英语原文共 12 页
基于人工视觉的四旋翼飞行器自主导航，着陆和充电系统
Francesco Cocchioni , Adriano Mancini and Sauro Longh
摘要
本文提出了一种提高无人机续航和自主飞行的解决方案。通过基于人工视觉的完整的机载解决方案，所开发的系统能够在室内和室外场景下自主起飞、导航和着陆并通过使用专用的着陆平台为其电池充电。着陆平台包括用于校正无人机着陆误差的被动对中系统，通过采用新颖的设计方法，在不对无人机进行侵入性硬件改变的情况下(由于小的和隔离的电接触)，降低了成本并增加了安全性。所开发的视觉算法通过使用视觉目标，能快速准确的提供无人机相对于降落平台的位置，但同时它能够自动切换到独立于视觉目标的预测位置。此方面用于导航期间或目标跟踪失败时，确保向控制器提供连续的位置测量馈送。所开发的控制系统能低误差的应对所有不同状态（电机开/关、起飞、导航、着陆、。..），确保着陆平台上的着陆误差在x和y轴上均小于5cm。ROS环境中开发的软件是模块化的，并提供输入/输出接口来接收命令或发送数据。
介绍
无人机自主飞行是一个尚未完全解决并且涉及广的问题。与在地面上导航的无人地面飞行器（UGV）相比，无人机要不断地面对重力和外部干扰的影响，如阵风。四象限飞行器因为运动速度快和不稳定的本质，使其至少两个控制层以确保完全的自主飞行。内部控制层确保无人机姿态的稳定性，他们通常使用安装在机上的带有线性或非线性控制器的惯性测量单元(IMU)来实现。外部控制层保证了无人机在空间中的位置的稳定，通过利用类似的控制器和传感器提供无人机相对于参考系统的位置。针对在任何场景下的无人机定位，目前没有一个确定性的解决方案。大多数无人驾驶飞机配备了用于室外场景自主飞行的全球定位系统（GPS）。由于室内区域缺乏信号，估计位置的精度低，以及该传感器的更新速度慢，所以对于室内飞行或者特别精确的机动，无人机需要对没有GPS的无人机的位置进行精确而快速的测量。这项工作的重点是基于自主视觉的无人机导航、着陆和蓄电池补给系统的研制。该系统能在室内和室外情况下都工作，由于只使用可以安装在机上的硬件，因此不需要外部传感器或计算单元。这项工作已经成为欧洲R3-COP（弹性推理机器人协作系统）[1]项目的示范项目，其中涉及在任务期间与无人地面车辆进行协作。
系统配置
用于这项工作的四旋翼无人机是由Ascending Technology公司制造的：Asctec Pelican。该无人机的精密设计允许安装各种传感器和处理单元，其最大建议有效载荷为650克。在最大有效载荷下，通过使用6Ah的锂聚合物电池（LiPo），无人机的耐久被限制在12-14分钟。如果安装一个8Ah电池，则大大减少了剩余的有效载荷，即减少了在本工作中使用的最后硬件配置的重量。无人机装有综合姿态控制器便可以飞行了（使用远程无线电控制）。在室外环境中，综合GPS模块可用于完全自主飞行，即起飞、导航和着陆。该系统不能在室内或没有GPS的环境中自主地执行这些任务，并且严格的受到GPS测量精度的限制，GPS测量精度在地面附近或在存在棚子时可能具有高达6米的误差。
机载微控制器（Asctec Autopilot）包括两个不同的ARM7处理器。低级处理器使用闭源固件来处理IMU测量和姿态控制器的数据融合。高级处理器可以由用户自由编程。姿态控制器基于PD控制器，PD控制器使用以1kHz速率从数据融合获得的以同样速率工作的姿态数据。电机及其控制器专门设计用于高频工作。
用基于Intel Core2Duo SL9400（双核1.86GHz）和4GB的RAM的Asctec Mastermind，无人机已经定制了机载计算机。该平台为基于视觉的全自主飞行算法提供了必要的计算能力。用于获取图像的相机是Matrix.BlueFox MLC200wC，分辨率为752x480像素，最大捕获速率为90Hz。安装的镜头是2.8mm，即使当无人机靠近地面，这样的镜头也能保证了良好的视野。无人机还配备有Maxbotix XL-MaxSonar-EZ MB1320超声波传感器，分辨率为1cm，最大更新速率为10Hz。照相机和超声波都安装在无人机的下部，面向地面。
