莊曉明，李 濤，付 龍

(中科院合肥物質(zhì)科學(xué)研究院先進(jìn)制造技術(shù)研究所,江蘇 常州 213164)

基于四旋翼無人機(jī)的單目建模系統(tǒng)

莊曉明，李 濤，付 龍

(中科院合肥物質(zhì)科學(xué)研究院先進(jìn)制造技術(shù)研究所,江蘇 常州 213164)

為了實(shí)現(xiàn)四旋翼無人機(jī)的自主飛行、環(huán)境單目稠密重建與即時(shí)導(dǎo)航功能，文中設(shè)計(jì)了該單目建模導(dǎo)航系統(tǒng)。飛行控制器采用MPU6050六軸傳感器采集六軸信號(hào)，通過算法擬合出飛行器姿態(tài)，然后通過STM32F103RBT6芯片分別控制4個(gè)電機(jī)驅(qū)動(dòng)模塊,即時(shí)通過PID算法輸出PWM值進(jìn)行調(diào)速來實(shí)現(xiàn)飛行姿態(tài)的穩(wěn)定和改變。建模系統(tǒng)通過控制GPS模塊，可以獲取飛行器的實(shí)時(shí)位置；飛行器通過圖像采集模塊，可以獲取飛行器的環(huán)境信息。設(shè)計(jì)了上位機(jī)軟件，能夠接收?qǐng)D像并且進(jìn)行單目稠密重建。稠密重建主要由從運(yùn)動(dòng)到結(jié)構(gòu)、基礎(chǔ)表面構(gòu)建、約束場(chǎng)景流稠密重建、稠密對(duì)齊和局部模型集成共五方面組成，然后通過無線串口與無人機(jī)通訊，實(shí)現(xiàn)無人機(jī)的智能自主飛行。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)能夠?qū)崿F(xiàn)單目建模的功能。

四旋翼無人機(jī)；智能導(dǎo)航；三維重建；姿態(tài)控制

0 引 言

四旋翼無人機(jī)具有垂直起降、自由懸停的特點(diǎn)，并且體積小，操控方便，攜帶方便，可以進(jìn)入人不易進(jìn)入的復(fù)雜環(huán)境。目前，四旋翼無人機(jī)在航拍、娛樂、勘測(cè)、救災(zāi)等惡劣環(huán)境中發(fā)揮著極其重要的作用[1]。

對(duì)于復(fù)雜不易進(jìn)入的環(huán)境，更多時(shí)候可以使用無人機(jī)進(jìn)入。無人機(jī)要具有自主飛行的功能，并且能對(duì)未知環(huán)境進(jìn)行建模以方便外部人員觀察。傳統(tǒng)的四旋翼飛機(jī)需要使用遙控器進(jìn)行位置和姿態(tài)控制，但無法感知環(huán)境的圖像細(xì)節(jié)和深度細(xì)節(jié)。傳統(tǒng)的三維重建方法主要有結(jié)構(gòu)光方法和立體視覺方法，代表產(chǎn)品如Kinect體感器和Bumblebee相機(jī)等。

文中設(shè)計(jì)了一種基于從運(yùn)動(dòng)信息中恢復(fù)三維場(chǎng)景結(jié)構(gòu)(structure from motion)的三維重建算法，通過使用單目相機(jī)采集圖像，傳輸至遠(yuǎn)程電腦進(jìn)行實(shí)時(shí)三維重建，四旋翼無人機(jī)根據(jù)三維環(huán)境結(jié)合IMU信息進(jìn)行姿態(tài)控制，實(shí)現(xiàn)自主智能導(dǎo)航。

1 飛行器的基本工作原理

四旋翼飛行器是一種有四個(gè)旋翼并且旋翼呈十字形交叉的飛行器[2]。飛行器的機(jī)械結(jié)構(gòu)簡(jiǎn)單,旋翼對(duì)稱分布在機(jī)體的前、后、左、右四個(gè)方向，四個(gè)旋翼處于同一高度平面，且四個(gè)旋翼的結(jié)構(gòu)和半徑都相同。四個(gè)電機(jī)對(duì)稱地安裝在飛行器的支架端，支架中間安放飛行控制計(jì)算機(jī)和外部設(shè)備。常見結(jié)構(gòu)如圖1所示。

圖1 四旋翼飛行器的結(jié)構(gòu)

四旋翼飛行器通過調(diào)節(jié)四個(gè)電機(jī)的轉(zhuǎn)速來改變旋翼轉(zhuǎn)速[3]，從而實(shí)現(xiàn)升力的變化，控制四旋翼飛行器的位姿。四旋翼飛行器是一種六自由度的垂直升降機(jī)，但只有四個(gè)輸入力，同時(shí)卻有六個(gè)狀態(tài)輸出，所以是一種典型的欠驅(qū)動(dòng)系統(tǒng)。其主要飛行姿態(tài)如圖2所示。

(1)垂直運(yùn)動(dòng)：同時(shí)增加四個(gè)電機(jī)的旋轉(zhuǎn)速度使總拉力增大，當(dāng)拉力克服整機(jī)的重量時(shí)，四旋翼飛行器就可以垂直上升;反之，同時(shí)減小四個(gè)電機(jī)的旋轉(zhuǎn)速度，四旋翼飛行器就垂直下降，直至平衡落地，實(shí)現(xiàn)了沿z軸的垂直運(yùn)動(dòng)。當(dāng)外界擾動(dòng)量為零時(shí)，當(dāng)旋翼產(chǎn)生的升力等于飛行器的重力時(shí)，飛行器就能保持懸停。

(2)俯仰運(yùn)動(dòng):使電機(jī)1的轉(zhuǎn)速上升，電機(jī)3的轉(zhuǎn)速下降，電機(jī)2和4的轉(zhuǎn)速保持不變。由于旋翼1的升力增大，旋翼3的升力減小，產(chǎn)生的不平衡力矩使機(jī)身繞y軸旋轉(zhuǎn)，實(shí)現(xiàn)飛行器的俯仰運(yùn)動(dòng)。

(3)滾轉(zhuǎn)運(yùn)動(dòng)：改變電機(jī)2和4的轉(zhuǎn)速，保持電機(jī)1和3的轉(zhuǎn)速不變，就可以使機(jī)身繞x軸旋轉(zhuǎn)，實(shí)現(xiàn)飛行器的滾轉(zhuǎn)運(yùn)動(dòng)。

(4)偏航運(yùn)動(dòng)：當(dāng)電機(jī)1和3的轉(zhuǎn)速上升，電機(jī)2和4的轉(zhuǎn)速下降時(shí)，機(jī)身就在反扭矩的作用下繞z軸轉(zhuǎn)動(dòng)，實(shí)現(xiàn)飛行器的偏航運(yùn)動(dòng)。

(5)前后運(yùn)動(dòng)：增加電機(jī)3的轉(zhuǎn)速，并相應(yīng)減小電機(jī)1的轉(zhuǎn)速，同時(shí)保持其他兩個(gè)電機(jī)轉(zhuǎn)速不變，以保持反扭矩不變。飛行器就先發(fā)生一定程度的傾斜，使旋翼拉力產(chǎn)生水平分量，從而實(shí)現(xiàn)飛行器的前后運(yùn)動(dòng)。

(6)傾向運(yùn)動(dòng)：由于結(jié)構(gòu)對(duì)稱，因此傾向飛行的工作原理與前后運(yùn)動(dòng)的原理一致。

2 系統(tǒng)整體設(shè)計(jì)

