孫 凱，于 洋，馮迎賓

(沈陽(yáng)理工大學(xué) 自動(dòng)化與電氣工程學(xué)院，沈陽(yáng) 110159)

近年來(lái)，因具有體積小，隱蔽性強(qiáng)等優(yōu)點(diǎn)，無(wú)人機(jī)被廣泛應(yīng)用在軍事和民用領(lǐng)域，如空中偵察、火力引導(dǎo)、搜索救援、地圖繪制等。機(jī)械結(jié)構(gòu)簡(jiǎn)單且對(duì)起降環(huán)境要求低的多旋翼無(wú)人機(jī)成為本領(lǐng)域的研究熱點(diǎn)。隨著無(wú)人機(jī)在各行業(yè)應(yīng)用不斷加深，用戶對(duì)無(wú)人機(jī)提出了新的功能需求，如移動(dòng)目標(biāo)的有效識(shí)別、動(dòng)態(tài)跟蹤能力以及可靠的抗干擾能力等，對(duì)多旋翼無(wú)人機(jī)的跟蹤著陸和飛行姿態(tài)控制技術(shù)提出了更多挑戰(zhàn)。

無(wú)人機(jī)自主著陸技術(shù)[1]的出現(xiàn)大大提高了無(wú)人機(jī)的自主性并有效地解決了手動(dòng)操控方式帶來(lái)的問(wèn)題。無(wú)人機(jī)自主著陸涉及機(jī)體在空間中的定位，著陸平臺(tái)的識(shí)別、跟蹤以及飛行控制等方面。地面站處理數(shù)據(jù)[2]和機(jī)載電腦處理數(shù)據(jù)是無(wú)人機(jī)自主著陸技術(shù)的兩個(gè)研究方向。地面站處理需要通過(guò)地面站與無(wú)人機(jī)建立通信，并經(jīng)由無(wú)線數(shù)據(jù)傳輸設(shè)備接收無(wú)人機(jī)回傳的各項(xiàng)數(shù)據(jù)信息，地面站再將控制信息發(fā)送回?zé)o人機(jī)。這種方式可以同時(shí)處理更多的數(shù)據(jù)，但整個(gè)過(guò)程存在較大的時(shí)延和失真，難以滿足四旋翼無(wú)人機(jī)自主降落需求。機(jī)載處理方式由于配備了機(jī)載處理器，可實(shí)時(shí)處理數(shù)據(jù)并運(yùn)行控制程序，保證了四旋翼無(wú)人機(jī)定位的實(shí)時(shí)性和精確性。嵌入式計(jì)算機(jī)性能的大幅度提高使得機(jī)載處理方式成為主流的研究方向。

全球衛(wèi)星定位系統(tǒng)(GPS)[3]和慣性導(dǎo)航系統(tǒng)(Inertial Navigation System，INS)常用于無(wú)人機(jī)在外部環(huán)境的定位，但僅依靠GPS和INS引導(dǎo)無(wú)人機(jī)進(jìn)行自主跟蹤著陸會(huì)有一定的不足。首先，INS的特性會(huì)導(dǎo)致其定位誤差隨時(shí)間增大，影響無(wú)人機(jī)安全飛行；其次，一般商用GPS米級(jí)的定位精度很難滿足無(wú)人機(jī)自主著陸的需求，在某些特殊應(yīng)用環(huán)境，如建筑物之間、大型建筑物的內(nèi)部等，微弱的GPS信號(hào)導(dǎo)致定位誤差超過(guò)安全閾值，無(wú)人機(jī)很可能會(huì)出現(xiàn)墜毀的情況，而高精度的GPS差分定位系統(tǒng)[4]的質(zhì)量、體積均較大且價(jià)格昂貴，難以安裝在無(wú)人機(jī)上。

鑒于GPS使用范疇的局限性，無(wú)人機(jī)大多采用視覺(jué)輔助定位自主著陸方案。文獻(xiàn)[5]提出一種基于全局搜索的無(wú)人機(jī)著陸方法，解決了高空搜索具有顯著性視覺(jué)效果降落平臺(tái)的問(wèn)題。該方法利用含有標(biāo)志的圖像序列進(jìn)行空地雙向檢索，提升了降落平臺(tái)搜索的速度和準(zhǔn)確率，缺點(diǎn)是當(dāng)降落平臺(tái)在無(wú)人機(jī)視野外時(shí)無(wú)人機(jī)對(duì)降落平臺(tái)的搜索識(shí)別效果不佳。Xu C等[6]提出一種基于檢測(cè)圖像特征點(diǎn)的機(jī)載視覺(jué)算法，用于控制無(wú)人機(jī)自主著陸在固定的T型平臺(tái)上，但該算法實(shí)時(shí)性不佳且當(dāng)圖像的分辨率降低時(shí)著陸精度隨之下降。饒穎露等[7]提出一種基于深度學(xué)習(xí)的無(wú)人機(jī)自主著陸算法，該算法運(yùn)行快速、實(shí)時(shí)性好，但精度不佳，特別是面對(duì)光照條件多變和存在多種背景的環(huán)境，算法性能出現(xiàn)明顯下降。葉利華等[8]提出了一種無(wú)人機(jī)野外場(chǎng)景識(shí)別算法，使用方向梯度直方圖(HOG)[9]抓取圖像片段的場(chǎng)景特征并據(jù)此得到具有空間金字塔特性的特征向量，最后利用支持向量機(jī)進(jìn)行分類。該算法能快速提取出圖像局部特征，但識(shí)別準(zhǔn)確率不高，可能導(dǎo)致無(wú)人機(jī)自主著陸失敗。

針對(duì)上述無(wú)人機(jī)視覺(jué)自主跟蹤著陸方法存在的問(wèn)題，設(shè)計(jì)一種分布嵌入式降落標(biāo)志(Augmented Reality University of Cordoba，ArUco)[10]作為著陸目標(biāo)，并提出相應(yīng)的標(biāo)志識(shí)別和位置解算算法，解決無(wú)人機(jī)跟蹤飛行時(shí)目標(biāo)識(shí)別實(shí)時(shí)性差和定位精度較低的問(wèn)題；根據(jù)無(wú)人機(jī)跟蹤著陸于動(dòng)態(tài)目標(biāo)的需求提出用于估計(jì)目標(biāo)運(yùn)動(dòng)狀態(tài)的視覺(jué)估計(jì)算法和分階段降落策略，以提高無(wú)人機(jī)穩(wěn)定跟蹤移動(dòng)目標(biāo)的能力和自主跟蹤著陸的成功率。

1 方法總體框架

本文無(wú)人機(jī)自主跟蹤著陸方法的總體框架如圖1所示。

圖1 總體框架

在進(jìn)行自主跟蹤著陸前無(wú)人機(jī)保持懸停。開(kāi)始著陸任務(wù)后，首先將機(jī)載相機(jī)拍攝的實(shí)時(shí)圖像發(fā)送給機(jī)載電腦進(jìn)行處理，檢測(cè)和識(shí)別出著陸平臺(tái)上的標(biāo)志并估計(jì)無(wú)人機(jī)與平臺(tái)中心的相對(duì)位置和自身的姿態(tài)，然后通過(guò)跟蹤算法估算出載有著陸平臺(tái)的無(wú)人車的速度，最后將無(wú)人車的速度、相對(duì)位置和無(wú)人機(jī)的姿態(tài)發(fā)送給飛行控制器，控制無(wú)人機(jī)在目標(biāo)處于相機(jī)的視場(chǎng)中時(shí)對(duì)無(wú)人車保持平穩(wěn)的跟蹤和下降，實(shí)現(xiàn)無(wú)人機(jī)完全自主地跟蹤著陸在既定的運(yùn)動(dòng)目標(biāo)上。