无人机还配备有螺旋桨的小型保护，以增加硬着陆时的安全性，并配有脚伸展模块（特点是具有四个小窗口的矩形设计），使其允许安装AsctecMaster.。图1展示出了除了摄像机和超声波传感器之外，安装了工作中所有模块中的无人机。
图1 最初配置的Asctec Pelican
该软件已在C 中作为ROS（机器人操作系统）软件包开发，并使用众所周知的OpenCV库来处理图像。Asctec自动驾驶仪与ROS之间的接口，用于读取传感器数据并将控制命令写入低层姿态控制器（使用ROS主题），由Asctec MAV框架[4]处理。ROS包克服了Asctec Pelican的串行通信速度的一些限制。Asctec MAV框架提供了专门为Asctec Pelican编写的其他有用特性，但在本文中，它只用作ROS和Asctec Autopilot自动驾驶仪之间的通信层。
降落平台
无人机的耐久性降低不允许真正的连续自主飞行。通常，更换一个新电池是由一个操作人员来完成的。此点不适用于一些场景，例如沿着封闭路径长时间飞行以进行监视或检查。
为了克服这个限制，我们已经开发了一个特定的着陆平台。该平台不仅为无人机着陆提供了安全场所，而且为延长无人机电池工作时间提供了充电系统。为了减少平台的开发时间、成本和复杂性，我们选择了电池充电系统而不是替换电池[5][6]。电池充电系统基于安装在平台上和无人机上的滑环，分别连接到电池充电器和无人机电池。为了减小滑环的尺寸，从而最大限度地减少与暴露的大电气表面有关的风险，我们开发了一种被动定心系统。平台上滑环尺寸小，可用于纠正着陆误差，使无人机降落在一个特定的位置。基于上述原因，我们选择了没有选择主动定心系统（带有致动器），而是选择了基于重力的无源定心系统。我们已经在3D CAD环境中对着陆平台进行了初步建模。Asctec Pelican基地已经以1:1的比例进行了建模，并已用于验证平台的各种版本的想法。为最终系统（如图2所示）开发的着陆平台具有四个倒置的空心锥体，用作被动对中系统。
图2 开发降落平台的3D模型
我们的对于设计的想法是，我们需要在锥体内部有涉及四个特殊的脚用于无人机的降落。重力将使无人机朝着着陆平台的中心移动。着陆平台能够校正的最大误差与四个锥体的半径相关。每个锥体的高度（如果半径固定）与内部滑动面的斜率直接相关，其高度的设定可以增加或减少滑动的概率。每个锥体的较大半径，或较大的高度，提高了对中系统的性能。由于它的脚可以在内锥面上滑动，锥体的尺寸直接影响无人机的结构。每个圆锥的半径上限为四英尺所产生的正方形的一半。双脚高度必须至少等于或大于圆锥高度，以避免着陆表面与无人机底座之间的接触。利用二维数学模型，可以找到特定对中系统（具有固定圆锥半径）能够补偿的最大着陆误差。一般来说，无人机着陆时，无人机的脚对于每个锥体的中心都同时存在平移和旋转误差，即为无人机可能对理想位置(无人机相对于着陆平台完全对中，其脚精确地位于每个锥体的中心)产生误差。
为了模拟一般着陆，UAV的理想脚位置乘以旋转平移平面矩阵（具有定义的平移和旋转误差），检查每个脚是否仍然在其各自的圆锥体内。在这种情况下，着陆平台被动地将无人驾驶飞机带到理想着陆位置，从而补偿误差。表I展示了10cm为半径的锥形对中系统在不同的平移误差（沿两个轴）（以1厘米的步长）中所能允许的最大旋转误差（表也可以在相反侧读取）。图3显示了平移误差为5cm（沿着X和Y轴）和旋转误差为10◦（脚半径为0.5cm）的图形事例。原来有脚延伸（见图1的底部）的Asctec Pelican平面底座，不适合我们的对中系统的降落平台。为此，我们设计了一种新的着陆脚。我们没有从头重新设计一个新的基地，我们设计了一个额外的无人机着陆脚，使他们可以安装在原来没有任何修改的Asctec的延长脚上。图4显示了开发的着陆脚，它能够在内锥面上滑动，而不会与着陆平台和无人机基地发生碰撞。拱形设计增加了无人机基座的尺寸（因此可以使用较大的锥形半径，并且可以补偿较大的着陆误差），并可以在突然着陆的情况下提供更好的冲击缓冲。
表1 半径为10cm的锥形平台的最大降落误差（沿x,y轴方向）
|
X,y轴降落误差 |
最大旋转误差 |
|
0cm |
40° |
|
1cm |
33° |
|
2cm |
27° |
|
3cm |
22° |
|
4cm |
15° |
|
5cm |
10° |
|
6cm |
