袁澤慧,陳國(guó)棟,李世中

(1.中北大學(xué) 機(jī)電工程學(xué)院, 太原 030051;2.江蘇省機(jī)器人技術(shù)及智能制造裝備工程實(shí)驗(yàn)室(蘇州大學(xué)), 江蘇 蘇州 215021)

0 引言

近年來(lái),四旋翼無(wú)人機(jī)由于體積小、重量輕、成本低和機(jī)動(dòng)性好等優(yōu)點(diǎn),廣泛應(yīng)用于各個(gè)領(lǐng)域,如重要設(shè)施的現(xiàn)場(chǎng)監(jiān)測(cè)、空中運(yùn)輸、目標(biāo)搜救和定位等任務(wù)[1-3],尤其是在軍事領(lǐng)域,四旋翼無(wú)人機(jī)正日益成為執(zhí)行區(qū)域偵察和目標(biāo)搜索等任務(wù)的重要平臺(tái)[4]。但目前四旋翼無(wú)人機(jī)的續(xù)航能力僅為10～30 min,且載重能力有限,嚴(yán)重制約了四旋翼的應(yīng)用,因此將其與地面無(wú)人車(chē)配合部署,利用地面平臺(tái)對(duì)無(wú)人機(jī)進(jìn)行充電,或?qū)o(wú)人機(jī)運(yùn)送至目標(biāo)區(qū)域,完成任務(wù)后,對(duì)無(wú)人機(jī)進(jìn)行回收,可以有效緩解該問(wèn)題。同時(shí),聯(lián)合部署也可有效彌補(bǔ)地面無(wú)人車(chē)的環(huán)境感知能力有限這一缺陷,增強(qiáng)其戰(zhàn)場(chǎng)態(tài)勢(shì)感知能力和行為能力,有效擴(kuò)大偵查范圍,最大化綜合作戰(zhàn)效能。除軍事用途外,空地協(xié)同也成為輔助人類(lèi)監(jiān)測(cè)環(huán)境、探索自然、救災(zāi)搶險(xiǎn)等重大任務(wù)過(guò)程中不可或缺的技術(shù)支撐。

無(wú)人機(jī)能否在有限的空間內(nèi)快速、精確的降落在地面平臺(tái)上,進(jìn)行充電或回收,保證無(wú)人機(jī)的自主復(fù)飛,是實(shí)現(xiàn)空地協(xié)同的前提。然而,目前多數(shù)空地協(xié)同應(yīng)用中要求地面平臺(tái)需停放在預(yù)先選定的位置[5-7],從而允許四旋翼無(wú)人機(jī)從靜止的平臺(tái)上起飛和降落。顯然這種模式需要大量的后勤保障,效率低,因此實(shí)現(xiàn)無(wú)人機(jī)在移動(dòng)平臺(tái)上自主降落成為提高空地協(xié)同作業(yè)能力的更好選擇。

目前四旋翼無(wú)人機(jī)在移動(dòng)平臺(tái)上自主降落最常用的方法是利用高精度的GPS和慣性傳感器[8]、運(yùn)動(dòng)捕捉系統(tǒng)[9-10]、計(jì)算機(jī)視覺(jué)[11]來(lái)估計(jì)無(wú)人機(jī)和降落目標(biāo)之間的相對(duì)位姿,然而GPS在室內(nèi)、森林、城市等環(huán)境中信號(hào)較弱甚至失效,這成為GPS的致命缺陷。而運(yùn)動(dòng)捕捉系統(tǒng)一般僅用于室內(nèi)環(huán)境中。相反,視覺(jué)傳感器可以獲得豐富的環(huán)境信息,有效避免了這些問(wèn)題。同時(shí),視覺(jué)傳感器具有輕便、低功耗、低成本等優(yōu)點(diǎn),近距離測(cè)量精度更高。因此基于視覺(jué)傳感器實(shí)現(xiàn)四旋翼無(wú)人機(jī)的自主降落,成為目前最常用的方法之一。

本文中主要對(duì)近年來(lái)基于視覺(jué)的四旋翼無(wú)人機(jī)在移動(dòng)平臺(tái)上的自主降落研究成果和進(jìn)展進(jìn)行梳理,對(duì)自主降落系統(tǒng)的基本組成和關(guān)鍵技術(shù)重點(diǎn)進(jìn)行分析和介紹,同時(shí)針對(duì)當(dāng)前該領(lǐng)域中存在的問(wèn)題及未來(lái)發(fā)展趨勢(shì)進(jìn)行展望,從而為我國(guó)未來(lái)開(kāi)展空地協(xié)同領(lǐng)域的技術(shù)研究,突破重點(diǎn)難點(diǎn)問(wèn)題提供參考。

