，其特征在于，所述根据所述机体焦距和所述图像坐标确定坐标关系式，包括：
获取所述无人机的当前角速度和所述目标特征点的当前机体速度；
根据所述图像坐标确定投影坐标和投影矩阵；
根据所述当前角速度、所述当前机体速度、所述投影坐标、所述投影矩阵以及所述机体焦距确定坐标关系式。
4.如权利要求1所述的无人机飞行控制方法，其特征在于，所述根据所述坐标关系式构建所述无人机的优化动力学模型，包括：
根据所述目标特征点的投影坐标进行质心定义，确定所述目标特征点的质心；
获取期望目标矢量；
根据所述期望目标矢量、所述质心以及所述坐标关系式构建所述无人机的优化动力学模型。
5.如权利要求4所述的无人机飞行控制方法，其特征在于，所述根据所述期望目标矢量、所述质心以及所述坐标关系式构建所述无人机的优化动力学模型，包括：
根据所述质心和所述期望目标矢量确定所述目标特征点的测量差异；
根据所述测量差异和所述坐标关系式确定所述目标特征点的导数；
获取所述无人机的初始动力学模型；
根据所述初始动力学模型和所述导数构建所述无人机的优化动力学模型。
6.如权利要求1所述的无人机飞行控制方法，其特征在于，所述根据所述优化动力学模型和目标期望位置对所述无人机进行姿态调整，包括：
根据所述优化动力学模型进行误差定义，确定速度误差、姿态误差以及综合误差；
根据所述速度误差、所述姿态误差、所述综合误差以及所述优化动力学模型构建矢量控制器；
根据所述矢量控制器和所述目标期望位置对所述无人机进行姿态调整。
7.如权利要求6所述的无人机飞行控制方法，其特征在于，所述根据所述矢量控制器和所述目标期望位置对所述无人机进行姿态调整，包括：
根据所述矢量控制器、速度误差、所述姿态误差以及所述综合误差构建飞行控制律；
获取所述无人机的当前位置、当前速度以及当前角度；
根据所述飞行控制律、所述目标期望位置、所述当前位置、所述当前速度以及所述当前角度确定目标飞行速度、目标飞行姿态以及目标飞行位置；
根据所述目标飞行速度、所述目标飞行姿态以及所述目标飞行位置对所述无人机进行姿态调整。
8.一种无人机飞行控制装置，其特征在于，所述无人机飞行控制装置包括：
获取模块，用于获取无人机上视觉传感器采集的飞行图像，并提取所述飞行图像中的目标特征点；
确定模块，用于根据所述目标特征点的地面坐标确定坐标关系式；
构建模块，用于根据所述坐标关系式构建所述无人机的优化动力学模型；
调整模块，用于根据所述优化动力学模型和目标期望位置对所述无人机进行姿态调整，以控制所述无人机到达所述目标期望位置。
9.一种无人机飞行控制设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的无人机飞行控制程序，所述无人机飞行控制程序配置为实现如权利要求1至7中任一项所述的无人机飞行控制方法。
10.一种存储介质，其特征在于，所述存储介质上存储有无人机飞行控制程序，所述无人机飞行控制程序被处理器执行时实现如权利要求1至7任一项所述的无人机飞行控制方法。
CN202310024975.7A 2023-01-09 2023-01-09 无人机飞行控制方法、装置、设备及存储介质 Pending CN115963858A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310024975.7A CN115963858A (zh) 2023-01-09 2023-01-09 无人机飞行控制方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310024975.7A CN115963858A (zh) 2023-01-09 2023-01-09 无人机飞行控制方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN115963858A true CN115963858A (zh) 2023-04-14

Family

ID=87352626

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310024975.7A Pending CN115963858A (zh) 2023-01-09 2023-01-09 无人机飞行控制方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115963858A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117389322A (zh) * 2023-12-08 2024-01-12 天津天羿科技有限公司 无人机控制方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117389322A (zh) * 2023-12-08 2024-01-12 天津天羿科技有限公司 无人机控制方法
CN117389322B (zh) * 2023-12-08 2024-03-01 天津天羿科技有限公司 无人机控制方法

Similar Documents

Publication Publication Date Title
CN111338383B (zh) 基于gaas的自主飞行方法及系统、存储介质
CN110146909A (zh) 一种定位数据处理方法
CN110501712B (zh) 无人驾驶中用于确定位置姿态数据的方法、装置和设备
JP2013534616A (ja) 画像センサおよび運動または位置センサから生じたデータを融合するための方法およびシステム
CN111083633B (zh) 移动终端定位系统及其建立方法、移动终端的定位方法
CN115963858A (zh) 无人机飞行控制方法、装置、设备及存储介质
JP2021162572A (ja) 位置算出方法及び情報処理システム
Hashim Exponentially stable observer-based controller for VTOL-UAVs without velocity measurements
Kwak et al. Autonomous UAV target tracking and safe landing on a leveling mobile platform
WO2023112083A1 (ja) 情報処理システム、情報処理方法、プログラム、移動体、管理サーバ
KR20210010309A (ko) 항공사진을 이용하여 3차원 지도를 생성하는 장치 및 방법
KR102130687B1 (ko) 다중 센서 플랫폼 간 정보 융합을 위한 시스템
CN111812668B (zh) 绕机检查装置及其定位方法、存储介质
Lyu et al. Ttr-based reward for reinforcement learning with implicit model priors
Silva Cotta et al. Precision landing comparison between smartphone video guidance sensor and IRLock by hardware-in-the-loop emulation
CN113960614A (zh) 一种基于帧-地图匹配的高程图构建方法
CN113761647A (zh) 一种无人集群系统的仿真方法及系统
Demim et al. Simultaneous localization and mapping algorithm based on 3D laser for unmanned aerial vehicle
Dias et al. Uncertainty based multi-robot cooperative triangulation
Magree et al. Performance of a monocular vision-aided inertial navigation system for a small UAV
Jiang et al. EKF-SLAM algorithm for aircraft navigation based on random beacon in 3D
Petrlık Onboard localization of an unmanned aerial vehicle in an unknown environment
Hensel et al. Monocular Depth Estimation for Autonomous UAV Navigation Based on Deep Learning
CN113406964B (zh) 运动参数调节方法、装置、存储介质及电子装置
Fink et al. Observer design for visual inertial SLAM scale on a quadrotor UAV

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination