无人机着陆引导技术

无人机着陆引导在现代无人机中的作用越来越重要。介绍了国内外无人机着陆引导系统的现状,事故数据证明着陆引导在无人机起飞/降落的重要性。提出了差分导航和局域导航的无人机着陆引导方案,以及差分导航和局域导航的组合引导方案,给出了局域导航着陆引导精度的仿真分析,表明在给定的测量精度下,能满足无人机着陆引导的要求。分析了多种着陆引导技术的优缺点。无人机着陆引导技术的研究和开发,有着广泛的应用前景。     

基于FastSLAM算法的无人机着陆方法

为解决无人机在GPS信号失效下的着陆导航问题,采用基于FastSLAM算法的导航方法。首先,基于机载多普勒雷达测量的地速,用含有高斯噪声的非线性方程来描述无人机着陆的运动模型;搭载在无人机上的激光雷达测量相对环境路标的位置和方位角用于构建系统的观测模型。基于无人机着陆段的系统模型,采用粒子滤波估计无人机的路径,扩展卡尔曼滤波估计环境路标位置。获得无人机的路径估计后,采用反正切形式的跟踪微分器获得速度估计。仿真验证了在选取适当的粒子数和环境路标情况下,FastSLAM算法满足无人机着陆定位精度和实时性要求,是一种可行的着陆段导航方法。     

基于多标签联合定位的自主视觉着陆技术研究

旋翼无人机着陆场景较为复杂,且 GPS 信号经常被干扰,同时着陆平台非固定,通常需要采用合作标签引导无人机着陆。由于存在阴影、反光等特点,在室外环境下,单一的合作标签往往存在定位误差较大,漏识别较多的问题,严重影响无人机着陆稳定性。为解决这一问题, 本文将现有的单合作标签定位方法进行改进,在传统的单标签 pnp 定位解算的基础上,采用多个合作 Apriltag 标签进行联合定位的方法,以提升无人机定位精度和识别帧率,实现着陆过程精确的视觉导航功能。通过静态定位实验与无人机动态着陆实验,验证了该方法的有效性,提升了旋翼无人机自主着陆系统的鲁棒性。     

空地协同视觉实现无人机自主降落研究

在深入分析了无人机视觉降落多种方式的基础上,结合无人机连续视觉图像的三维空间信息,提出了基于空地协同视觉信息的无人机自主降落方法,设计了一种多图形组合、多色彩导引、多方法识别的地面合作目标。从坐标系的转换、合作目标的选取、识别与处理等方面进一步细化论述空地协同视觉完成无人机自主降落的方式,通过灰度变换、HSV色彩变换、HU不变距匹配等方法保障了合作目标的准确识别率。     

一种基于OpenCV的飞机跑道及地平线检测算法

讨论了Intel开源计算机视觉库(Open Computer Vision,OpenCV)在图像处理中的应用.跑道识别是无人机着陆图像导航中的一项关键技术,准确而实时地检测出飞机跑道及地平线对推动无人机着陆导航技术的发展及减少着陆过程中的事故起着至关重要的作用.采用的方法是对无人机航拍采集到的RGB数字原图进行预处理之后,在OpenCV平台上进行Hough变换,从而提取其飞机跑道边缘及地平线,并最终成功的在OpenCV上实现了飞机跑道及地平线识别的仿真.实验证实了该检测算法在无人机着陆导航技术中的可行性.     

小型无人机航路规划及自主导航算法研究

为了实现无人机自主导航功能,定义了以发射点为坐标原点的地理导航坐标系,给出由WGS-84坐标系到导航坐标系的具体转换公式;设计了航路中的航点结构,利用GPS接收机输出数据对无人机的位置进行两点式实时推算,对无人机在直线航路段和转弯段的判断和侧偏距进行了详细讨论,避免了超越函数的计算;利用比例-微分导航控制律求得无人机的滚转角,通过飞控系统控制无人机副翼舵机,修正飞行航迹,达到消除侧偏距的目的。这些方法和措施提高了小型无人机的自主导航控制精度和稳定性,使小型无人机具有较好的飞行品质。     

基于干扰观测器的无人机着陆飞行逆控制器设计

基于干扰观测器设计了无人机着陆飞行逆控制器。根据时标分离的原则,将无人机系统分解为快慢不同的4个回路,采用动态逆的方法设计快回路、慢回路和非常慢回路控制器,并且在慢回路引入干扰观测器估计无人机所受的扰动和在线估计动态逆误差,降低控制器对干扰和模型精确度的要求,增强控制器的鲁棒性。仿真结果说明所设计的无人机着陆控制器是非常有效的。     