2 動(dòng)態(tài)目標(biāo)識(shí)別與定位

2.1 降落標(biāo)志設(shè)計(jì)

降落標(biāo)志可用于輔助無(wú)人機(jī)視覺(jué)定位以及引導(dǎo)無(wú)人機(jī)自主跟蹤著陸。鑒于降落標(biāo)識(shí)的設(shè)計(jì)需要滿足特征足夠鮮明、容易被識(shí)別的特性，本文設(shè)計(jì)一種分布嵌入式降落標(biāo)志作為著陸目標(biāo)，降落標(biāo)志如圖2所示。

圖2 降落標(biāo)志

該正方形降落標(biāo)志邊長(zhǎng)為50cm，其背景為白色，由5個(gè)ArUco標(biāo)記組成，每個(gè)ArUco標(biāo)記都由寬的黑色邊框和內(nèi)部二進(jìn)制矩陣組成。黑色邊框有助于其在圖像中的快速檢測(cè)，二進(jìn)制編碼利于ArUco的識(shí)別。內(nèi)部較大的ArUco標(biāo)記邊長(zhǎng)30cm，作為主要的標(biāo)記輔助無(wú)人機(jī)定位，外部4個(gè)邊長(zhǎng)為10cm的小標(biāo)記可以確保在主標(biāo)記失效時(shí)，無(wú)人機(jī)依然可以確定出特征點(diǎn)并估算與著陸平臺(tái)的相對(duì)位置，增加系統(tǒng)的冗余度。

2.2 目標(biāo)識(shí)別與定位

針對(duì)使用視覺(jué)標(biāo)記定位可能存在定位精度不佳的問(wèn)題，本文基于已有的ArUco視覺(jué)定位算法結(jié)合上文設(shè)計(jì)的降落標(biāo)志提出一種基于ArUco的多標(biāo)記融合位置解算算法。算法主要包括標(biāo)記的檢測(cè)識(shí)別和位置的解算兩大部分。首先檢測(cè)出畫(huà)面中標(biāo)記的個(gè)數(shù)，對(duì)檢測(cè)出的標(biāo)記采用自適應(yīng)閾值法從灰度圖中提取出標(biāo)記的輪廓，再使用最大類間方差(OTSU)算法[11]提取規(guī)范圖像中的黑白標(biāo)志位，將其網(wǎng)格化后統(tǒng)計(jì)黑白像素量以確定標(biāo)記的編號(hào)，完成識(shí)別。

降落標(biāo)記的構(gòu)成元素是正方形，利用PNP(Perspective-N-Point)算法和降落標(biāo)記的幾何特征計(jì)算出慣性坐標(biāo)系中的4個(gè)特征點(diǎn)與成像平面中對(duì)應(yīng)的4個(gè)像素點(diǎn)的投影關(guān)系，進(jìn)而獲得相機(jī)與標(biāo)記的相對(duì)位置。PNP算法示意圖如圖3所示。

圖3 PNP算法示意圖

圖3中H、I、J、K是慣性坐標(biāo)系下ArUco標(biāo)記的四個(gè)角點(diǎn)，S為ArUco標(biāo)記的邊長(zhǎng)，假設(shè)四個(gè)角點(diǎn)的坐標(biāo)為H=(-S/2，S/2，0)、I=(S/2，S/2，0)，J=(-S/2，-S/2，0)、K=(S/2，-S/2，0)，各點(diǎn)在成像平面上像素坐標(biāo)系中對(duì)應(yīng)投影點(diǎn)的坐標(biāo)為h=(uh，vh)、i=(ui，vi)、j=(uj，vj)、k=(uk，vk)。以H-h映射舉例，空間坐標(biāo)與像素坐標(biāo)之間的轉(zhuǎn)換關(guān)系為

(1)

其中

(2)

(3)

式中：R=[r1r2r3]和t=[t1t2t3]T是相機(jī)的外參，即PNP算法所求的旋轉(zhuǎn)矩陣和平移向量；Q是成像平面中的二維像素點(diǎn)向量在相機(jī)坐標(biāo)系下的深度；L是相機(jī)的內(nèi)參矩陣；fx、fy為圖像像素坐標(biāo)系坐標(biāo)軸的尺度因子；u0、v0為圖像像素坐標(biāo)系中相機(jī)光軸投影坐標(biāo)。通過(guò)相機(jī)的外參可以將慣性坐標(biāo)系下的點(diǎn)轉(zhuǎn)換到相機(jī)坐標(biāo)系下表示，為簡(jiǎn)化計(jì)算，暫時(shí)不考慮相機(jī)內(nèi)參。設(shè)矩陣向量PH=[H1]T，式(1)由式(2)、式(3)可簡(jiǎn)化表示為

(4)

由式(4)可得到如下兩個(gè)約束為

(5)

根據(jù)式(5)可知，ArUco標(biāo)記的每個(gè)特征點(diǎn)提供了兩個(gè)關(guān)于T的線性約束，而T含有12個(gè)未知數(shù)，理論上需要6對(duì)匹配點(diǎn)解出矩陣T。但旋轉(zhuǎn)矩陣R是單位正交陣，本身具有六個(gè)約束為

(6)

根據(jù)ArUco標(biāo)記的四個(gè)角點(diǎn)加上旋轉(zhuǎn)矩陣的性質(zhì)可求得矩陣T，進(jìn)一步得到矩陣R、t，進(jìn)而求解出單個(gè)ArUco標(biāo)記在相機(jī)坐標(biāo)系下的坐標(biāo)。

考慮到相機(jī)識(shí)別到標(biāo)記的數(shù)目不同，提出解算多個(gè)標(biāo)記進(jìn)行位置融合的算法。多標(biāo)記融合示意圖如圖4所示。

圖4 多標(biāo)記融合示意圖

當(dāng)降落標(biāo)志中較大的ArUco標(biāo)記和四個(gè)較小的標(biāo)記都被識(shí)別到時(shí)，利用PNP算法得出每個(gè)標(biāo)記的中心在相機(jī)坐標(biāo)系下的位置，見(jiàn)圖中A、B、C、D、Ow點(diǎn)。由于降落標(biāo)志被放置在無(wú)人車上且無(wú)人車的高度不變，可以認(rèn)為所有降落標(biāo)記處在一個(gè)平面內(nèi)，將四個(gè)小標(biāo)記中成對(duì)角線的兩組中心點(diǎn)連接起來(lái)，計(jì)算出交點(diǎn)P，利用此交點(diǎn)與大ArUco標(biāo)記的中心位置Ow進(jìn)行可變權(quán)值的加權(quán)融合，得到融合后的相機(jī)與降落標(biāo)志的相對(duì)位置。

設(shè)P點(diǎn)的坐標(biāo)為(px，py，pz)，Ow的坐標(biāo)為(owx，owy，owz)，無(wú)人機(jī)無(wú)法識(shí)別小標(biāo)記的最低飛行高度為hmin，融合后的降落標(biāo)志擬合中心點(diǎn)在相機(jī)坐標(biāo)系下的坐標(biāo)為(qx，qy，qz)，根據(jù)無(wú)人機(jī)飛行高度high進(jìn)行的位置加權(quán)計(jì)算為

(7)

當(dāng)出現(xiàn)降落標(biāo)志中僅有兩個(gè)較小的ArUco標(biāo)記被識(shí)別到時(shí)，降落標(biāo)志的大部分已經(jīng)處于相機(jī)視野外。連接兩個(gè)已識(shí)別小標(biāo)記的中心點(diǎn)A、B，進(jìn)而求出兩點(diǎn)的中點(diǎn)。由于本文不考慮無(wú)人機(jī)的偏航且無(wú)人機(jī)機(jī)頭方向與目標(biāo)前進(jìn)方向平行，可以根據(jù)已知降落標(biāo)志的長(zhǎng)度求出一個(gè)虛擬的降落標(biāo)志中心點(diǎn)。因?yàn)槲闹兴梦恢萌诤纤惴ń馑泐l率較高，所以可用解算出的降落標(biāo)志的位置作為當(dāng)前位置的估計(jì)值，將此估計(jì)值與求出的虛擬降落標(biāo)志中心點(diǎn)加權(quán)融合得到降落標(biāo)志在相機(jī)坐標(biāo)系下的位置。位置融合示意圖如圖5所示。

