在任務(wù)中,程序失控、人為失誤飛行,甚至突然環(huán)境變化等緊急情況的概率也變得更高。面對此類緊急情況,在復(fù)雜的地面上緊急降落到最近的平坦地面尤為重要。
使用攝像頭計算平坦的地面作為著陸點,并直接控制無人機自主著陸,安全便捷地完成無人機的緊急著陸。
自主無人機飛行過程中程序變化頻繁,一些根本性的變化或短暫的疏忽可能會導(dǎo)致飛行錯誤。因此制定應(yīng)急安全著陸計劃以應(yīng)對突發(fā)故障以促進自主無人機的發(fā)展是必要的任務(wù)。
利用d435深度相機實時計算地面位置,利用地面位置在相機坐標系中的相對位置作為飛行導(dǎo)引。同時,利用無人機IMU數(shù)據(jù)、相對位置和GPS數(shù)據(jù)的姿態(tài)調(diào)整,完成緊急著陸。
無人機失控后,IMU數(shù)據(jù)是一個相對可靠的來源。使用IMU數(shù)據(jù)和GPS融合進行姿態(tài)控制,可以確保無人機在短時間內(nèi)工作。
使用攝像頭獲取深度圖找到實時圖像做特征匹配,計算出無人機運動的期望值。在飛行控制中輸入期望值,并調(diào)整無人機的角度以接近目標點。同時,進近過程采用PID閉環(huán)控制,使飛行過程快速穩(wěn)定。
無人機落地研究需要考慮多方面因素和通用性,實用性有所提高。具體來說,主要挑戰(zhàn)包括以下幾點:
1:沒有GPS信號的自主控制。GPS的抗干擾能力極弱。如果無人機機載GPS信號接收器因電子干擾而發(fā)生故障,無人機將失去導(dǎo)航定位功能,從而無法安全降落。
2:緊急情況下的被動著陸。由于無人機的補償機制不允許故障無人機長時間繼續(xù)飛行,因此應(yīng)該開始選擇緊急降落的地點。雖然這是無奈之舉,但也是防止無人機落入人口密集地區(qū)的重要舉措。
3:在未知環(huán)境中自主降落。在軍事領(lǐng)域或救災(zāi)情況下,無人機需要執(zhí)行任務(wù)的地方多為未知環(huán)境或雜亂無章的環(huán)境。無人機必須能夠選擇合適的著陸點并安全著陸。
基于于視覺的無人機著陸方法:借助光學(xué)設(shè)備和圖像識別技術(shù),無人機能夠自主識別著陸區(qū)域,重構(gòu)三維地形,實現(xiàn)自動返航和航線規(guī)劃,能夠以良好的策略降落機場并安全降落,將大大降低無人機對地面人員的傷害。
無人機使用單目相機掃描地面的關(guān)鍵幀和三維點云圖。然后,將三維點云圖轉(zhuǎn)換為網(wǎng)格圖,檢測合適的著陸區(qū)域,進行著陸。圖中下方的地圖以綠色顯示平坦區(qū)域,以紅色顯示高于地平線的區(qū)域。紅色的深度表示高度。地圖上方的藍線顯示了無人機在飛行過程中創(chuàng)建的關(guān)鍵幀,圖1中的左欄是關(guān)鍵幀的一部分。
當(dāng)無人機開始降落程序時,該方法可以估計無人機的位置和姿態(tài),構(gòu)建環(huán)境的網(wǎng)格圖,并通過過濾算法選擇最適合降落的區(qū)域。演示了一種選擇著陸區(qū)域和視覺導(dǎo)航方法,該方法使用SLAM估計無人機的當(dāng)前位姿。
通過視覺SLAM建立了環(huán)境的三維點云圖。然后,通過SLAM算法提出的特征點的三維點云建立二維網(wǎng)格圖。每個網(wǎng)格的高度是通過將圖形的地圖點投影到相應(yīng)的網(wǎng)格中來計算的。然后,使用基于均值偏移的圖像分割算法對網(wǎng)格圖的高度進行平滑,劃分障礙物和地面,將高度相似的圖像塊組合在一起。該算法通過計算著陸區(qū)域與障礙物之間的空間距離,選擇距離障礙物最遠的區(qū)域作為過濾后的著陸區(qū)域。這樣就選擇了適合無人機降落的區(qū)域。無人機按照下降程序最終降落在安全區(qū)域。
基于視覺的無人機著陸導(dǎo)航
GPS 信號可能會丟失或受到干擾。擁擠的建筑物、人造結(jié)構(gòu)和密集的電力設(shè)施的城市環(huán)境對基于 GPS 的導(dǎo)航的可靠性構(gòu)成嚴重威脅。其次,商用 GPS 設(shè)備,尤其是消費級產(chǎn)品,不能提供高水平的定位精度。據(jù)報道,民用 GPS 的水平精度為 10~15 米,置信區(qū)間為 95%,垂直精度更差。
著陸過程分為四個步驟:(1)識別地標建筑,(2)定位無人機建立下滑路徑,(3)激活進場階段,(4)下降以著陸。在每一步,無人機的單目攝像頭圖像都被用作導(dǎo)航信息的主要來源,嵌入式氣壓計和 IMU(慣性測量單元)作為次要的感官數(shù)據(jù)源。
導(dǎo)航過程的功能劃分包括目標/對象圖像匹配、映射和定位、導(dǎo)航控制和錯誤恢復(fù)。
初始化精 確著陸過程的第 一步是使用存儲的指定位置圖像檢查正確的建筑工地。針對目標/目標識別的功能需求,我們采用了圖像特征匹配技術(shù)。我們將 OpenCV 庫中的 SIFT(尺度不變特征變換)特征檢測器用于我們的功能組件。圖1顯示了目標建筑工地的 SIFT 圖像匹配結(jié)果,紅圈部分匹配錯誤,通過 RANSAC 增強后匹配結(jié)果更好。該對象/目標圖像匹配功能是為了完成精 確著陸過程的地標識別步驟。
公眾號 掃碼咨詢
![]() |
上海市閔行區(qū)中春路4999號莘莊商務(wù)樓1326室 |
![]() |
service@covond.com |
![]() |
www.861030.com |
![]() |
交換機:18017588179(孫經(jīng)理) 無人機:13311882358(孫總) |