面向图像三维重建的无人机航线规划

随着无人机技术的发展,无人机序列影像三维重建越来越受到人们的关注。为完整重建任务区域的三维模型并减少无人机飞行功耗,提出一种面向图像三维重建的无人机航线规划算法。针对凸多边形任务区域,在图像重叠度和时间连续性的要求下,基于光栅法规划扫描航线并结合最佳扫描方向使得转弯次数最少。借助Gazebo仿真平台,对比验证了无人机按照该算法规划的航线飞行时功耗更小,且拍摄得到的序列影像能够重建任务区域三维模型。     

无人机遥感影像自动无缝拼接技术研究

为了实现百幅无人机影像自动无缝拼接技术,以黄淮海平原的3个典型区为实验对象,基于航拍影像质量评价,运用特征的控制点配准算法和图像灰度融合的对比度调制法,开展上百幅多航带影像快速拼接实验。结果表明,航片质量最好的是洪泽湖地区,航带和影像扭曲度不高,其次是白洋淀地区,而黄河口地区的航高差值、航带弯曲度和最大旋转度相比较高,说明航带扭曲度高,航片偏移中心线的程度较大。以江苏省洪泽湖区QuickBird影像和实地监测点与航片做精度验证高达81.26%,说明此技术是可靠和可行的,对无人机航拍影像拼接工作具有一定的实用价值和科学参考依据。     

利用薄板样条函数的无人机飞行质量检查

针对无人机航测影像重叠度、旋角等检查项受飞行状态和地形起伏影响难以准确评估飞行质量的问题,提出一种快速自动评价无人机飞行质量的方法。该方法结合ORB(Oriented FAST and Rotated BRIEF)匹配算法和薄板样条函数,可用于无人机影像航向重叠度、旁向重叠度和像片旋角的检查。首先采用ORB算法与最近邻算法提取影像间的同名点,使用随机抽样一次性方法剔除误匹配点对,然后通过薄板样条函数建立影像间的坐标转换关系,最后依据无人机飞行质量检验方法计算影像间的重叠度和旋角。实验结果表明本文提出方法检查结果的可靠性。     

面向矿山监管的无人机视频关键帧影像动态提取方法

为满足对露天煤矿违法开采实时监测需求,提出了一种基于无人机瞬时航飞速度的视频关键帧影像动态提取方法。首先对无人机采集的视频影像进行预处理,提取视频影像中无人机瞬时飞行速度、飞行航高等信息;然后基于提取的相关信息加权化处理并结合相机参数进行计算,得出抽取关键帧所需的动态间隔,再对关键帧时间间隔进行加权和阈值约束处理,提取出关键帧的动态时差。实例验证表明,采用该方法提取的关键帧影像进行矿区三维重建,在保证三维场景的同时有效提高了数据处理速度,且比等时差法用时缩短了近5倍,显著提高了三维重建的效率。     

无人机载荷航拍控制系统设计

针对无人机(UAV)遥感航拍过程中相机载荷参数自动化控制与飞行航迹实时跟踪的问题,提出一种能自动完成相机载荷控制与航拍控制的设计方案.首先,系统根据实验要求实时获取所在地理位置信息及环境预判信息,再根据相机控制参数表进行参数编码;然后,通过通信口发送自定义协议指令集给硬件控制电路,完成相机载荷参数设置并进行拍摄,同时航迹规划软件实时记录飞行轨迹地理坐标信息.系统设计使硬件控制平台和软件数据处理相结合,实现软硬协同控制.经无人机飞行验证,与单一参数航拍控制模式相比,该系统能根据不同的拍摄环境和拍摄场景进行相机参数的自动化控制与飞行轨迹实施跟踪.     

无人机遥感影像获取及后续处理探讨

作为卫星遥感和航空遥感的有益补充,无人机航空遥感系统获取遥感影像具有多种特性。通过4次无人机航拍试验,根据所获取的遥感影像和飞行辅助数据,对航拍数据进行拼接。从航拍的多个方面对飞行试验以及实验成果进行了质量评价。并提出了无人机应用于航拍时存在的问题及一些改进方法。     