圖5 位置融合示意圖

以圖5所示為例，設(shè)點(diǎn)Pt(ptx，pty，ptz)表示根據(jù)兩個(gè)小標(biāo)記求出的虛擬降落標(biāo)志中心點(diǎn)，Owt(owtx，owty，owtz)表示解算出的降落標(biāo)志位置，由Pt和Owt加權(quán)融合后的降落標(biāo)志中心在相機(jī)坐標(biāo)系下的位置(qtx，qty，qtz)為

(8)

位置融合算法的引入提高了位置解算的精度，避免了降落標(biāo)志被部分遮蓋時(shí)無(wú)法定位的狀況。

3 無(wú)人機(jī)動(dòng)態(tài)目標(biāo)跟蹤降落

3.1 目標(biāo)運(yùn)動(dòng)狀態(tài)估計(jì)與預(yù)測(cè)

無(wú)人機(jī)為實(shí)現(xiàn)對(duì)地面無(wú)人車的穩(wěn)定跟蹤需要獲得其運(yùn)動(dòng)狀態(tài)，本文根據(jù)無(wú)人機(jī)的運(yùn)動(dòng)特性提出一種基于幀間位移差分的速度估計(jì)算法，通過(guò)主動(dòng)方式獲取無(wú)人車的運(yùn)動(dòng)狀態(tài)，速度估計(jì)算法示意圖如圖6所示。

圖6 速度估計(jì)算法示意圖

算法的實(shí)現(xiàn)過(guò)程如下。

(1)假設(shè)機(jī)載相機(jī)拍攝兩張圖片的幀間間隔為δ，機(jī)載電腦通過(guò)讀取飛行控制器的里程計(jì)信息獲取相鄰兩幀無(wú)人機(jī)在慣性坐標(biāo)系下的位置，分別設(shè)為(X1，Y1，Z1)和(X2，Y2，Z2)。

(2)根據(jù)文中的位置融合以及坐標(biāo)轉(zhuǎn)換算法可以得到在相機(jī)分別拍攝兩幀圖片時(shí)無(wú)人機(jī)與降落標(biāo)志中心在慣性系下的相對(duì)位置，將兩個(gè)相對(duì)位置表示為(D1，E1，F(xiàn)1)和(D2，E2，F(xiàn)2)。

(3)利用以上的位置量進(jìn)行差分計(jì)算得到降落標(biāo)志在時(shí)間間隔δ內(nèi)的位移。由于無(wú)人車在地面上移動(dòng)，可不考慮在垂直方向的速度，將此位移與δ求商可估算出目標(biāo)無(wú)人車的速度，設(shè)為(Vx，Vy)，計(jì)算公式為

(9)

3.2 動(dòng)態(tài)目標(biāo)跟蹤降落

無(wú)人機(jī)的自主跟蹤著陸大多需要降落策略引導(dǎo)其在不同高度飛行，本文中四旋翼無(wú)人機(jī)需要自主著陸在動(dòng)態(tài)的無(wú)人車上，對(duì)著陸精度要求較高，考慮到傳統(tǒng)的直接降落控制策略存在著陸成功率低、精度差的缺點(diǎn)，本文在對(duì)比無(wú)人機(jī)處于各高度時(shí)的可控性后，提出一種分階段動(dòng)態(tài)降落策略，降落策略的示意圖如圖7所示。

