魯青青 宋志強 陳豪

摘 要：首先通過樹莓派3B和開源Pixhawk飛行控制器構(gòu)建性價比高的多旋翼無人機，將Google深度學(xué)習(xí)框架TensorFlow應(yīng)用于多旋翼無人機著陸地標(biāo)識別，采用卷積神經(jīng)網(wǎng)絡(luò)模型，將無人機拍攝的停機坪、飛機場、水面、建筑物、森林、草地、道路等圖片作為訓(xùn)練集輸入神經(jīng)網(wǎng)絡(luò)，通過多次訓(xùn)練校正神經(jīng)網(wǎng)絡(luò)參數(shù)，得到可用于多旋翼無人機著陸時可識別停機坪的神經(jīng)網(wǎng)絡(luò)模型，為多旋翼無人機的自主著陸奠定了基礎(chǔ)。

關(guān)鍵詞：樹莓派;PX4飛控;多旋翼無人機;著陸地標(biāo)識別

中圖分類號： TP391 ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼： A

0? 引言

隨著現(xiàn)代技術(shù)的進(jìn)步，特別是人工智能技術(shù)的快速發(fā)展，未來無人機+行業(yè)應(yīng)用的模式具有廣闊的應(yīng)用前景。多旋翼無人機的起飛和著陸無需跑道，特別是其懸停的特征對于監(jiān)視一些感興趣的區(qū)域具有非常大的吸引力。自主著陸操作技術(shù)對于其能否智能地自主完成任務(wù)具有較大的影響，這也是學(xué)術(shù)界和工業(yè)界均希望迫切解決的關(guān)鍵技術(shù)，多旋翼無人機能夠安全精準(zhǔn)地完成自主著陸成為多旋翼無人機技術(shù)應(yīng)用發(fā)展的重難點之一。深度學(xué)習(xí)技術(shù)近幾年在圖像、機器視覺、自然語言處理等領(lǐng)域取得了重大突破，基于TensorFlow的深度學(xué)習(xí)技術(shù)應(yīng)用日益廣泛[1-3]，將其應(yīng)用于多旋翼無人機自主著陸地標(biāo)識別是有益的嘗試。

1? 基于Pixhawk的無人機組裝

采用Pixhawk飛行控制器[4]結(jié)合自行采購的其他部件組裝無人機，組成無人機的主要部件如表1所示。

組裝后的無人機實物圖如圖1所示，飛行控制器固件采用開源固件PX4，地面站采用QGroundControl，運行于操作系統(tǒng)Ubuntu 16.04 LTS之上。

基于Pixhawk飛行控制器的無人機主要硬件配置[5]：

主控制器：32位STM32F427 ARM Cortex M4 核心外加浮點運算單元，主頻168MHz;

故障保護(hù)協(xié)處理器：32位STM32F103;

存儲器：2M RAM和256K運行內(nèi)存;

三軸加速度計/陀螺儀：InvenSense MPU6000，測量將三軸加速度和角速度，用于后續(xù)姿態(tài)控制;

16位陀螺儀：ST Micro L3GD20，用于測量旋轉(zhuǎn)速度;

14位加速度計/磁力計：ST Micro LSM303D，用于確認(rèn)外部影響和羅盤指向;

氣壓計：MS5611 MEAS，，用來測量高度。

2? 基于樹莓派3B的無人機系統(tǒng)硬件構(gòu)成

樹莓派3B和Pixhawk飛行控制器的接線如圖2所示。Telem 2的5V連接樹莓派的5V （Pin 2）;Telem 2的GND連接樹莓派的GND （Pin 6）;Telem 2的RX連接樹莓派的TX （Pin 8）;Telem 2的TX連接樹莓派的RX （Pin 10）。Pixhawk上，Telem 2的5V接口支持大電流輸出，可以給樹莓派供電，這樣樹莓派可作為機載電腦充當(dāng)決策者的角色，決定無人機的飛行路線。