四旋翼飛行器的系統(tǒng)結(jié)構(gòu)如圖3所示。

圖3 系統(tǒng)結(jié)構(gòu)圖

GPS模塊和六軸傳感組成姿態(tài)測(cè)量系統(tǒng)，主控制器將姿態(tài)測(cè)量獲得的數(shù)據(jù)進(jìn)行卡爾曼濾波得到當(dāng)前姿態(tài)，再與從無線模塊發(fā)送過來的自主導(dǎo)航指令一起作為姿態(tài)控制器的輸入，姿態(tài)控制器通過PID算法輸出對(duì)應(yīng)的PWM值[4]，驅(qū)動(dòng)四個(gè)電調(diào)，進(jìn)而改變4個(gè)電機(jī)的轉(zhuǎn)速實(shí)現(xiàn)姿態(tài)控制。

同時(shí)系統(tǒng)搭建了基于單目建模的SLAM系統(tǒng)，可以實(shí)時(shí)單目稠密重建并在PC端進(jìn)行渲染和導(dǎo)航。

3 飛行控制系統(tǒng)設(shè)計(jì)

四旋翼飛行器能夠沿著規(guī)劃的軌跡飛行，并且能夠在飛行過程中同步進(jìn)行SLAM，實(shí)時(shí)修正軌跡，并且能夠返回初始位置[5]。導(dǎo)航系統(tǒng)主要是由GPS模塊、六軸傳感模塊和圖像采集模塊組成。該系統(tǒng)具有精確修正系統(tǒng)誤差的功能，從而提高導(dǎo)航精度[6]。

主控制芯片要進(jìn)行數(shù)據(jù)的采集和濾波、圖像的采集和傳輸?shù)却罅繌?fù)雜運(yùn)算，故選用了STM32F103-RBT6作為主控芯片，STM32F103XX基于高性能32位RISC的ARMCortex-M3核，工作頻率為72MHz。片上集成了高速存儲(chǔ)器，通過APB總線連接了豐富、增強(qiáng)的外設(shè)和I/O。所有的設(shè)備都提供標(biāo)準(zhǔn)的通信接口[7]。

3.1 GPS模塊

GPS模塊型號(hào)為L(zhǎng)EA-5T，作為導(dǎo)航系統(tǒng)的主要模塊，GPS對(duì)導(dǎo)航精度及靈敏度起著十分重要的作用，所以必須使用高性能、高可靠性的GPS定位模塊。該系統(tǒng)采用的GPS模塊具有以下特點(diǎn)：

(1)擁有一個(gè)-160 dBm捕獲和跟蹤靈敏度的Super Sense;

(2)具備Kick Start功能，信號(hào)微弱時(shí)可實(shí)現(xiàn)加速啟動(dòng)；

(3)熱啟動(dòng)和輔助啟動(dòng)首次定位時(shí)間小于1 s;

(4)支持AssistNow Online和AssistNow Offline等A-GPS服務(wù)；

(5)GPS、GALILEO、SBAS(WAAS、 EGNOS、MSAS、GAGAN)混合引擎。

3.2 六軸傳感模塊

六軸傳感模塊使用的是MPU6050,MPU6050的角速度全格感測(cè)范圍為±250、±500、±1 000與±2 000 °/sec(dps)，可準(zhǔn)確追蹤快速與慢速動(dòng)作，并且用戶可程式控制的加速器全格感測(cè)范圍為±2 g、±4 g、±8 g與±16 g。產(chǎn)品傳輸可透過最高至400 kHz的IC。

3.3 圖像采集模塊

圖像采集模塊使用的是0V2640。0V2640像素輸出最大支持200萬像素，支持QCIF(176*144)、QVGA(320*240)、VGA(640*480)、1 027*768、1 600*1 200等像素輸出。具備兩種輸出格式：

(1)原始數(shù)據(jù)如RGB565，RGB RAW，YUV422；

(2)JPEG壓縮圖像格式(可極大減少傳輸帶寬，例如640*480分辨率的原圖片大小在300 kB左右，JPEG編碼輸出后大小僅約為16 kB)。

在該系統(tǒng)中，由于使用原始數(shù)據(jù)格式，圖像文件過大(以RGB RAW為例，一幀640*480的圖像文件大小為640*480*3=900 Kbytes)，影響數(shù)據(jù)傳輸速率和更新圖像的頻率。TM32f103RBT6處理能力有限，無法做復(fù)雜的圖像壓縮算法，所以選擇0V2640內(nèi)部DSP壓縮后的JPEGS圖像格式是最好的選擇。