圖7 分階段降落策略示意圖

分階段降落策略的實(shí)現(xiàn)過(guò)程如下。

(1)無(wú)人機(jī)在著陸任務(wù)的起始點(diǎn)位置懸停保持6～7m的飛行高度并等待搭載降落標(biāo)志的無(wú)人車出現(xiàn)。

(2)當(dāng)相機(jī)識(shí)別到目標(biāo)無(wú)人車上的降落標(biāo)志后，無(wú)人機(jī)開(kāi)始跟蹤無(wú)人車飛行并同時(shí)保持恒定的下降速度。

(3)當(dāng)無(wú)人機(jī)下降到2.5m左右高度時(shí)停止下降并保持水平飛行，跟蹤無(wú)人車。無(wú)人機(jī)在跟蹤飛行時(shí)的速度會(huì)比無(wú)人車速度稍快，無(wú)人機(jī)水平飛行一段后會(huì)飛至降落標(biāo)志的上方并以無(wú)人車的速度保持跟蹤飛行。如果無(wú)人機(jī)在水平跟蹤時(shí)發(fā)生目標(biāo)丟失的狀況，并且在接下來(lái)一段時(shí)間內(nèi)仍然未能有效地識(shí)別到降落標(biāo)志，無(wú)人機(jī)會(huì)保持在當(dāng)前位置并以0.1m/s的速度上升直到重新捕獲目標(biāo)為止，與此同時(shí)無(wú)人車會(huì)逐步減速到停止，等待無(wú)人機(jī)重新識(shí)別并開(kāi)始自主著陸。

(4)無(wú)人機(jī)在無(wú)人車上方飛行一段時(shí)間，若其能穩(wěn)定識(shí)別降落標(biāo)志，則開(kāi)始最后的跟蹤著陸。當(dāng)無(wú)人機(jī)距離降落平臺(tái)高度不足20cm時(shí)飛行控制程序控制電機(jī)停轉(zhuǎn)，無(wú)人機(jī)自由落體到降落平臺(tái)上，完成最終的自主跟蹤著陸。

4 實(shí)驗(yàn)結(jié)果與分析

4.1 視覺(jué)識(shí)別與位置解算

利用機(jī)載相機(jī)對(duì)擺放在不同距離、角度以及復(fù)雜環(huán)境背景中的降落標(biāo)志進(jìn)行視覺(jué)檢測(cè)與識(shí)別，以驗(yàn)證降落標(biāo)志和檢測(cè)算法的有效性。識(shí)別結(jié)果如圖8所示。

圖8 視覺(jué)識(shí)別結(jié)果

圖8a為模擬無(wú)人機(jī)在1.5m、3m和5m高度對(duì)降落標(biāo)志識(shí)別結(jié)果；圖8b是相機(jī)與降落標(biāo)志夾角分別是15°、30°、45°的識(shí)別結(jié)果；圖8c為降落標(biāo)志擺放在復(fù)雜背景中的識(shí)別結(jié)果?？梢钥闯?，視覺(jué)算法對(duì)擺放在不同高度、角度下的降落標(biāo)志都能保持有效識(shí)別，即使目標(biāo)在復(fù)雜背景中依然能準(zhǔn)確識(shí)別。以上視覺(jué)識(shí)別結(jié)果表明，無(wú)人機(jī)搭載相機(jī)并運(yùn)行視覺(jué)檢測(cè)算法識(shí)別特定標(biāo)志、引導(dǎo)無(wú)人機(jī)自主跟蹤著陸的方案具有可行性。

無(wú)人機(jī)對(duì)降落標(biāo)志進(jìn)行視覺(jué)檢測(cè)與識(shí)別后開(kāi)始解算自身與目標(biāo)的位置關(guān)系，本文采用將相機(jī)固定在某一水平位置并調(diào)節(jié)不同高度的方式模擬無(wú)人機(jī)進(jìn)行位置解算實(shí)驗(yàn)，以驗(yàn)證本文提出的多標(biāo)記融合位置解算算法的有效性。表1和表2為無(wú)人機(jī)在0.8m和0.5m高度機(jī)體坐標(biāo)系下的位置解算結(jié)果。