1 四旋翼無(wú)人機(jī)自主降落系統(tǒng)

目前基于視覺(jué)的四旋翼自主降落系統(tǒng)中,通常在無(wú)人機(jī)底部安裝下視單目攝像頭,地面降落平臺(tái)上布置人工標(biāo)識(shí),結(jié)合計(jì)算機(jī)視覺(jué)技術(shù)對(duì)降落標(biāo)識(shí)進(jìn)行檢測(cè)和識(shí)別。視覺(jué)伺服控制在某種程度上是一種有效的選擇[12-13],但是在這種方式中,無(wú)人機(jī)僅利用視覺(jué)信息被“拉向”目標(biāo),因此要求在整個(gè)無(wú)人機(jī)降落過(guò)程中,降落標(biāo)識(shí)都是可見(jiàn)的。而在無(wú)人機(jī)接近降落目標(biāo)過(guò)程中,下視攝像頭很容易“丟失”降落目標(biāo)。因此,有學(xué)者提出了基于模型的方法來(lái)實(shí)時(shí)預(yù)測(cè)無(wú)人機(jī)和降落目標(biāo)間的位置,即構(gòu)建卡爾曼濾波器,當(dāng)降落目標(biāo)暫時(shí)“丟失”時(shí),通過(guò)運(yùn)動(dòng)模型對(duì)降落目標(biāo)的位置進(jìn)行預(yù)測(cè),進(jìn)而幫助尋找目標(biāo)。同時(shí),無(wú)人機(jī)在移動(dòng)平臺(tái)上的精確降落的關(guān)鍵在于對(duì)無(wú)人機(jī)和移動(dòng)平臺(tái)的位姿進(jìn)行精確的估計(jì),利用卡爾曼濾波器可以實(shí)現(xiàn)對(duì)自主降落系統(tǒng)中多傳感器的有效融合,減小噪聲,因此該方式成為無(wú)人機(jī)在移動(dòng)平臺(tái)上自主降落所采用的主流方式,其主體框架如圖1所示。

圖1 四旋翼無(wú)人機(jī)自主降落整體框架圖Fig.1 The framework of quadrotor automatic landing

無(wú)人機(jī)在移動(dòng)平臺(tái)上的自主降落可分為3個(gè)階段:會(huì)合、跟蹤與降落階段。

1) 在會(huì)合階段無(wú)人機(jī)依靠GPS或固定路徑搜索等方式,尋找地面移動(dòng)平臺(tái),當(dāng)無(wú)人機(jī)成功檢測(cè)到地面機(jī)器人時(shí),則進(jìn)入跟蹤階段。

2) 跟蹤階段,無(wú)人機(jī)根據(jù)濾波器估計(jì)得到的自身和地面平臺(tái)運(yùn)動(dòng)狀態(tài)信息,不斷調(diào)整自身姿態(tài)和速度接近地面機(jī)器人,當(dāng)其與地面平臺(tái)運(yùn)動(dòng)方向一致,且在水平方向的相對(duì)距離小于一定閾值時(shí),準(zhǔn)備降落。

3) 降落階段,同樣無(wú)人機(jī)根據(jù)自身和地面平臺(tái)運(yùn)動(dòng)狀態(tài)信息,快速、精準(zhǔn)的到達(dá)指定位置,完成降落任務(wù)。整體降落流程如圖2所示。

圖2 四旋翼無(wú)人機(jī)自主降落流程Fig.2 The diagram of quadrotor automatic landing

2 四旋翼無(wú)人機(jī)自主降落技術(shù)發(fā)展現(xiàn)狀

2.1 降落標(biāo)識(shí)檢測(cè)

如上所述,無(wú)論是在跟蹤階段還是最終的降落階段,都需要依靠不斷生成的無(wú)人機(jī)和地面標(biāo)識(shí)的運(yùn)動(dòng)狀態(tài)信息,進(jìn)而調(diào)整無(wú)人機(jī)的速度和姿態(tài),到達(dá)期望位置。相對(duì)于GPS,標(biāo)識(shí)檢測(cè)和識(shí)別系統(tǒng)可以精確的計(jì)算無(wú)人機(jī)與降落標(biāo)識(shí)間的相對(duì)位置和姿態(tài)。然而,視覺(jué)成像容易受到光照條件的影響,尤其是在室外條件下,天氣狀況,以及由于太陽(yáng)光照,無(wú)人機(jī)及周?chē)ㄖ锏仍趫D像中產(chǎn)生的陰影,都會(huì)影響降落標(biāo)識(shí)的識(shí)別效果。因此,視覺(jué)檢測(cè)和識(shí)別系統(tǒng)的快速性、魯棒性,位姿計(jì)算精確性就成為了此部分的關(guān)鍵所在,決定了無(wú)人機(jī)自主降落的成敗,方法也從早期的簡(jiǎn)單顏色追蹤發(fā)展到了如今的多圖案組合的方式。

