胡雨豪，劉 波,2

（1. 湖南農(nóng)業(yè)大學信息科學技術學院，湖南 長沙 410128；2. 湖南省農(nóng)村農(nóng)業(yè)信息化工程技術研究中心，湖南 長沙 410128）

0 引言

隨著國家持續(xù)對“三農(nóng)問題”的關注，實施鄉(xiāng)村振興戰(zhàn)略的重要性更加突出，農(nóng)業(yè)信息化建設需求也在不斷提升[1]，在農(nóng)業(yè)信息化建設過程中，病蟲害是影響農(nóng)作物產(chǎn)量和質(zhì)量的關鍵因素之一[2]，直接影響國家糧食安全與民生工程[3]。作為農(nóng)業(yè)大國，農(nóng)業(yè)病蟲害的發(fā)生對我國每年農(nóng)作物收成造成了巨大的損失[4]，而且當前農(nóng)田病蟲害的防治大部分依靠人力進行，勞動任務繁重，對作業(yè)實施者傷害性也不小。要提高災害防治效率，其中的一個重要環(huán)節(jié)是實時獲取農(nóng)業(yè)區(qū)域的數(shù)據(jù)[5]，基于農(nóng)作物災害防治自身的一些條件限制，一些大型機械難以發(fā)揮其主要功能，而四軸飛行器的應用可以克服這些缺點，本項目主要研究STM32單片機作為主控的智能農(nóng)用飛行器，集計算機、機械、軟件仿真、算法設計等多種技術于一體，利用搭載在四軸飛行器上的5.8 G遠程圖像傳輸模塊[6]，通過顯示屏觀察回傳過來的圖像，替代人工巡邏等情況，相比于其他機器，具有監(jiān)測數(shù)據(jù)精確度高、時效性好的優(yōu)點[7]，極大的提高了災害防治效率。

1 研究背景

隨著科技的發(fā)展，互聯(lián)網(wǎng)的漸漸壯大，信息技術在發(fā)生著巨大的變化[8]，機器視覺和圖像處理技術己經(jīng)在農(nóng)業(yè)信息化建設方面得到了廣泛應用。在現(xiàn)代農(nóng)業(yè)的發(fā)展過程中，農(nóng)產(chǎn)品的生產(chǎn)過程對于其質(zhì)量而言，有著關鍵性的作用[9]。如何實時、高效率地獲取相關信息是新時代農(nóng)業(yè)生產(chǎn)、管理的一個重要問題，但通過衛(wèi)星監(jiān)測地面樣方存在效率不高、樣方面積較小的問題[10]，單純依靠人工采樣和有線測量的方式獲取數(shù)據(jù)在實時性、精準性和實用性等方面也無法滿足現(xiàn)代農(nóng)業(yè)信息化建設的要求[11]。將機器視覺和圖像處理技術應用于農(nóng)業(yè)信息化建設，對實時監(jiān)測農(nóng)作物的長勢、災害的防治以及果實檢測分級中有著至關重要的作用。

農(nóng)業(yè)領域中進行大面積、高效率的作業(yè)往往需要采用專業(yè)的無人駕駛飛機對農(nóng)作物的生長以及災害情況進行實時、動態(tài)的監(jiān)測，這就決定了機器視覺和動態(tài)圖像處理技術在今后的大面積農(nóng)業(yè)作業(yè)中更為高效實用，因此本文分析了機器視覺和圖像處理技術以及四軸飛行器在大面積農(nóng)業(yè)作業(yè)上的優(yōu)勢，采用了市面上最新出現(xiàn)的機器視覺模塊openmv，并基于四軸飛行器進行了室內(nèi)自主巡航系統(tǒng)的開發(fā)和研究，很好的模擬了飛行器在巡航過程中對地面環(huán)境的檢測，為無人機作業(yè)過程在線檢測、害蟲監(jiān)控、農(nóng)產(chǎn)品分級等諸多方面的發(fā)展提供借鑒。

2 PID控制算法

PID，為比例、積分、微分的對應英文首字母的簡寫，是現(xiàn)在應用的最為廣泛的工業(yè)控制器，四旋翼飛行器常用的飛行姿態(tài)控制算法是PID算法[12]，PID算法作為最經(jīng)典的控制算法，它的公式如下：

公式中：Kp乘以誤差e(t)，用來消除當前誤差；積分項系數(shù)Ki乘以誤差e(t)的積分，用來消除累積的誤差，可以達到無差調(diào)節(jié)；微分項系數(shù) Kd乘以誤差 e(t)的微分，用來消除誤差的變化，也就是確保誤差恒定不變。

