楊永錚， 鄧梓軒， 鄭丹娜， 馬興灶

（嶺南師范學院機電工程學院， 廣東湛江 524048）

0 引言

隨著自動化和計算機技術(shù)的不斷提高，無人機技術(shù)趨向于成熟，無人機在氣象監(jiān)測、災害監(jiān)測、農(nóng)藥噴灑和地質(zhì)勘測等民用領(lǐng)域應用越來越廣泛[1-5]。 未來無人機將向小型化、低損耗、低成本、可穿戴和視覺目標檢測等方向發(fā)展，其中視覺技術(shù)是無人機未來應用方向的熱點。 無人機視覺識別技術(shù)是將無人機作為載體，結(jié)合機器視覺技術(shù)，利用無人機在飛行過程中拍攝的圖像， 并且從圖像中提取信息進行處理，最終用于無人機自主控制的輸入和無人機終端應用領(lǐng)域的拓展。 安敬蕊[2]針對海上移動目標的識別和跟蹤， 應用一種基于不變矩與自適應模板匹配相結(jié)合的快速運動目標識別與跟蹤方法， 利用不變矩的特性進行目標識別，并且建立相應的搜索區(qū)域，在搜索區(qū)域內(nèi)進行目標模板的匹配， 待匹配完成后對其進行標記并且更新目標模板。 余小游等[6]提出一種基于模型的目標識別方法，利用目標模型、環(huán)境模型、背景模型和傳感器模型來對目標進行識別，根據(jù)模型的特性來匹配實際目標的特征進行識別。 曹遠寧[7]利用一種基于HSV 空間的彩色圖像分割算法，把圖像的顏色信息作為分割的主要依據(jù)進行目標識別，但容易受光污染，需要采用特定技術(shù)消除噪聲。而閾值法[8]是一種最常用和最基本的圖像識別方法，因其簡單且高效，有望應用于無人機目標追蹤識別。 為此，本文擬采用閾值法，開發(fā)基于無人機的自主飛行系統(tǒng)，實現(xiàn)無人機一鍵啟動、 定高懸停和識別地面的指定目標并進行目標追蹤，研究結(jié)果對無人機應用具有一定的促進作用。

1 硬件系統(tǒng)

本文使用自制的無人機[9]進行試驗，飛控系統(tǒng)核心為STM32F407V，包括5 個額外的USART 端口。 同時配置有慣性傳感器（MPU6050），光流傳感器（Pix4Flow）、激光傳感器、OpenMV 視覺系統(tǒng)和無線傳感器（nRF24L01）等多個傳感器進行數(shù)據(jù)采集和增強無人機飛行的穩(wěn)定性。 其中，慣性傳感器模塊主要記錄無人機姿態(tài)信息，集成于飛控系統(tǒng)中；光流模塊主要作為水平面位置和速度反饋器；激光傳感器主要用于無人機測高、定高，與光流模塊配合使用；OpenMV 視覺系統(tǒng)主要對目標物體進行動態(tài)追蹤識別[10]；無線傳感器nRF24L01 模塊返回實時數(shù)據(jù)給地面站PC。 無人機和系統(tǒng)示意圖如圖1 所示。

圖1 無人機和系統(tǒng)示意圖

2 目標識別與追蹤系統(tǒng)的設(shè)計與實現(xiàn)

本文以無人機追蹤智能小車為例， 實現(xiàn)無人機對智能小車進行識別和追蹤的功能，主要包括兩個功能：無人機一鍵起飛，并使其穩(wěn)定飛行且定高懸停、平緩降落等；追蹤地面的智能小車實現(xiàn)偏航的跟隨偏轉(zhuǎn)。 主要功能流程如圖2 所示。

圖2 功能實現(xiàn)流程

2.1 目標識別

在智能小車車身粘貼的黑線標志物進行目標識別，利用OpenMV 視覺模塊的RGB 彩色圖像獲得灰度圖和二值圖，并對二值圖進行橫向和縱向掃描，檢測圖像的邊緣， 將每一行或每一列的黑線中心坐標轉(zhuǎn)換至霍夫空間，轉(zhuǎn)換時以上一幀檢測出的直線作為檢測范圍的約束條件，既能減少運算量又能實現(xiàn)對直線的跟蹤。選擇參數(shù)空間中的極大值點對應的直線作為候選直線，若行掃描和列掃描獲得的兩條直線近似滿足垂直關(guān)系則認為檢測有效，并對有效檢測后的兩條直線的交點和斜率進行低通濾波。檢測黑色直線時，通過霍夫線變換識別畫面內(nèi)的直線，再設(shè)置黑色直線的顏色閥值，過濾其他顏色直線的干擾。