MCU與0V2640通信采用串行與并行結(jié)合，0V2640帶有SCCB(Serial Camera Control Bus)雙線串行接口，MCU通過SCCB接口配置和讀取0V2640的信息；MCU通過并行總線的方式接收0V2640圖像數(shù)據(jù)。

4 系統(tǒng)軟件分析

文中提出了一種可以使用單個(gè)實(shí)時(shí)相機(jī)進(jìn)行場(chǎng)景的快速稠密重建的方法。使用基于點(diǎn)的實(shí)時(shí)從運(yùn)動(dòng)中恢復(fù)結(jié)構(gòu)(SFM)作為起始點(diǎn)，生成精確的3D相機(jī)姿態(tài)估計(jì)和稀疏點(diǎn)云。主要?jiǎng)?chuàng)新在于使用了一種源于SFM的基礎(chǔ)網(wǎng)格生成方法，預(yù)測(cè)在一束自動(dòng)選擇的跨越場(chǎng)景的參考幀附近的姿態(tài)中的視野，然后使用一種視野預(yù)測(cè)的光流和有約束的場(chǎng)景流更新的方法將基礎(chǔ)網(wǎng)格變形為高度精確的深度圖[8]。由于產(chǎn)生深度圖的高質(zhì)量，全局場(chǎng)景模型可以簡(jiǎn)單將它們并列排放,然后去除重疊區(qū)域。筆者展示了一個(gè)現(xiàn)實(shí)環(huán)境可以通過一個(gè)實(shí)時(shí)相機(jī)在數(shù)秒內(nèi)重建，其處理使用的僅是普通桌面級(jí)別的硬件[9]。

4.1 從運(yùn)動(dòng)到結(jié)構(gòu)

與所有稠密重建系統(tǒng)類似，都需要在全局幀中獲得高質(zhì)量的相機(jī)位姿估計(jì)。使用SFM來提供實(shí)時(shí)相機(jī)位姿的估計(jì)和作為稠密場(chǎng)景重建的起始點(diǎn)的稀疏點(diǎn)云。Davison介紹了一種簡(jiǎn)單的相機(jī)追蹤和映射系統(tǒng)，其使用了連續(xù)概率濾波器來構(gòu)建一致的場(chǎng)景圖和實(shí)施相機(jī)位姿估計(jì),但是絕對(duì)精確對(duì)受限于每幀所追蹤到的數(shù)量較少的特征點(diǎn)。Klein和Murray的平行追蹤和映射系統(tǒng)(PTAM)轉(zhuǎn)而依賴基于每幀幾百個(gè)特征點(diǎn)的測(cè)量的幀率位姿估計(jì)，并迭代使用最優(yōu)化平行方法的重復(fù)束調(diào)整。它能夠?qū)崿F(xiàn)幾千個(gè)場(chǎng)景點(diǎn)位置和歷史攝像幀序列的位姿的高精度估計(jì)，因此能夠滿足需求。

只收集從PTAM獲得的高質(zhì)量的點(diǎn)，并將其送入稠密重建流水線，期間丟棄那些異常值大于10的點(diǎn)。另一種從PTAM獲得的有用的值是在關(guān)鍵幀集中場(chǎng)景點(diǎn)的聯(lián)合可見性。通過對(duì)關(guān)鍵幀中的每個(gè)點(diǎn)的光軸方向取平均的方法來進(jìn)行每個(gè)點(diǎn)粗略的初始表面法線估計(jì)。在上述的關(guān)鍵幀中，這些點(diǎn)都是可見的。