4° |
图3 在定心系统中描绘无人机着陆脚位置，沿着X和Y轴各存在5cm的着陆误差，沿参考方向存在10°的着陆误差。
图4 开发的着陆脚的3D模型
图5 降落在Asctec Pelican底座里的着陆脚的3D模型
为了以除去不必要的材料以减轻每个着陆脚的重量，我们将外表面做出镂空的。无人机着陆脚的内部已经被钻空以容纳必要的电缆来给系统充电。我们将在两个螺丝孔之间和着陆脚的上部挖空，从而减轻重量，并且创造出一个薄弱的结构点。这样，当无人机遇到非常猛烈的碰撞冲击时，脚可以在这个结构点断裂，从而缓解巨大的冲击。我们对最大降落误差(沿x和y轴)进行行为分析发现，用半径为10cm的四个圆锥可以补偿的最大着陆误差是沿X和Y轴位移误差5cm和旋转误差10度。这个误差是对于最终导航控制器应该达到的最大范围。更大的定心系统可以提供更多的误差范围，但与此同时将需要更大的着陆平台和更大的着陆脚。最初的Asctec Pelican底座的延伸脚可以创建一个方约15.5厘米的侧面，这个带有非侵入性着陆脚侧面可以很容易地延长到20厘米，如图4所示。半径为10cm的锥体还允许小的锥体高度，实现良好的滑动表面斜率。在5厘米的高度下，除了小的着陆脚接触表面(0.5厘米的半径)之外，每个锥体的内表面具有27度的斜率，还允许无人机为锥体内部每个可能的着陆位置进行完美的滑动。因此，5cm是最终被选择为最小的一个着陆脚的附加高度。如图4所示最后的着陆脚的总重量为7g。图5显示了安装在原始Asctec Pelican底座上的最终着陆脚和大小为60x60x7cm的最终着陆平台的3D模型。充电系统的滑环安装在两个倒锥的底部，并连接到锂电池充电器。该无人驾驶飞机配备了两个安装在两个着陆脚底部的触点，触电用于连接到它的锂电池。图4所示的着陆脚是使用3D打印机制造的，并集成到图1所示的无人机中。连接电池极的两个滑环已安装在两个前着陆脚上，还使用了保险丝以避免任何短路。图6示范出了无人机右侧的所有部件。图7中展示了由3D打印机打印出的真实着陆平台中的锥体，该椎体与无人机的锂电池充电器相连接，他的最大充电电流为20A，并允许我们的电池以3C模式快速充电（6000mAh，最大充电3C）。四个滑环中只有两个滑环连接到电池充电器上。
降落视觉系统
设计的着陆平台有以下约束：无人机着陆时，相对着陆平台中心的沿x轴和y轴的平移误差应小于5cm，最大旋转误差为10度。为了补偿无人机的动态范围，同时提供精确的着陆，导航控制器必须依靠精确和快速的测量无人机相对于着陆平台的位置。测量必须在每个飞行场景，室内或室外，没有先验结构化的环境都可行。由于这些原因，我们研究了了一种快速和精确的视觉算法来计算无人机相对于安装在着陆平台上的视觉目标的位置。
图6 装载了所有硬件配置的最终演示无人机
如图2所示，我们设计的着陆目标可以最佳匹配在最终着陆平台上可用的平面空间。目标在低海拔和高海拔地区都应该是可见的。如图7所示，目标具有冗余设计。小的内部部分在低海拔和高海拔地区都是可见的，而外部部分则在高海拔地区提供更高的精度。这个目标允许估计无人机的6DOF。较大的可见圆可以用于估计无人机的3D位置、滚转和俯仰角，而较大的可见三角提供偏航角的估计。每个目标元素的尺寸汇总在表II中。该算法利用装在无人机下方的Matrix Vision BlueFox MLC200wC相机采集信息并进行图像识别。它是用C 编写的专用ROS包，也使用了众所周知的OpenCV库。为了实现最大的性能，每个图像都考虑最小操作集，对每个操作使用高效的实现。图8示出了估计无人机6DOF的不同操作。
使用专门开发的ROS包获取图像，该ROS包集成了制造商在ROS环境中提供的驱动程序，并且执行图像数据到ROS数据类型的转换。相机被配置成以可用的最大速度(90Hz)获取8位灰度图像(mono8)，使用自动曝光时间(具有11111us的上限，以确保每种情况下的速率为90Hz)补偿不同的照明(这是从室内移动到室外区域的关键）。
表 II
降落图标信息
|
位置 |
圆 |
三角 |
|
内部 |
R=3cm r=2cm |
b=2.728cm l1=l2=2.027cm |
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