常用的部分降落標(biāo)識(shí)如圖3所示。

圖3 部分降落標(biāo)識(shí)Fig.3 Part of landing marks

Kim等[14]采用一紅色的長(zhǎng)方形圖案做為降落標(biāo)識(shí),如圖3(a)所示。在紅、綠、藍(lán)3個(gè)通道分別采用顏色濾波器對(duì)降落標(biāo)識(shí)進(jìn)行識(shí)別,通過(guò)魚(yú)眼相機(jī)模型和畸變模型建立目標(biāo)點(diǎn)的投影向量,結(jié)合無(wú)人機(jī)的高度信息,得到無(wú)人機(jī)與降落標(biāo)識(shí)在水平方向的相對(duì)位置。文獻(xiàn)[15]和[16]中采用了類(lèi)似的方案,該方案簡(jiǎn)單,處理速度快,但是由于圖案的對(duì)稱(chēng)性,需借助其他傳感器才能實(shí)現(xiàn)降落標(biāo)識(shí)的三維位置估計(jì)。索文凱等[17]則設(shè)計(jì)了一種多色彩導(dǎo)引、多圖形組合的地面著陸標(biāo)志。將灰度變換、HSV 色彩變換以及Hu不變距匹配3種方法配合使用,實(shí)現(xiàn)降落標(biāo)識(shí)的識(shí)別與處理,保障降落標(biāo)識(shí)的準(zhǔn)確識(shí)別率。Yang等[18]采用了圖3(b)所示的標(biāo)識(shí),利用“H”中兩條直線(xiàn)平行的基本特征,提取圖像中的平行直線(xiàn),通過(guò)平行直線(xiàn)的滅點(diǎn)來(lái)估計(jì)無(wú)人機(jī)與降落標(biāo)識(shí)間的相對(duì)姿態(tài),且由于“H”圖標(biāo)的物理尺寸已知,通過(guò)計(jì)算平行線(xiàn)之間的距離來(lái)估計(jì)無(wú)人機(jī)與降落標(biāo)識(shí)間的相對(duì)位置。 北京航空航天大學(xué)Bi等[19]則將紅綠藍(lán)3種顏色的模塊組合成一“H”形圖案,采用顏色濾波器對(duì)降落標(biāo)識(shí)進(jìn)行追蹤,提取圖像標(biāo)準(zhǔn)矩計(jì)算相對(duì)位置。清華大學(xué) Zeng等[20]利用自適應(yīng)閾值實(shí)現(xiàn)圖像分割,通過(guò)圖像配準(zhǔn)識(shí)別“H”字符,利用 Hough 直線(xiàn)檢測(cè)和面積關(guān)系識(shí)別三角形以確定航向,該算法運(yùn)算速度快,計(jì)算成本低,而且檢測(cè)成功率達(dá)到了97.42%。