基于邻域一致性的无人机航拍图像配准过程控制技术

由于无人机航拍图像的采样节点重叠度较高,所以在无人机航拍图像配准过程中无法避免像素点错误匹配的问题,提出基于邻域一致性的无人机航拍图像配准过程控制技术。根据无人机航拍图像配准区域划定标准,识别关键图像标注点,通过计算一致性测度值指标设计基于邻域一致性的无人机航拍图像融合方法。结合图像融合结果进行航拍图像地理定位,根据采样灰度因子的数值水平分析图像采样节点之间的重叠关系,对航拍图像进行坐标变换与几何校正。结合坐标变换与几何校正结果提取图像边界特征点,将特征点作为配准过程控制点,根据控制点分布质量与尺度空间极值实现无人机航拍图像配准过程控制。实验结果表明,在邻域一致性原则作用下,无人机航拍图像采样节点之间的重叠度明显下降,像素点错误匹配问题得到了解决,配准效果好。     

A3数码航摄仪飞行重叠度检查

针对A3数码航摄仪的飞行重叠度还没有成熟检查方法的问题,提出了一种基于改进SIFT的A3数码航摄仪飞行重叠度检查算法。该算法可用于A3数码航摄仪的航向、旁向重叠度,两台相机同时获取的子影像及扫视方向上相邻子影像重叠度的计算。该文根据A3航摄仪的相机安装关系恢复子影像间相对关系后,再利用位置约束SIFT特征向量搜索范围的方式进行影像匹配;利用影像同名点的相对位置关系计算重叠度,并剔除前3个较小值,以提高重叠度的可靠性。经实例验证,匹配成功率高且飞行重叠度检查结果准确。     

A3数码航摄仪飞行重叠度检查

针对A3数码航摄仪的飞行重叠度还没有成熟检查方法的问题,提出了一种基于改进SIFT的A3数码航摄仪飞行重叠度检查算法。该算法可用于A3数码航摄仪的航向、旁向重叠度,两台相机同时获取的子影像及扫视方向上相邻子影像重叠度的计算。该文根据A3航摄仪的相机安装关系恢复子影像间相对关系后,再利用位置约束SIFT特征向量搜索范围的方式进行影像匹配;利用影像同名点的相对位置关系计算重叠度,并剔除前3个较小值,以提高重叠度的可靠性。经实例验证,匹配成功率高且飞行重叠度检查结果准确。     

旋翼微小型无人机地面站系统的设计与实现

针对旋翼机的控制复杂性,设计一套面向旋翼式微小型无人机的地面控制站系统。利用该系统可进行航迹设定和任务规划,存储和回放飞机航行记录,接收航拍图像,并通过对旋翼式无人机虚拟模型和视频图像的融合处理,实时显示飞机飞行姿态、位置及运行状态,实现旋翼式微小型无人机的超视距遥控,具有直观、形象的良好操控性能。     

基于混合滤波的四旋翼无人机抗干扰姿态控制系统设计

针对四旋翼无人机抗干扰姿态控制系统抗干扰能力较差,控制性能较差的问题;文章提出基于混合滤波的四旋翼无人机抗干扰姿态控制系统,优化设计了系统的硬件和软件部分;硬件部分设计主控制器,通过发生器输出的PWM波信号控制电速;设计传感器模块,测量姿态角与加速度等数据,采用双陀螺仪和双加速度计结构,避免共振对测量结果产生影响;设计电机驱动模块,选用X2216型无刷直流电机为运行提供较高的转速和响应速度;设计无线数据传输模块,选用3DR无线数据传输模块实时监测姿态信位置信息数据;构建基于混合滤波的四旋翼无人机抗干扰姿态控制系统,对角速度数据、加速度数据等数进行融合改正,再运用互补滤波器对陀螺仪和加速度计进行信号检测和控制调度,得到精确的实时姿态角;采用姿态控制算法和串级PID控制策略,提高对系统的控制力,保证飞行的平稳;实验结果表明,基于混合滤波的四旋翼无人机抗干扰姿态控制系统抗干扰性强、控制能力高以及响应速度快。     

无人机低空滑翔抗攻击突防控制律优化设计

为了提高无人机的低空滑翔抗攻击突防和控制能力,提出一种基于快速模型预测的无人机低空滑翔抗攻击突防控制技术。采用融合传感识别技术进行无人机的姿态和位置参数信息采集,分析无人机的低空滑翔控制的物理环境参数模型,构建无人机飞行轨迹地图模型,使用标准卡尔曼滤波器进行无人机低空滑翔抗攻击突防控制信息的融合处理,根据信息融合结果进行控制指令设计。采用动态基元轨迹跟踪方法,得到无人机低空突防控制的滑模面,在有限Morrey空间内采用串联弹性驱动控制方法求得在控制约束参量分布模型的最优解。根据无人机低空突防段的初始位姿参数进行快速模型预测和飞行轨迹跟踪,实现低空滑翔抗攻击突防控制。仿真结果表明,采用该方法进行无人机低空滑翔抗攻击突防控制的精度较高,无人机的姿态参数的自适应调节性能较好。     