樹莓派3B安裝raspbian-stretch版操作系統(tǒng)，TF卡中寫入2018-11-13-raspbian-stretch.img系統(tǒng)鏡像，其內(nèi)核為Linux。樹莓派3B充當(dāng)高性能的機載指揮和決策平臺，可讀取飛行控制器的狀態(tài)信息，運行機器學(xué)習(xí)、圖像識別等程序，給飛行控制器發(fā)送指令，控制無人機的飛行。將連接有攝像頭的樹莓派與無人機通過串口連接后，樹莓派通過無人機供電，搭載樹莓派的無人機實物圖如圖3所示。

3? 著陸地標(biāo)識別系統(tǒng)設(shè)計

3.1? 著陸地標(biāo)圖片獲取

樹莓派系統(tǒng)上電啟動后自動啟動拍照程序。通過無人機在距離地面2米、4米、8米、12米時拍攝的停機坪照片（確保模型訓(xùn)練的強度），作為著陸地標(biāo)（停機坪）訓(xùn)練集。每次拍攝200張照片，每張照片拍攝時延時3秒，Python程序源代碼如下：

import cv2

import os

import numpy as np

import time

i=0

cap = cv2.VideoCapture（0）

while（1）：

# get a frame

ret， frame = cap.read（）

dir_name='/home/pi/video/'

if not os.path.isdir（dir_name）：

os.makedirs（dir_name）

if i<200：

now=time.strftime（"%Y-%m-%d-%H_%M_%S"，time.localtime（time.time（）））

cv2.imwrite（dir_name+now+'.jpg'，frame）

time.sleep（3）

i+=1

else：

cap.release（）

cv2.destroyAllWindows（）

os._exit（0）

無人機在距離地面8米時，拍攝的其中一幅停機坪照片如圖4所示。

3.2? 其他圖片獲取

除通過無人機實際拍攝停機坪圖片作為訓(xùn)練、測試圖片外，還從百度圖片中下載水面、飛機場、建筑物、森林、草地、道路等圖片，和著陸地標(biāo)一起形成7個類別的訓(xùn)練集和測試集。

3.3? 圖片預(yù)處理

訓(xùn)練前，首先對獲取的圖片進(jìn)行預(yù)處理，將圖片轉(zhuǎn)維（reshape）成64×64大小，以節(jié)省訓(xùn)練時間。程序部分包括：制作Tfrecords數(shù)據(jù)，將圖像的大小轉(zhuǎn)換成64*64，讀取Tfrecords數(shù)據(jù)獲得各個圖像所對應(yīng)的image和label，為后續(xù)的操作提供數(shù)據(jù)支持。完整的圖像識別步驟如圖5所示。

3.4? 模型構(gòu)建及模型訓(xùn)練

建立神經(jīng)網(wǎng)絡(luò)模型，將數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡(luò)訓(xùn)練，并保存訓(xùn)練好的網(wǎng)絡(luò)參數(shù)。模型結(jié)構(gòu)表如表1所示。

表1網(wǎng)絡(luò)模型結(jié)構(gòu)表

3.5? 基于DroneKit的Python程序開發(fā)

樹莓派端采用Python進(jìn)行程序設(shè)計，為達(dá)到快速開發(fā)的效果，采用DroneKit-Python庫，其提供了控制無人機的庫函數(shù)，代碼獨立于飛行控制器，可運行于機載電腦，本研究將樹莓派3B作為機載電腦，可采用串口或無線方式通過MAVLink協(xié)議和飛行控制器通信。樹莓派操作系統(tǒng)raspbian-stretch或Ubuntu 16.04 LTS安裝DroneKit方法比較簡單，在終端輸入如下命令：

sudo pip install dronekit

樹莓派3B通過串口可和Pixhawk飛行控制器通信。

3.6? 實驗環(huán)境搭建

在做樹莓派與飛行控制器聯(lián)調(diào)測試之前，應(yīng)先對樹莓派端的Python程序進(jìn)行仿真，以測試程序是否正確，這樣可最大程序地減少墜機的危險。在Ubuntu 16.04 LTS下進(jìn)行仿真，環(huán)境的搭建步驟如下：

1. 建立Pixhawk原生固件PX4編譯環(huán)境，具體可參考官方教程[6];

2. 采用jMAVSim作為仿真軟件，在PX4源碼中自帶jMAVSim仿真源碼，路徑為：/Firmware/Tools/jMAVSim，因此不需要另外下載源碼。執(zhí)行如下步驟：