2017年阿聯(lián)酋阿布扎比舉辦了穆罕默德·本·扎耶德國(guó)際機(jī)器人挑戰(zhàn)賽(mohamed bin zayed international robotics challenge,MBZIRC2017),比賽中要求四旋翼無(wú)人機(jī)在15 min之內(nèi)降落在以15 km/h速度移動(dòng)的車(chē)輛上。車(chē)輛頂部放置一大小為1.5 m×1.5 m的如圖3(e)所示的降落標(biāo)識(shí)。捷克技術(shù)大學(xué)Baca等[21]利用自適應(yīng)閾值對(duì)圖像進(jìn)行分割,快速提取圖像中的圓和直線(xiàn)。當(dāng)兩直線(xiàn)的交點(diǎn)與圓心點(diǎn)基本重合時(shí),則降落標(biāo)識(shí)檢測(cè)成功。通過(guò)對(duì)圓和交叉直線(xiàn)的使用,有效降低了假陽(yáng)率。作者表示在無(wú)人機(jī)自主降落過(guò)程中,都能檢測(cè)到該標(biāo)識(shí)。為了提高對(duì)降落標(biāo)識(shí)的檢測(cè)速率,蘇黎世聯(lián)邦工學(xué)院Bahnemann等[22]則設(shè)計(jì)了2個(gè)檢測(cè)器:矩形檢測(cè)器和叉號(hào)檢測(cè)器,2個(gè)檢測(cè)器相互獨(dú)立,并行使用。當(dāng)無(wú)人機(jī)與移動(dòng)平臺(tái)間距離較遠(yuǎn)時(shí),使用矩形檢測(cè)器,而當(dāng)無(wú)人機(jī)接近移動(dòng)平臺(tái)時(shí),則使用叉號(hào)檢測(cè)器。Falanga等[23]在其工作中也采用了該圖案,通過(guò)尋找外面的矩形框,快速的判斷降落標(biāo)識(shí)是否可見(jiàn)。如果外面的矩形框可見(jiàn),則在此基礎(chǔ)上進(jìn)一步通過(guò)圓的中心點(diǎn),以及叉號(hào)內(nèi)部的4個(gè)角點(diǎn),結(jié)合PnP算法來(lái)估計(jì)相對(duì)位置和姿態(tài)。

近年來(lái),隨著二維碼技術(shù)的發(fā)展,二維碼越來(lái)越多的應(yīng)用于無(wú)人機(jī)自主降落系統(tǒng)中,利用二維碼識(shí)別算法可實(shí)現(xiàn)對(duì)降落平臺(tái)的高可靠性檢測(cè),同時(shí)由于二維碼特殊的幾何排列,可利用單目相機(jī)實(shí)現(xiàn)無(wú)人機(jī)和降落平臺(tái)間6自由度的相對(duì)位姿估計(jì),而并不需要借助其他的傳感器,如IMU,超聲波、氣壓計(jì)等。目前常用的二維碼視覺(jué)基準(zhǔn)標(biāo)記庫(kù)有April-Tag[24]、ARTag[25]和ArUco[26]等。AprilTag由于其快速性、高魯棒性、以及極低的假陽(yáng)率成為最常用的視覺(jué)基準(zhǔn)系統(tǒng)之一。Ling[27]、Borowczyk[28]等在他們的工作中都采用了AprilTag視覺(jué)庫(kù)中的二維碼標(biāo)簽作為降落標(biāo)識(shí),實(shí)現(xiàn)了微型四旋翼無(wú)人機(jī)(micro aerial vehicles,MAV)在移動(dòng)目標(biāo)上的自主降落。無(wú)人機(jī)在飛行過(guò)程中,隨著高度的變化,單個(gè)的二維碼標(biāo)簽經(jīng)常會(huì)面臨無(wú)法檢測(cè)到的情況,如當(dāng)無(wú)人機(jī)飛行高度較高時(shí),標(biāo)簽無(wú)法被檢測(cè)到,或者當(dāng)無(wú)人機(jī)逐漸接近地面時(shí),標(biāo)簽逐漸從無(wú)人機(jī)下方攝像頭的視野中移出,從而導(dǎo)致無(wú)人機(jī)的降落精度降低。因此,為應(yīng)對(duì)降落目標(biāo)“丟失”的情況,Lange等[29]設(shè)計(jì)了由多個(gè)內(nèi)外徑比值不同的同心圓環(huán)組成的降落標(biāo)識(shí),如圖3(c)所示。其主要思路是降落標(biāo)識(shí)中的圓環(huán)彼此獨(dú)立,整體降落標(biāo)識(shí)是一組圓環(huán)的組合,因此即使只能檢測(cè)到部分圓環(huán),仍然可以識(shí)別出降落標(biāo)識(shí)。北京理工大學(xué)的Jiang等[30]采用了混合標(biāo)簽式的降落標(biāo)識(shí),即將不同尺寸的標(biāo)簽按照一定的順序排列,標(biāo)識(shí)內(nèi)部為小尺寸標(biāo)簽,外部為大尺寸標(biāo)簽。當(dāng)無(wú)人機(jī)接近地面時(shí),內(nèi)部小標(biāo)簽仍然在攝像頭視野范圍內(nèi)。Malyuta等[31]在其開(kāi)發(fā)的遠(yuǎn)距離無(wú)人數(shù)據(jù)采集系統(tǒng)中,也采用了組合標(biāo)簽式的降落標(biāo)識(shí)。Nogar[32]、西北工業(yè)大學(xué)張咪等[33]則提出了一種多層嵌套二維編碼的階層降落標(biāo)識(shí)。 多個(gè)標(biāo)簽的使用不僅提高了降落標(biāo)識(shí)的檢測(cè)率,同時(shí)也提高了無(wú)人機(jī)相對(duì)于降落標(biāo)識(shí)的位姿估計(jì)精度。