4.2 基礎(chǔ)表面構(gòu)建

已有從SFM中得到的起始3D點(diǎn)云，現(xiàn)在想要估計(jì)起始連續(xù)場(chǎng)景表面來獲得稠密細(xì)化的基礎(chǔ)。從有向點(diǎn)采樣進(jìn)行稠密3D表面重建的問題已經(jīng)在計(jì)算機(jī)圖形學(xué)社區(qū)獲得了足夠的關(guān)注度[10]，并且這個(gè)問題是模型曲面補(bǔ)洞、優(yōu)化表現(xiàn)模式和模型美化的基礎(chǔ)，隱式曲面重建技術(shù)更是獲得了足夠的關(guān)注。通過這些方法，表面可以通過將函數(shù)擬合成點(diǎn)數(shù)據(jù)的方法估計(jì)得到，其中，R3→R,f(x)=0?？梢酝ㄟ^多邊形化函數(shù)的零點(diǎn)集合(zerolevelset)的方法來提取重建網(wǎng)格[11]。在獲得即時(shí)的基礎(chǔ)模型中，速度是至關(guān)重要的。而全局優(yōu)化的無參數(shù)的表面擬合技術(shù)需要極大的計(jì)算代價(jià)用于解很大的稠密系統(tǒng)的方程組。近年來，重建的計(jì)算消耗有了大幅度的減少，主要是將全局優(yōu)化算法替換為分層和由粗到精的方法[12]。尤其是有限支持徑向基函數(shù)可以使有約束的稠密系統(tǒng)變得稀疏。

文中使用了一種最先進(jìn)的多尺度緊支撐徑向基函數(shù)的方法用于3D離散數(shù)據(jù)內(nèi)插[13]。該方法結(jié)合了全局和局部估計(jì)方法的優(yōu)點(diǎn)，適合于稀疏的、方向估計(jì)的從SFM過程中獲得的點(diǎn)云，特別是保留了在IRef低稠密度的大區(qū)域插值的能力。

零點(diǎn)集合的多邊形化，使用了Bloomenthal的方法，也由MSCSRBF支持，因?yàn)楫?dāng)估計(jì)隱式曲面時(shí)計(jì)算的大部分是基于上一層的函數(shù)層次。實(shí)際上，可以在每次生成一個(gè)新的關(guān)鍵幀時(shí)都進(jìn)行基礎(chǔ)表面重建，以便維護(hù)即時(shí)的基礎(chǔ)模型。

4.3 約束場(chǎng)景流稠密重建

在該系統(tǒng)中，使用了簡(jiǎn)單迭代稠密深度圖重建算法。該算法依賴于高質(zhì)量的相機(jī)追蹤與在上一章節(jié)中獲得的基礎(chǔ)模型。

假設(shè)有n個(gè)靜止的攝像機(jī)觀察一個(gè)可變形的表面。目標(biāo)是運(yùn)用稠密的跨攝像機(jī)束的圖像測(cè)量來使基礎(chǔ)表面估計(jì)變形到一個(gè)更加新而準(zhǔn)確的形狀上去。

(1)

稠密的基礎(chǔ)網(wǎng)面提供了一個(gè)關(guān)于在攝像機(jī)束中每幀可見的表面元素的位置和法向量的預(yù)測(cè)。希望使用圖像對(duì)應(yīng)信息來獲取端點(diǎn)更新Δxj以用來將當(dāng)前基礎(chǔ)模型的每個(gè)端點(diǎn)x變形到一個(gè)新的準(zhǔn)確體現(xiàn)真實(shí)場(chǎng)景的估計(jì)中。

Δxi=riλi

(2)

(3)

最小二乘解通過下列標(biāo)準(zhǔn)方程求得：

(4)

形成稠密的逐端點(diǎn)的表面更新：

(5)

這個(gè)計(jì)算只包括了兩個(gè)規(guī)模為2n的內(nèi)積運(yùn)算，以及一個(gè)標(biāo)量除法，可以在GPU硬件上進(jìn)行并行化運(yùn)算。在實(shí)踐中，通過使用之前的式(1)，獲取最后的端點(diǎn)更新。在初始基礎(chǔ)模型的端點(diǎn)已經(jīng)無解的情況下，優(yōu)化過程繼續(xù)最多3次迭代，或者直至平均重投影誤差小于e=1e-4個(gè)歸一化像素。