（1） 打開終端，切換至Firmware文件夾：

cd Firmware

（2） 輸入以下指令：

make posix_sitl_default jmavsim

上述指令意思為將Firmware目標(biāo)代碼編譯為posix系統(tǒng)軟件仿真代碼，并用JMAVSim仿真器打開編譯好的目標(biāo)文件。

若編譯成功，則打開三維仿真界面。在仿真過程中JMAVSim終端會顯示來自仿真四旋翼無人機的MAVLink指令。三維仿真界面效果圖如圖6所示。

若安裝過程中出現(xiàn)如下錯誤：

"com.jogamp.opengl.GLException： J3D-Renderer-1： createImpl ARB n/a but required， profile > GL2 requested （OpenGL >= 3.1）. Requested： GLProfile[GL3bc/GL3bc.hw]， current： 3.0 （Compat profile， compat[ES2]， FBO， hardware） - 3.0 Mesa 17.2.8"

則為OpenGL的版本問題，需要更新OpenGL版本，在終端按序輸入以下三條命令：

sudo apt-add-repository ppa：oibaf/graphics-drivers

sudo apt-get update

sudo? apt-get dist-upgrade

在Ubuntu 16.04 LTS測試通過的Python程序在樹莓派3B上也能運行。將訓(xùn)練好的模型應(yīng)用于無人機著陸仿真，無人機檢測到停機坪后，飛控就可以控制無人機飛向停機坪。代碼通過仿真測試后，將連接無人機的代碼修改為：vehicle= connect（‘/dev/ttyAMA0’，baud=57600，wait_ready=True），即可進(jìn)行樹莓派3B和無人機通過串口連接后的真機測試。

4? 結(jié)束語

多旋翼無人機的自主著陸系統(tǒng)研究對于其智能應(yīng)用具有重要作用。著重研究如何通過樹莓派3B和開源Pixhawk飛行控制器構(gòu)建性價比高的多旋翼無人機自主著陸系統(tǒng)，從硬件構(gòu)成、開發(fā)環(huán)境搭建、基于TensorFlow的著陸地標(biāo)識別、軟件仿真等方面作了較為詳細(xì)的介紹，可給經(jīng)費緊張的研究人員搭建系統(tǒng)提供有益參考，仿真實驗證明了方案的可行性。機載電腦與飛行控制器相連，機載電腦作為指揮和決策平臺，采用Python程序結(jié)合DroneKit庫開發(fā)機器學(xué)習(xí)、圖像識別等程序，以便機載電腦控制飛行控制器的動作，使之具備更高的智能。本文通過樹莓派3B作為機載電腦，詳細(xì)闡述了這一方案的可行性，對于使用Pixhawk開源飛行控制器的開發(fā)者進(jìn)行二次開發(fā)具有很好的借鑒意義。

參考文獻(xiàn)：

[1] 劉帆， 劉鵬遠(yuǎn)， 李兵， et al. TensorFlow平臺下的視頻目標(biāo)跟蹤深度學(xué)習(xí)模型設(shè)計[J]. 激光與光電子學(xué)進(jìn)展， 2017，（9）：283-291.

[2] 馮偉， 易綿竹， 馬延周. 基于TensorFlow的俄語詞匯標(biāo)音系統(tǒng)[J]. 計算機應(yīng)用， 2018，38（4）：971-977.

[3] 張春露， 白艷萍. 基于TensorFlow的LSTM模型在太原空氣質(zhì)量AQI指數(shù)預(yù)測中的應(yīng)用[J]. 重慶理工大學(xué)學(xué)報（自然科學(xué)）， 2018， 32（8）：143-147.

[4] 華清遠(yuǎn)見.飛行控制器Pixhawk簡介[EB/OL].http：//emb.hqyj.com/Column/7615.html，2018-08-15/2019-04-26.

[5] 楊小川， 劉剛， 王運濤， 等. Pixhawk 開源飛控項目概述及其航空應(yīng)用展望[J]. 飛航導(dǎo)彈， 2018，（4）： 25-32.

[6] DroneCode.Linux開發(fā)環(huán)境[EB/OL]. http：//dev.px4.io/zh/ setup/dev_env_linux.html， 2019-01-01 /2019-04-26.