2.2 無(wú)人機(jī)與移動(dòng)平臺(tái)運(yùn)動(dòng)狀態(tài)估計(jì)

準(zhǔn)確的估計(jì)無(wú)人機(jī)與地面移動(dòng)平臺(tái)的實(shí)時(shí)位置、姿態(tài)、速度以及加速度等運(yùn)動(dòng)狀態(tài)信息是實(shí)現(xiàn)無(wú)人機(jī)在移動(dòng)平臺(tái)上自主降落的前提和關(guān)鍵,若位置估計(jì)誤差大,輕則無(wú)人機(jī)的降落誤差大,重則引起事故。另外,在無(wú)人機(jī)自主降落過(guò)程中,降落目標(biāo)“丟失”的情況難免發(fā)生,這主要是因?yàn)閿z像頭一般安裝在無(wú)人機(jī)底部,光軸垂直向下。當(dāng)無(wú)人機(jī)在接近移動(dòng)平臺(tái)的過(guò)程中,其俯仰角發(fā)生變化,則容易導(dǎo)致降落目標(biāo)不在攝像頭視野內(nèi)的情況。因此研究者們提出了利用卡爾曼濾波器,通過(guò)對(duì)無(wú)人機(jī)和移動(dòng)平臺(tái)攜帶的多傳感器進(jìn)行融合,實(shí)現(xiàn)對(duì)無(wú)人機(jī)、移動(dòng)平臺(tái)的位置、姿態(tài)等運(yùn)動(dòng)狀態(tài)的精確估計(jì),同時(shí)利用運(yùn)動(dòng)模型對(duì)移動(dòng)平臺(tái)的位置進(jìn)行預(yù)測(cè),有效防止降落目標(biāo)丟失的情況。