P的作用是加快反饋調(diào)節(jié)的響應速度，增強整體的準確性，盡可能消除誤差[13]。參數(shù)kp的大小與響應速度成反比。在調(diào)試過程中，應從0開始增加kp值，直到出現(xiàn)系統(tǒng)震蕩，再逐漸減小 kp至震蕩消失，記錄下kp的值。

單單只依靠p來調(diào)節(jié)，雖然能夠快速消除誤差，有較高的相應速度，然而這樣使得系統(tǒng)存在著穩(wěn)定誤差。I引入的作用便是為了消除穩(wěn)態(tài)溫差。I的參數(shù)ki的調(diào)節(jié)過程與kp類似；I的引入，雖然消除了穩(wěn)態(tài)溫差，但也影響了系統(tǒng)的穩(wěn)定性，并且PI控制都是在誤差產(chǎn)生后才進行回調(diào)的，是事后調(diào)節(jié)；引入微分D的作用則是事前預防控制，對誤差的大小進行一個提前預測，并產(chǎn)生一個抑制行為；kd的值一般設置為0即可。圖1為PID控制器的基本結構。

飛行器的姿態(tài)控制是四軸飛行器核心技術所在，而姿態(tài)的控制在于控制算法的優(yōu)良，目前有智能控制算法和PID控制算法，然而智能控制算法會受到微處理器計算能力限制而不能達到實時控制的良好效果，PID則不同，PID控制算法相對簡單，且技術成熟，是目前控制算法的首選[14]。PID算法即是PID控制器的靈魂，其對多旋翼飛行器的重要性在此可見一斑。

3 算法優(yōu)化

3.1 串級PID

串級PID由兩個主、副兩個PID控制器組成[15]，將它們串聯(lián)起來使用。基于四旋翼的串級PID分為內(nèi)環(huán)和外環(huán)，外環(huán)對位置進行控制，內(nèi)環(huán)則對角度進行控制，并將外環(huán)的控制結果傳給內(nèi)環(huán)作為內(nèi)環(huán)的輸入給定值，并與實際輸出值作比較，進行控制調(diào)節(jié)。這個控制器的好處就在于內(nèi)環(huán)對系統(tǒng)的響應速度快，控制干擾能力強。采用串級PID方法可以更好的控制系統(tǒng)穩(wěn)定。

圖1 PID控制原理圖Fig.1 Schematic diagram of PID control

PID一般分為位置式和增量式兩種，由于計算機輸出的u(k)直接去控制電機的油門，u(k)的值與電機的油門一一對應，所以這里采用位置式 PID。如下給出位置式PID的公式。

PID算法的離散形式為：

其中：T——采樣周期，K——采樣序號，e(k)——第 k次采樣時刻輸入的偏差值，

基本流程是遙控器的控制量經(jīng)過換算得到歐拉角的期望值，飛行器經(jīng)過陀螺儀測量機體實際角度經(jīng)過而誤差就是期望角度與實際角度的差值，將得到的數(shù)值經(jīng)過PID控制器的運算輸出給副控制器，與陀螺儀的采樣角速度做差，結果作為副控制器的輸入?yún)?shù)，經(jīng)過PID運算后輸出結果限幅后作為控制量送給油門調(diào)節(jié)通道。

3.2 算法優(yōu)化與應用

3.2.1 串級PID算法應用

本系統(tǒng)采用了串級PID控制算法對飛行器姿態(tài)進行自動化控制，外環(huán)控制角度使用PID控制器，提高控制精度，內(nèi)環(huán)控制角速度使用 PD控制器產(chǎn)生阻尼效果，防止調(diào)節(jié)過快導致震蕩，優(yōu)化飛行效果。兩級PID均采用位置式PID，高度控制采用和角度控制一樣的雙環(huán)PID，定點PID控制采用單級PID中的P。串級PID控制算法具有抗干擾能力強，變化靈活等特點，因為有兩個控制器控制飛行器，相比于一個控制器能控制更多的變量，這使得飛行器的適應能力變得更強?；究刂屏鞒倘鐖D2所示。

圖2 PID控制流程圖Fig.2 Flow chart of PID control

3.2.2 定點、自主巡航算法優(yōu)化

系統(tǒng)用于飛行控制數(shù)據(jù)處理的上位機為匿名地面站，定高采用超聲波和氣壓計融合定高，定點和自主巡航采用 openmv模塊，通過對比回傳回來的圖像得到飛行器在一段時間內(nèi)的運動軌跡，從而推算出飛行的距離，速度以及方向。