改进PID的无人机飞行姿态角控制消颤算法

无人机在整个纵平面飞行过程中,由于飞行姿态角的大幅度变化以及气流的作用,导致机身颤抖,影响飞行稳定性.提出一种基于PID变结构控制的无人机飞行姿态角控制消颤算法,首先进行了无人机飞行姿态角控制系统的被控对象参量分析,构建无人机在姿态角变化剧烈、大迎角飞行时的三通道模型,采用变结构控制方法进行控制器设计.结合小扰动原理和Lyapunov稳定性原理进行扰动抑制和稳定性证明,采用梯度算法调整权值进行飞行姿态角控制的消颤处理,采用自适应算法在线调整权值实现PID变结构控制改进.仿真结果表明:采用该算法进行无人机飞行姿态角控制和消颤处理,大幅度提高无人机飞行定姿的精度,横滚角、俯仰角和航向角的控制精度有较大提高,稳定性和收敛性较好,确保了无人机飞行稳定性.     

基于AFSMC算法的飞机飞行姿态自适应滑模控制系统

传统飞机飞行姿态滑膜控制系统,存在飞机飞行姿态自适应系数稳定性差的问题,在控制过程中会受到多重因素影响,导致飞行姿态可控误差系数增大,需要辅助控制系统修正才能完成飞行姿态的控制操作;针对上述问题,提出基于AFSMC算法的飞机飞行姿态自适应滑模控制系统;系统硬件基于PID自适应滑模控制器,对飞机飞行姿态控制器进行结构设计;软件部分通过引入自适应滑模控制策略,对PID控制器姿态控制变量进行适配;引入AFSMC算法计算姿态控制器当前时间点下的运动控制方程,得到飞行姿态自适应滑模控制的最优量,完成基于AFSMC算法的飞机飞行姿态自适应滑模控制系统设计;实验结果表明,所设计系统能够在不同飞行工况下,对飞机飞行姿态作出准确控制,系统的整体控制精度范围为90%~97.4%,飞机飞行控制稳定性较好,有效提升了系统对飞机飞行姿态的控制准确度。     

基于粒子滤波的无人机自主轨迹视觉导航控制方法研究

针对现有无人机导航控制方法存在的控制效果不佳的问题,本文提出一种基于粒子滤波的无人机自主轨迹视觉导航控制方法研究。利用粒子滤波算法,实现对无人机自主轨迹视觉导航控制方法的优化设计。采用栅格法构建无人机飞行环境地图,根据无人机的机械组成结构和工作原理,构建运动状态模型。利用内置的摄像机设备采集视觉图像,执行图像灰度转换、几何校正、滤波等预处理步骤。通过对视觉图像的特征提取,判断当前环境是否存在障碍物。利用粒子滤波算法确定无人机位姿,结合障碍物识别结果规划无人机的自主飞行轨迹。将位置、速度和姿态角的控制量计算结果,输入到安装的导航控制器中,完成无人机的自主轨迹视觉导航控制任务。通过实测分析得出结论：应用设计的导航控制方法,其位置误差、速度误差以及姿态角误差均维持在预设值以下,即设计的导航控制方法具有良好的控制效果。     

一种小型倾转旋翼无人机的建模与仿真

传统无人机多为四旋翼无人机和固定翼无人机,现设计一种小型可倾转旋翼无人机,可实现垂直起降与悬停,并能在空中高速巡航。建立该无人机的动力学模型,对该无人机的旋翼飞行模式,设计了基于滑模控制(Sliding Mode Control)的姿态控制器和位置控制器,并通过Matlab仿真和传统的PID算法进行比较验证。仿真结果表明:基于滑模鲁棒控制的无人机,其姿态收敛过程和位置收敛过程都远快于传统控制方法。     

Optimal flight parameters for unmanned aerial vehicles collecting spatial information for estimating large-scale waste generation