2.2 目標追蹤

利用OpenMV 拍攝的相鄰兩幀圖像獲得兩條黑色直線標志物的坐標信息， 通過調(diào)用calculate_ intersection（line1，line2） 函數(shù)計算得出兩條黑線交點的坐標值（x，y），調(diào)用calculate_angle （line1，line2） 函數(shù)得出兩直線相交的角度值， 判斷出目標物體的運動軌跡。 在調(diào)用calculate_intersection （line1，line2）函數(shù)前，采集兩條直線的坐標信息，兩條直線的端點分別為（line1.x1，line1.y1）、（line1.x2，line1.y2）和（line2.x1，line2.y1）、（line2.x2，line2.y2），坐標值及角度的計算示意圖如圖3 所示，求解見式（1）～式（12）。最后OpenMV 通過串口通訊把對應的數(shù)據(jù)發(fā)送到飛控端， 飛控端接收到數(shù)據(jù)后進行格式解析， 得出對應的數(shù)據(jù)后進行無人機的姿態(tài)調(diào)整。

圖3 目標點追蹤計算示意圖

將直線1、直線2 的兩點代入直線方程得：

在霍夫線變換中使用（r，θ）表示一條直線，其中r 是該直線到原點的距離，θ 為該直線的垂線與x 軸的夾角。其中l(wèi)ine1.theta（）為θ1，line2.theta（）為θ2，調(diào)用theta（）函數(shù)直接返回線段的角度，在已知θ1和θ2的情況下通過算法實現(xiàn)四邊形的角公式計算出直線的夾角θ。

3 試驗結(jié)果與分析

3.1 定高及懸停

由于相鄰的兩幅圖像總會存在相同的特征， 通過對比這些特征點的位置變化信息可以判斷出物體表面特征的平均運動， 這個分析結(jié)果最終被轉(zhuǎn)換為二維的坐標偏移量，通過處理幀與幀之間所采集圖像的特征點的x 和y位移的增量值近似為零，這樣就能使飛機定點懸停[11]。 根據(jù)光流傳感器的兩種光流數(shù)據(jù)，一種為原始光流數(shù)據(jù)，另一種為融合后的光流數(shù)據(jù)。 基于波形圖可以看出通過融合解耦后的光流數(shù)據(jù)波形更加平穩(wěn)， 更有可能使飛行器取得良好的懸停效果，如圖4 所示。

圖4 光流數(shù)據(jù)波形

利用上位機進行設(shè)置飛行高度值，進行一鍵起飛，待飛行器在指定高度飛行一定時間再一鍵降落， 觀察飛行器降落后中心位置與起飛前的中心位置之間的誤差值。若落地誤差值較大，且相對不穩(wěn)定，則通過調(diào)整光流算法的參數(shù)來降低落地誤差。 定高懸停測試試驗結(jié)果見表1。

表1 定高懸停測試試驗結(jié)果

由表1 定高懸停測試結(jié)果可知， 無人機在不同的飛行高度和飛行時間下，能夠?qū)崿F(xiàn)定高懸停穩(wěn)定飛行，落地誤差基本維持在5～13cm 以內(nèi)，基本滿足設(shè)計要求，未來可通過調(diào)整算法，繼續(xù)降低落地誤差。

3.2 目標識別與追蹤

完成室內(nèi)定高懸停試驗以及對光流數(shù)據(jù)波形的分析后，利用OpenMV 視覺模塊進行目標識別與追蹤試驗，通過邊緣處理的圖像后進行霍夫圓變換，識別結(jié)果見圖5。

圖5 目標識別效果圖

在室內(nèi)布置一臺遙控小車， 小車外殼貼上黑線進行標記， 該標記物為OpenMV 利用霍夫線變換算法進行處理的特征點。 利用上位機一鍵起飛無人機， 飛至小車上空，遙控控制小車運動，無人機在空中實現(xiàn)跟隨小車的試驗，目標追蹤試驗結(jié)果見表2。

表2 目標追蹤試驗結(jié)果

由表2 目標追蹤試驗結(jié)果可知， 在不同的飛行高度和飛行時間下， 追蹤運動小車， 落地誤差基本保持在18cm 以內(nèi)，表明本文所提供的算法能夠?qū)崿F(xiàn)運動目標的識別與追蹤。

4 結(jié)論

本文基于開源四軸飛控和OpenMV， 設(shè)計了一款具有目標識別和追蹤功能的飛行系統(tǒng)， 該系統(tǒng)能夠通過上位機完成起飛、定高懸停狀態(tài)，并穩(wěn)定地對指定目標進行識別和追蹤。試驗結(jié)果表明，光流傳感器輸出的光流數(shù)據(jù)通過慣導融合和解耦后更加利于飛行器的定點懸停，能夠在一鍵起飛后迅速進入懸停狀態(tài)； 同時， 在懸停狀態(tài)下，能夠穩(wěn)定地對指定目標進行識別和跟蹤。