表1 0.8m高度不同位置解算算法結(jié)果對(duì)比

表2 0.5m高度不同位置解算算法結(jié)果對(duì)比

表1和表2中的幾組對(duì)照數(shù)據(jù)均為截取多個(gè)數(shù)據(jù)包中相同位置的50組數(shù)據(jù)進(jìn)行均值計(jì)算的結(jié)果，可認(rèn)為該結(jié)果具備一定的代表性。表中單標(biāo)記解算的數(shù)據(jù)為僅對(duì)降落標(biāo)志中大ArUco采用PNP算法進(jìn)行位置解算的結(jié)果。從表中數(shù)據(jù)可以看出，使用多標(biāo)記融合位置解算算法得到的結(jié)果更接近實(shí)際的相對(duì)位置，當(dāng)本文降落標(biāo)志中的5個(gè)ArUco標(biāo)記都被識(shí)別到時(shí)解算的結(jié)果與實(shí)際偏差最小，0.8m高度各個(gè)方向上的相對(duì)誤差為(5.0%，6.7%，5.0%)，均小于單標(biāo)記解算的相對(duì)誤差(12.5%，16.7%，6.3%)。在0.5m高度時(shí)，結(jié)果類同。即使文中的嵌入式降落標(biāo)志有兩個(gè)較小的ArUco被識(shí)別到時(shí)，融合位置解算算法的精度也與單標(biāo)記解算算法的精度相當(dāng)，在實(shí)際使用中這種情況發(fā)生時(shí)，降落標(biāo)志大部分已經(jīng)不在相機(jī)視野內(nèi)，使用單標(biāo)記位置解算算法無(wú)法得到無(wú)人機(jī)與目標(biāo)的相對(duì)位置，故而多標(biāo)記融合位置解算算法在無(wú)人機(jī)進(jìn)行自主著陸或自主跟蹤等任務(wù)時(shí)位置解算效率及可靠性更高。

4.2 目標(biāo)運(yùn)動(dòng)狀態(tài)估計(jì)

在仿真環(huán)境中進(jìn)行目標(biāo)運(yùn)動(dòng)狀態(tài)的估計(jì)實(shí)驗(yàn)，使無(wú)人車在平面上沿一個(gè)方向勻速或變速前進(jìn)，并在上位機(jī)中運(yùn)行速度估計(jì)程序，估算出目標(biāo)無(wú)人車的速度大小以驗(yàn)證提出的速度估計(jì)算法的有效性。無(wú)人機(jī)主動(dòng)視覺(jué)算法對(duì)目標(biāo)速度的估計(jì)與實(shí)際速度對(duì)比如圖9所示。

圖9 視覺(jué)算法速度估計(jì)對(duì)比圖

圖9a、9b分別表示目標(biāo)以1m/s的速度直線前進(jìn)時(shí)視覺(jué)算法估計(jì)的速度和目標(biāo)變速行駛時(shí)視覺(jué)算法估計(jì)的速度。圖9a中的數(shù)據(jù)曲線表明當(dāng)目標(biāo)無(wú)人車以1m/s勻速前進(jìn)時(shí)，文中提出的視覺(jué)算法估算出的速度在1m/s附近浮動(dòng)且估計(jì)誤差不超過(guò)±10%。圖9b中無(wú)人車先以0.02m/s2的加速度從0.3m/s加速到0.6m/s后再減速回原速度，之后再以0.9m/s的速度勻速前進(jìn)。從圖中的速度估計(jì)曲線可以看到，不論無(wú)人車加速、減速或者突然改變速度大小，文中提出的基于幀間位移差分的速度估計(jì)算法都能有效估算出目標(biāo)的速度并且誤差在可接受范圍內(nèi)。