定點的實現(xiàn)與優(yōu)化主要采用 openmv庫中的find_blobs函數(shù)尋找特定的色塊并識別。通過在openmv的 IDE軟件中設置顏色閾值來尋找感興趣的色塊，算法默認找出圖像中最大面積的色塊，并利用 openmv庫中的 draw_rectangle函數(shù)和 draw_cross函數(shù)畫十字和矩形來標記出色塊的位置，最后以20 ms/次的發(fā)送速率將位置信息發(fā)送給飛控，飛控對其進行數(shù)據(jù)處理后進行位置PID控制，使目標色塊始終保持在攝像頭的圖像中心位置，從而實現(xiàn)定點。控制流程如圖3所示。

圖3 定點控制流程圖Fig.3 Flow chart of fixed-point control

自主巡航的優(yōu)化通過設置 5個取樣區(qū)域 ROI(x,y,w,h,weight)，代表圖像中左上頂點(x,y)寬，高分別為w和h的矩形，weight為當前矩形的權值。矩形的閾值根據(jù)實際情況調(diào)整，離攝像頭視野最近的矩形權值最大，其主要優(yōu)化過程如下：

1. 路線識別

利用顏色識別尋找目標區(qū)域內(nèi)的線段，由于目標區(qū)域內(nèi)的顏色塊（線段塊）不止一個，算法默認找到面積最大的一個作為本區(qū)域內(nèi)的目標路線，并將此區(qū)域像素數(shù)最大的顏色塊用矩形和十字標記出來。

2. 坐標轉換

首先利用中間公式計算目標路線的中心坐標，公式如下：

center_pos = (centroid_sum / weight_sum)

centroid_sum--每個區(qū)域的最大顏色塊的中心點的x坐標值乘本區(qū)域的權值。

weight_sum—矩形的權值，再通過轉換公式得到偏轉值，由于這里得到的偏轉值為弧度值，所以利用openmv庫中的math函數(shù)將其轉換為飛行器應偏轉的角度并發(fā)送給飛控。

3. 巡航控制

當攝像頭圖像中全部為目標色塊時（如圖4），可將圖像劃分為五個區(qū)域，其中左邊和右邊兩個矩形決定飛行器y軸的中心，上邊和下邊兩個矩形決定飛行器x軸的中心，當四個矩形同時出現(xiàn)表示攝像頭圖像中四個區(qū)域的色塊都可以找到并識別，此時確定攝像頭圖像的中心，用圓形標記出來。

圖4 算法原理模型Fig.4 Model of algorithm principle

當飛行器直線巡航時，只需要左右兩個矩形對y軸方向進行糾正即可；當飛行器需要進行轉彎判斷時，即上邊的矩形消失，若左邊的矩形同時消失，飛行器右轉，反之左轉。流程圖5所示。

4 系統(tǒng)測試

4.1 定點測試

黑膠布在長寬為 100*120 cm的白色背景圖紙上面貼出直徑為10 cm的黑色實心圓作為定點測試的目標點（因為這樣無論從哪個角度起飛都是對稱的）。在測試之前，在飛行器下面偏前面安裝一個紅外發(fā)射頭，以便更好的觀察定點及巡航效果。將飛行器放在黑色實心圓的中心，上電之后 openmv開始工作，openmv不斷拍攝圖像并通過串口回傳數(shù)據(jù)給飛控，然后解鎖將油門緩緩抬高，使飛行器平穩(wěn)離地50厘米并進行定高，當飛行器穩(wěn)定后，開啟定點功能，此時飛行器穩(wěn)定在黑色實心圓上方，無飄走現(xiàn)象；使用遙控器施加一定程度干擾，飛機 1~2秒內(nèi)能自行飄回實心圓上方，飛行器有一定抗干擾能力，定點效果良好。

圖5 巡航控制流程圖Fig.5 Flow chart of cruise control

4.2 自主巡航測試

用黑膠布在長寬為 100*120 cm的白色背景圖紙上貼出線寬為5 cm，長寬為80*100 cm的矩形路線作為巡線導航的飛行路線。和定點時的步驟一樣，將飛行器放在起飛點中心，上電解鎖以后，使飛行器平穩(wěn)起飛至50 cm高定高定點，然后開啟自主導航功能，飛行器穩(wěn)定5秒鐘后開始巡線飛行，按矩形路線飛行一圈后在起飛點穩(wěn)定5秒鐘后降落。巡線過程中可以看到，飛行器直線飛行時始終保持在黑線上方，無明顯飄走現(xiàn)象，轉彎偶爾有飄走現(xiàn)象，但很快就能回到路線上面，有很好的抗干擾能力。