4.4 稠密對(duì)齊

4.5 局部模型集成

已經(jīng)有大量算法可以用于多個(gè)深度圖的融合，這些深度圖傳統(tǒng)上是從結(jié)構(gòu)光和范圍掃描器中獲得的[14]。這些方法可大致分為兩類。第一類方法使用計(jì)算深度圖、密集點(diǎn)樣本或者體素符號(hào)距離函數(shù)來擬合全局連續(xù)函數(shù)，此函數(shù)可用于多邊形化。但是很難用于大規(guī)模的重建，因?yàn)槭艿狡胀≒C內(nèi)存和CPU的限制。第二類方法直接在局部網(wǎng)格上進(jìn)行重建。鏈?zhǔn)蕉噙呅尉W(wǎng)格,作為最原始的方法，通過去除網(wǎng)格之間的重疊區(qū)域的方法來獲得連續(xù)拓?fù)渚W(wǎng)格。文獻(xiàn)[9]貢獻(xiàn)了有噪聲的深度圖實(shí)時(shí)融合的方法。該方法可以獲取一系列的深度圖，同時(shí)可以降低這些深度圖的誤差并且去除空間碰撞，然后將其多邊形化。

因?yàn)榍懊娴墓ぷ鞅ＷC了深度圖的連續(xù)高質(zhì)量，只要使用一種非常簡(jiǎn)單的方法就可以滿足需求。

假定已知一個(gè)從參考幀Pref獲得的三角化網(wǎng)格，將剛集成的稠密重建深度圖渲染至Pref并且在誤差范圍內(nèi)去除鄰近頂點(diǎn)。

5 仿真與調(diào)試

為了驗(yàn)證四旋翼無人機(jī)的飛行與單目導(dǎo)航功能建模，首先制作了樣機(jī)，在地面調(diào)試PID參數(shù)，最后在室內(nèi)進(jìn)行實(shí)際飛行測(cè)試，并且在上位機(jī)上進(jìn)行同步建模。飛行效果圖如圖4～6所示。

圖4 四旋翼飛行器樣機(jī)調(diào)試

圖5 四旋翼飛行器傳輸圖片

圖6 單目稠密重建效果圖

6 結(jié)束語

文中設(shè)計(jì)了一種基于四旋翼無人機(jī)的單目導(dǎo)航建模系統(tǒng)。該系統(tǒng)能夠通過攝像頭對(duì)環(huán)境進(jìn)行單目稠密重建，在PC端顯示并發(fā)送給四旋翼無人機(jī)，結(jié)合無人機(jī)的GPS和慣導(dǎo)系統(tǒng)，能夠使無人機(jī)對(duì)極端環(huán)境進(jìn)行探測(cè)。設(shè)計(jì)并制作了四旋翼無人機(jī)樣機(jī),并進(jìn)行了實(shí)際飛行測(cè)試。試飛結(jié)果表明：該系統(tǒng)可以用于四旋翼無人機(jī)系統(tǒng)進(jìn)入復(fù)雜環(huán)境并且進(jìn)行建模。

[1] 詹 鐳，賀人慶，謝 陽，等.基于微型四旋翼無人機(jī)的智能導(dǎo)航系統(tǒng)[J].電子測(cè)量技術(shù),2011，34(6):1-3.

[2] 王曉明．電動(dòng)機(jī)的單片機(jī)控制[M]．第2版．北京：北京航空航天大學(xué)出版社，2007.