4.3 動(dòng)態(tài)目標(biāo)跟蹤與分階段降落

在仿真實(shí)驗(yàn)場(chǎng)景中進(jìn)行目標(biāo)跟蹤著陸實(shí)驗(yàn)，自主跟蹤著陸實(shí)驗(yàn)效果如圖10所示。

圖10 自主跟蹤著陸實(shí)驗(yàn)效果圖

首先，無(wú)人機(jī)起飛并飛向仿真環(huán)境中的指定位置，當(dāng)?shù)孛鏌o(wú)人車進(jìn)入無(wú)人機(jī)視野中靠近中心位置，機(jī)載電腦中的程序向飛行控制器發(fā)送指令并將無(wú)人機(jī)切換到自主跟蹤著陸模式，無(wú)人機(jī)跟蹤并逐漸靠近無(wú)人車的同時(shí)降低飛行高度，采用分兩階段降落的策略平穩(wěn)著陸在無(wú)人車上。

在仿真實(shí)驗(yàn)環(huán)境中多次進(jìn)行動(dòng)態(tài)自主著陸實(shí)驗(yàn)，記錄無(wú)人機(jī)的飛行軌跡、著陸的成功率和著陸誤差等數(shù)據(jù)，并與通過(guò)直接降落策略獲得的數(shù)據(jù)進(jìn)行比對(duì)分析。兩種策略下自主跟蹤著陸飛行軌跡(慣性坐標(biāo)系)如圖11所示。

圖11 不同降落策略下無(wú)人機(jī)飛行軌跡

根據(jù)圖中的軌跡可知，無(wú)人機(jī)從慣性坐標(biāo)系下的(-6m，1m，6m)位置開(kāi)始進(jìn)行自主動(dòng)態(tài)跟蹤著陸。圖11a中無(wú)人機(jī)采用分階段降落策略，從初始位置平穩(wěn)下降，接著保持水平飛行不斷跟蹤靠近無(wú)人車，最終兩條軌跡相交，無(wú)人機(jī)平穩(wěn)著陸。圖11b中，由于采用直接降落的策略導(dǎo)致初始階段無(wú)人機(jī)飛行軌跡很陡，飛行姿態(tài)不穩(wěn)定，易失控墜毀。本文提出的分階段降落策略相較于常用的直接降落策略，無(wú)人機(jī)飛行姿態(tài)更為穩(wěn)定，下降過(guò)程更為線性，提升了自主著陸的成功率與精度。

5 結(jié)論

提出一種應(yīng)用于空地異構(gòu)系統(tǒng)的無(wú)人機(jī)自主跟蹤著陸方法，設(shè)計(jì)了嵌入式降落標(biāo)志并通過(guò)視覺(jué)算法實(shí)現(xiàn)了目標(biāo)檢測(cè)識(shí)別功能，通過(guò)標(biāo)記融合算法實(shí)時(shí)解算無(wú)人機(jī)與目標(biāo)的相對(duì)位置；提出了一種圖像幀間位移差分算法估計(jì)目標(biāo)的運(yùn)動(dòng)速度用于跟蹤目標(biāo)飛行；為達(dá)到無(wú)人機(jī)更穩(wěn)定的著陸效果，提出了一種分階段動(dòng)態(tài)降落策略引導(dǎo)無(wú)人機(jī)在不同高度飛行，實(shí)現(xiàn)了四旋翼無(wú)人機(jī)在移動(dòng)無(wú)人車上的穩(wěn)定著陸，通過(guò)實(shí)驗(yàn)驗(yàn)證了提出算法和策略的有效性。提出的目標(biāo)跟蹤著陸方法僅限于對(duì)速度小于2m/s的動(dòng)態(tài)目標(biāo)進(jìn)行著陸且沒(méi)有考慮地面效應(yīng)對(duì)無(wú)人機(jī)著陸造成的影響，后續(xù)將進(jìn)行改進(jìn)以滿足無(wú)人機(jī)在高速目標(biāo)上著陸的要求以及開(kāi)展旋翼無(wú)人機(jī)克服地面效應(yīng)影響的研究。