无人机视觉自主着陆仿真系统

计算机视觉导航技术具有精度高、不受电子干扰,成本低等特点,被誉为未来无人机自主着陆的必备手段之一。作为新一代着陆技术手段,视觉自主着陆技术需要进行大量的算法研究和飞行试验,因此有必要建立一个在实验室环境来验证所提方案的可行性。本文将虚拟现实、 可视化技术与计算视觉导航算法紧密结合起来,开发了一种无人机视觉自主着陆仿真验证系统, 构建场景模块,能够在复杂三维地形、不同气象条件下对无人机视觉自主着陆算法进行仿真验证, 实时计算和输出无人机着陆所需位置姿态参数。实验结果表明：该系统真实反映了无人飞行器飞行过程中的动态特性以及姿态角等的变化,并且具备良好的用户显控界面,验证了视觉自主着陆算法的可行性。     

无人机视觉辅助着陆中的姿态和位置估算

无人机安全着陆是无人机研究的重点和难点,为了提高无人机在公路等简易机场着陆的安全性,提出了基于少量任意分布特征点估计无人机姿态和位置的计算机视觉算法。解算无人机着陆过程中相对跑道的位置和姿态是文章核心;首先利用N点算法解算出特征点在摄像机坐标系上的坐标,然后利用正交化算法求出摄像机坐标系和跑道坐标系之间的旋转矩阵和平移向量;针对特征点的成像过程容易受噪声影响的情况,引入了最小中值法,减小噪声的影响,提高算法的鲁棒性,并解算出姿态和位置;通过卡尔曼滤波方法,进一步提高位置和姿态的精度。仿真结果表明:所提算法满足无人机自主着陆的精度要求。     

复杂条件下无人机着陆纵向控制技术研究

无人机自动着陆过程受环境因素影响较大,为了提高无人机在复杂条件下的着陆精度,增强无人机环境适应性,针对某无人机精确着陆要求,分析了无人机着陆误差较大的主要原因,给出了改进措施,分别验证了陡下滑段自动配平和浅下滑段动力补偿的控制效果。最后采用蒙特卡罗方法对各种不确定性下的着陆进行仿真验证,仿真结果表明,改进后的着陆方案能够有效地减小无人机着陆误差,提高无人机着陆精度。     

郎为民1,姚晋芳2,余亮琴1,邹力1,王振义

导航系统是无人机的核心系统之一,主要用于向无人机提供速度、位置和飞行姿态等数据,引导无人机沿规划路线安全准时飞行。文章描述无人机的坐标系统,介绍INS(惯性导航系统)和GPS(全球定位系统)两种常用无人机导航系统的基本流程和应用领域,分析地图读取和天文导航等两种位置固定导航方法的工作原理,说明加速度计、陀螺仪、空速传感器和高度传感器等导航传感器的主要用途和测量指标,归纳导航系统的设计过程。     

无人机视觉着陆位姿参数估计方法

视觉导航方法是无人机自主着陆领域的一种有效的方法。设计了一种由一个圆环和一个三基色圆构成的地标,并基于该地标给出无人机位姿估计的研究方法。该研究方法首先利用图像外部的圆环来确定目标区域,然后根据内部的三基色圆及不同颜色区域的交界线估计飞机与着陆平台的姿态参量和相对位置。在不同高度位置展开实验验证,实验数据表明,该方法能精确解算出无人机与着陆区域的相对位姿参量,达到了无人机在下降过程中实时性的要求。     

捷联惯导系统任意方位两位置的对准模式

为了实现快速精确对准,研究了绕任意轴捷联惯导系统（SINS）的两位置对准问题。首先建立了一种基于李雅普诺夫变换的SINS等价误差模型。应用该模型,对SINS分别绕方位轴、俯仰轴和横滚轴两位置对准时系统的可观测性进行了定量分析,明确了SINS绕3个正交轴旋转系统的可观测性。通过引入弹体坐标系与导航坐标系之间的旋转角速率代替姿态矩阵,使导航坐标系中的转动坐标轴可以指向三维空间的任意方位,得到了弹体绕任意轴旋转两位置对准时系统状态变量误差的变化规律。研究结果可为SINS静基座快速精确对准及其工程应用提供参考。     