Large-scale waste and debris from disasters and building construction can cause secondary damage and environmental pollution. Satellite images and the Global Positioning System are being used to calculate the amounts of such waste. However, efficiency in terms of accuracy and cost remains problematic. To solve this problem, this study used an unmanned aerial vehicle (UAV) to build three-dimensional (3D) spatial information for large-scale waste generation. Appropriate parameters were selected to quickly and accurately estimate the amount of waste. Fifty-six scenarios were distinguished according to parameters such as flight altitude, image overlap, and number of ground control points (GCPs). Images were then registered by implementing the SIFT (Scale Invariant Feature Transform) and SfM (Structure from Motion) algorithms to build 3D spatial information and estimate the amount of waste. The accuracy was generally high when flight altitude and image overlap were high, and the number of GCPs was specific. Scenario A, with the lowest flight altitude and overlap, did not yield any registrable images. The results of the flight altitude showed a different tendency from those of existing studies. This could be attributable to the difference in the distance covered on the ground by an image in the width direction, which depended on the characteristics of study sites. Among all the scenarios, D-7 had the highest accuracy, with a root-mean-square error of about 0.08 m. In this scenario, the amount of waste was estimated to be approximately 767,571.3 m³. The top 10 scenarios in terms of the accuracy of x, y, and z locations displayed similar tendencies with regard to the amount of waste. In contrast, the bottom 15 scenarios showed a variety of results. When the accuracy and flight time of each scenario were considered, scenarios H-3, H-4, and H-5 achieved the highest accuracy in a short time. Thus, these scenarios were the most effective and applicable for estimating the amount of waste. Consequently, parameters such as flight altitude, image overlap, and GCPs need to be considered when estimating large-scale waste associated with a difference in elevation using a UAV.     

基于深度学习的无人机飞行轨迹及地质勘测研究

为了对无人机的飞行轨迹及地质灾害勘测进行研究,首先基于深度学习、无人机等相关理论,对无人机飞行高度、图像分辨率以及地质勘测所消耗时间三者之间的关系进行分析;其次将卷积神经网络模型应用于地质勘测图像精度研究中;最后引入Sigmoid算法对无人机的飞行轨迹进行分析。结果表明：无人机的飞行高度与图像分辨率成反比、与地质勘测所用时间成正比。在同一高度、不同控制点的情况下,卷积神经网络模型能够缩小数据的点位误差以及高程误差,并且随着控制点的增多,精确度也会越来越高。将Sigmoid算法引入无人机的姿态控制以及速度控制中,能够将姿态控制的误差限制在-0.5～1之间,速度控制误差限制在-0.3～0.3之间,可见不管是卷积神经网络模型还是Sigmoid算法都对无人机的发展具有优化作用。因此,深度学习下飞行轨迹规划以及地质灾害勘测,对无人机的快速发展具有很大的参考意义。     

基于气动参数调节的无人机抗扰动控制算法

无人机飞行受到气动阻尼扰动,从而导致控制稳定性不好。当前采用翼型截面气动参数调节的方法进行无人机抗扰控制,以扭角以及振动方向等参数为约束指标,参数调节的模糊度较大,对气动姿态参数调节的稳定性不好。文中提出基于气动参数调节的无人机抗扰动控制算法。该算法根据无人机的飞行工况构建各阶模态对应的气弹耦合方程,在速度坐标系、体坐标系、弹道坐标系三维坐标系下构建无人机的飞行动力学和运动学模型;采用卡尔曼滤波方法实现对无人机飞行参数的融合调节和小扰动抑制处理,并采用末端位置参考模型进行无人机飞行轨迹的空间规划设计;在卡尔曼滤波预估模型中实现对动力学模型的线性化处理,采用气弹模态参数识别方法进行无人机的飞行扰动调节;将姿态控制作为内环,获得位置环状态反馈调节参数;以无人机的升力系数和扭力系数作为气动惯性参数进行飞行姿态的稳定性调节,从而实现无人机抗扰动控制律的优化设计。采集飞机的俯仰角、横滚角和航向角作为原始数据在Matlab中进行仿真分析,仿真结果表明,采用所提方法进行无人机抗扰动控制的稳定性较好,对气动参数进行在线估计的准确性较高,航向角误差降低12.4%,抗扰动能力提升8dB,收敛时间比传统方法缩短0.14 s,无人机飞行的抗扰动性和飞行稳定性得到提高。所提方法在无人机飞行控制中具有很好的应用价值。