4.3 自動記錄飛行軌跡

將飛行器放在起飛點，上電起飛后，PC接收飛行器上圖傳回傳過來的數(shù)據(jù)，通過分析一系列圖像序列，來確定飛行器的朝向和位置，通過 FAST特征檢測以及KLT跟蹤算法提取每一幀圖像的特征點并進行特征匹配，最終確定飛行器軌跡并在 PC端顯示。部分軌跡圖6所示。

5 結論

本文說明了四軸飛行器自主巡航系統(tǒng)的軟硬件實現(xiàn)方案，openmv脫機運行的特性大大降低了基于嵌入式設備的室內(nèi)定定點及自主巡航的技術難度，同時飛行器在定點和巡航中偏移目標區(qū)域的概率極小，具有良好的精度和穩(wěn)定性，其良好的抗干擾能力給自主監(jiān)測農(nóng)業(yè)作物災害研究提供了可靠的依據(jù)。

[1] 劉波, 沈岳, 郭平, 林芳. 數(shù)字湖南農(nóng)業(yè)信息化建設關鍵策略探索[J]. 軟件, 2013, 34(10): 1-6.

[2] 趙希萌. 無人機在現(xiàn)代農(nóng)業(yè)工程中的應用[J]. 科技創(chuàng)新與應用, 2016(36): 291-291.

[3] 黃天天, 劉波, 沈岳. 農(nóng)業(yè)物聯(lián)網(wǎng)雙光譜熱成像圖像融合模型設計[J]. 物聯(lián)網(wǎng)技術, 2015, 5(07): 26-28.

[4] 蔣暢, 劉凡齊. 四軸飛行器在農(nóng)業(yè)上應用的研究[J]. 中國新通信, 2017, 19(7): 95-95.

[5] 陳曉燕, 姚高偉, 張鯤, 等. 基于遺傳算法的無線傳感器節(jié)點定位在農(nóng)業(yè)的應用[J]. 軟件, 2015, 36(4): 1-5.

[6] Nyjot, Tshikala, 黃李炳, 等. 基于GPS/INS導航的農(nóng)用無人機航點規(guī)劃算法研究及應用[J]. 成組技術與生產(chǎn)現(xiàn)代化,2017, 34(2): 9-11.

[7] 張志云, 李長賀. 無人機技術在現(xiàn)代農(nóng)業(yè)中的應用[J]. 農(nóng)業(yè)工程, 2016, 6(4): 23-25.

[8] 胡毅, 劉波. 基于農(nóng)業(yè)信息化知識檢索系統(tǒng)關鍵技術分析與設計[J]. 軟件, 2011, 32(8): 9-12.

[9] 傅俊, 曹春益. 基于物聯(lián)網(wǎng)的農(nóng)產(chǎn)品質(zhì)量溯源系統(tǒng)設計[J].軟件, 2014(3): 9-10.

[10] 李琳一, 袁濤, 陳旭. 農(nóng)業(yè)抽樣調(diào)查中統(tǒng)計理論和抽樣方法選取研究[J]. 上海農(nóng)業(yè)學報, 2011, 27(4): 5-8.

[11] 李震, 洪添勝. 無線傳感器網(wǎng)絡技術在精細農(nóng)業(yè)中的應用進展[J]. 湖南農(nóng)業(yè)人學學報: 自然科學版. 2011. 37.

[12] 王欣. 基于四旋翼飛行器的PID算法改進[J]. 電子技術與軟件工程, 2016(4): 161-161.

[13] 林明寶, 余春艷. 自主巡航的四軸飛行器控制系統(tǒng)的設計與實現(xiàn)[J]. 電腦知識與技術, 2016, 12(16): 227-230.

[14] 鄒桐. 淺談PID控制算法對四軸飛行器的重要性[J]. 電腦知識與技術: 學術交流, 2015, 11(8X): 177-178.

[15] 畢嘉誠, 陳維民, 于曉磊, 等. 基于四軸飛行器的串級PID控制算法與建模[J]. 數(shù)字技術與應用, 2016(11):121-122.