基于机器视觉的无人机起降纠偏控制方法

传统的无人机起降纠偏控制方法具有局限性,在受到外界环境干扰的情况下,无人机起降纠偏性能不稳定,容易出现无人机偏航的问题,为此,提出基于机器视觉的无人机起降纠偏控制方法。设计控制无人机起降误差的非线性动态纠偏方法,建立无人机起降偏航的动力学模型,分析无人机侧向运动的受力情况,寻找纠偏控制量因素,并搭建基于机器视觉的无人机纠偏结构,通过坐标对比判断无人机偏航情况。在此基础上,建立无人机地面滑跑的纠偏模型,使用函数拟合法控制无人机起降误差,实现对无人机起降的纠偏控制。通过对比传统方法与设计的方法,进行实验论证。结果表明,设计的基于机器视觉的纠偏控制方法,在对无人机起飞以及降落过程中的航行偏差控制效果方面,具有明显优势,能够保证在风力环境干扰下,保证纠偏控制结果误差在1m以内,具有极高的稳定性。     

无人机定点降落中识别定点方法的研究

无人机进行植保作业后,要实现自主降落,传统的无人机一般借助于自身的GPS系统进行辅助,但该系统在小型无人机上进行精确定位时会存在较大误差.针对这一问题,利用机器视觉系统对无人机定点识别方法展开了研究:设定特定的地标,通过色值提取滤去该定点以外的其他颜色干扰信息,展开形状分析排除掉除该定点形状以外的元素,进行Canny边缘检测识别出地标的轮廓,建立平面坐标系,结合边缘检测获得的像素信息测算地标点的具体方位,并通过试验验证了利用视觉系统可以较好地辅助无人机实现定点降落.     

ROI加速的无人机自主精准降落系统

GPS信号在有遮挡的环境中信号差且定位精度低,无法满足无人机在特定区域精准定位的要求。而计算机视觉定位相较于GPS,受环境影响小且定位信息丰富。基于此,文中设计一种ROI加速的无人机自主精准降落系统,采用“H”与Aruco marker嵌套的降落标识在不同高度给无人机提供定位信息。基于深度学习的目标检测算法分割相机视野中的感兴趣区域（ROI）,利用阈值分割的图像识别算法在ROI区域进行Aruco marker检测,滤除ROI区域外的图像区域,提升目标识别速度。根据marker二维像素点与三维坐标点的对应关系求解无人机与marker的相对位置。基于求解出的三轴位置设计位置PID控制器,将无人机与marker的三轴位置差转换为速度控制量。进行无人机自主降落的试验,随机统计20次的降落结果,得出18次的降落轴向误差在10 cm以内,说明所设计系统能够满足无人机降落精度要求。     

基于卷积神经网络的光电导航图像超分辨率方法

本文设计了一种基于卷积神经网络的光电导航图像超分辨率系统,为飞机飞行或着陆、卫星图像提供可靠的导航信息。超清化的可见光图像能够为地面监控人员、飞行员或无人机提供可靠的图像信息。超清化方法可以降低导航系统对硬件设备、计算资源的要求,适用于普通民航客机与搭载低精度摄像头的小型无人机。本文以卷积神经网络作为框架,搭建接近实时计算的图像超分辨率模型。     

无人机应用GPS定位导航的升空试验分析

通过以电影经纬仪跟踪测量的无人机载ＧＰＳ动态试验及已知地面控制站精确位置坐标的地面ＧＰＳ静态试验，对ＧＰＳ及位置差分ＧＰＳ动态定位特性，定位误差分布进行了统计分析，并对ＧＰＳ定位误差的平稳性问题即定位误差短时漂移范围做了考察，获得了飞行试验数据及分析统计结果。这些结果为ＧＰＳ对与无人机定位与导航控制，在ＧＰＳ在组合导航中进行导航修正的算法设计及工程实现奠定了基础。     

区域导航对流层延迟误差修正模型研究

本文研究了电波大气折射理论，分析了传播误差因素，阐述了区域导航信号的传播路径与 GNSS 卫星导航的不同，论述了对流层延迟对区域导航信号测量精度的影响，设计了满足区域导航系统应用需求的对流层延迟误差修正模型，并通过仿真研究，验证了所设计区域导航对流层延迟误差修正模型的可行性，并给出了该模型在远距离低仰角和近距离高仰角下的误差修正能力。     

基于Matlab/FlightGear的四旋翼无人机仿真实验平台设计

文章以六自由度四旋翼无人机模型为基础,设计并建立了基于FlightGear的仿真实验平台。该平台基于Matlab/Simulink实现无人机模型及控制系统的仿真设计,使用Statef low实现无人机起飞、轨迹跟踪飞行、返航、降落的模式切换,并与FlightGear进行对接,实现完整飞行场景下四旋翼无人机的三维实时可视化显示。