[3] 楊明志,王 敏．四旋翼微型飛行器控制系統(tǒng)設(shè)計(jì)[J]．計(jì)算機(jī)測(cè)量與控制，2008，16(4)：485-487．

[4] 劉金琨．先進(jìn)PID控制及其MATLAB仿真[M]．北京：電子工業(yè)出版社，2004．

[5] 聶博文,馬宏緒,王 劍,等．微小型四旋翼飛行器的研究現(xiàn)狀與關(guān)鍵技術(shù)[J]．電光與控制，2007，14(6)：113-117．

[6] 劉慧英,范寶山.基于STM32的多步進(jìn)電機(jī)控制系統(tǒng)研究[J]．測(cè)控技術(shù)，2010，29(6)：54-57．

[7] 符 冰，方宗德，侯 宇．一種新型微旋翼飛行器的設(shè)計(jì)與控制[J]．航空制造技術(shù)，2006(5)：91-94．

[8]WangL,MordohaiP,FrahmJM,etal.Real-timevisibility-basedfusionofdepthmaps[C]//Proceedingsoftheinternationalconferenceoncomputervision.[s.l.]:[s.n.],2007.

[9]NewcombeRA,StrasdatH,KellyPHJ,etal.SLAM++:simultaneouslocalisationandmappingatthelevelofobjects[C]//Procof2013IEEEconferenceoncomputervisionandpatternrecognition.[s.l.]:IEEE,2013:1352-1359.

[10]WuHao,BuJiajun,ChenChun,etal.Locallydiscriminativetopicmodeling[J].PatternRecognition,2012,45(1):617-625.

[11]KleinG,MurrayDW.ParalleltrackingandmappingforsmallARworkspaces[C]//Proceedingsoftheinternationalsymposiumonmixedandaugmentedreality.[s.l.]:[s.n.],2007.

[12]YuF,GallupD.3dreconstructionfromaccidentalmotion[C]//Proceedingsof27thIEEEconferenceoncomputervisionandpatternrecognition.[s.l.]:IEEE,2014.

[13]WagmanRS,BarmpoutisA,BoziaE.Anovelframeworkfor3dreconstructionandanalysisofancientinscriptions[J].JournalofMachineVisionandApplications,2010,21(6):989-998.

[14]ZhangLijun,ChenChun,BuJiajun,etal.Activelearningbasedonlocallylinearreconstruction[J].IEEETransactionsonPatternAnalysisandMachineIntelligence，2011,33(10)：2026-2038.

Monocular Modeling System Based on Four Rotors UAV

ZHUANG Xiao-ming,LI Tao,FU Long

(Institute of Advanced Manufacturing Technology,Hefei Institute of Physical Science, Chinese Academy of Science,Changzhou 213164,China)

In order to realize autonomous flight,monocular dense reconstruction and auto navigation of four rotors UAV,the monocular reconstruction and modeling system is designed.The flight controller uses six axis sensors,MPU-6050,to detect the attitude of the four rotors UAV;the speed of the 4 motor drive module is controlled by the STM32F103RBT6 chip to change the attitude of the UAV with PID algorithm.The monocular reconstruction system acquires real-time position and environment information of the UAV by controlling the GPS module and image acquisition module.The software on PC can receive the images and make monocular dense reconstruction.Dense reconstruction contains five main part including structure from motion,basic surface construction,constrained scene flow dense reconstruction and local model integration.The intelligent autonomous flight of UAV is realized through communications between the PC and the UAV with wireless serial port.Experiments show that the system can realize monocular dense reconstruction.

four-rotor micro UAV;smart navigation;3D reconstruction;attitude control

2015-06-16

2015-09-23

時(shí)間：2016-06-22

國家青年科學(xué)基金項(xiàng)目(61401437);中國科學(xué)院合肥物質(zhì)科學(xué)研究院院長(zhǎng)基金青年火花項(xiàng)目(YZJJ201323)

莊曉明(1987-),男，碩士研究生，研究方向?yàn)榭刂乒こ膛c機(jī)器視覺。

http://www.cnki.net/kcms/detail/61.1450.TP.20160621.1701.008.html

TP302

A

1673-629X(2016)07-0104-05

10.3969/j.issn.1673-629X.2016.07.022