Falanga等[23]搭建了第一套不需外部設(shè)備,僅依靠機(jī)載傳感器和計(jì)算機(jī)實(shí)現(xiàn)無(wú)人機(jī)在移動(dòng)平臺(tái)上自主降落的系統(tǒng)。首先利用擴(kuò)展卡爾曼濾波器(extened kalman filter,EKF)對(duì)單目視覺(jué)和慣性單元測(cè)量量進(jìn)行融合,得到無(wú)人機(jī)在世界坐標(biāo)系下的位置和姿態(tài)。進(jìn)而,通過(guò)標(biāo)識(shí)識(shí)別和檢測(cè)系統(tǒng),對(duì)降落標(biāo)識(shí)進(jìn)行識(shí)別,并計(jì)算降落標(biāo)識(shí)在無(wú)人機(jī)坐標(biāo)系下的位置和姿態(tài),通過(guò)坐標(biāo)變換關(guān)系,得到移動(dòng)平臺(tái)在世界坐標(biāo)系下的位置和姿態(tài)。文中假設(shè)移動(dòng)平臺(tái)的加速度和角速度均為0,即移動(dòng)平臺(tái)勻速直線(xiàn)運(yùn)動(dòng),則當(dāng)移動(dòng)平臺(tái)“丟失”時(shí),利用該運(yùn)動(dòng)模型對(duì)移動(dòng)平臺(tái)的位置進(jìn)行預(yù)測(cè)。在該系統(tǒng)中,無(wú)人機(jī)和移動(dòng)平臺(tái)的位置、姿態(tài)等信息分別采用了EKF進(jìn)行估計(jì),移動(dòng)平臺(tái)在世界坐標(biāo)系下的位置精度則主要取決于無(wú)人機(jī)位姿和標(biāo)識(shí)檢測(cè)系統(tǒng)的精度。Borowczyk等[28]則建立了統(tǒng)一的二階線(xiàn)性運(yùn)動(dòng)模型,對(duì)無(wú)人機(jī)和移動(dòng)平臺(tái)的運(yùn)動(dòng)進(jìn)行描述,其中假設(shè)無(wú)人機(jī)和移動(dòng)平臺(tái)的加速度均為均值為0的白噪聲。針對(duì)不同的傳感器,建立相應(yīng)的觀測(cè)模型。濾波器以100Hz的頻率同時(shí)對(duì)無(wú)人機(jī)和移動(dòng)平臺(tái)的位置、速度和加速度進(jìn)行預(yù)測(cè),當(dāng)接收到傳感器測(cè)量量時(shí),對(duì)濾波器狀態(tài)量進(jìn)行更新。使用的傳感器包括了GPS,視覺(jué)慣性導(dǎo)航系統(tǒng),配備廣角鏡頭的下視攝像頭以及云臺(tái)相機(jī)等,實(shí)現(xiàn)了四旋翼無(wú)人機(jī)(大疆M100)在運(yùn)動(dòng)車(chē)輛上的自主降落,而且車(chē)輛的直線(xiàn)運(yùn)動(dòng)速度最高可達(dá)50 km/h。顯然,由于卡爾曼濾波器中運(yùn)動(dòng)模型為線(xiàn)性模型,當(dāng)車(chē)輛的運(yùn)動(dòng)軌跡為弧線(xiàn)時(shí),對(duì)其位置、速度估計(jì)必然不準(zhǔn)確。在文獻(xiàn)[21]中,有效驗(yàn)證了這一結(jié)論,當(dāng)車(chē)輛轉(zhuǎn)向時(shí),產(chǎn)生了嚴(yán)重的跟蹤誤差。因此,作者采用了無(wú)跡卡爾曼濾波器(unscented kalman filter,UKF)對(duì)運(yùn)動(dòng)車(chē)輛的位置、速度、車(chē)頭方向,以及車(chē)輛運(yùn)動(dòng)軌跡的曲率進(jìn)行估計(jì)。另外,由于比賽中汽車(chē)的運(yùn)行軌跡已知,因此基于此對(duì)車(chē)輛的運(yùn)行軌跡進(jìn)行預(yù)測(cè),有效降低了車(chē)輛“逃出”無(wú)人機(jī)攝像頭視野的概率。無(wú)人機(jī)的位姿估計(jì)則同樣采用了EKF,對(duì)慣性單元、差分GPS等多傳感器信息進(jìn)行融合得到,最終無(wú)人機(jī)在 25 s 內(nèi)成功降落在速度為15 km/h的運(yùn)動(dòng)車(chē)輛上。不同于以上對(duì)無(wú)人機(jī)和移動(dòng)平臺(tái)的位置等信息進(jìn)行估計(jì),Ling[27]則采用了卡爾曼濾波器對(duì)無(wú)人機(jī)和移動(dòng)平臺(tái)間的相對(duì)位置和速度進(jìn)行估計(jì),但是該方法無(wú)法對(duì)移動(dòng)平臺(tái)的位置進(jìn)行有效預(yù)測(cè),因此當(dāng)長(zhǎng)時(shí)間沒(méi)有接收到視覺(jué)測(cè)量量時(shí),無(wú)人機(jī)需重新返回到初始階段,即會(huì)合階段。

2.3 控制器設(shè)計(jì)

在完成無(wú)人機(jī)和移動(dòng)平臺(tái)的運(yùn)動(dòng)狀態(tài)(位置、速度、加速度等)估計(jì)后,根據(jù)相應(yīng)的降落策略可計(jì)算得到無(wú)人機(jī)的期望飛行軌跡,將期望位置、速度、加速度與當(dāng)前估計(jì)值的差值做為位置控制器的輸入,通過(guò)位置控制器將其轉(zhuǎn)換為無(wú)人機(jī)的期望總拉力,以及姿態(tài)角,然后將機(jī)體姿態(tài)角作為輸入傳遞給姿態(tài)控制器,計(jì)算無(wú)人機(jī)所需要的力矩。進(jìn)一步,將所需的力矩和總拉力根據(jù)控制效率矩陣轉(zhuǎn)換為單個(gè)電機(jī)的轉(zhuǎn)速,整體軌跡控制結(jié)構(gòu)圖如圖4所示。如何根據(jù)飛行環(huán)境、以及空氣動(dòng)力學(xué)約束等條件,選擇合適的控制器,使無(wú)人機(jī)能夠按照預(yù)先設(shè)計(jì)的軌跡飛行,進(jìn)而實(shí)現(xiàn)無(wú)人機(jī)快速、精確的自主降落,是一項(xiàng)非常重要的任務(wù)。

圖4 軌跡控制結(jié)構(gòu)圖Fig.4 The architecture of trajectory tracking controller

PID(Proportional-Integral-Derivative)控制器做為工業(yè)領(lǐng)域最常用的控制律之一,同樣廣泛應(yīng)用于無(wú)人機(jī)的軌跡控制中。文獻(xiàn)[31]和[34]設(shè)計(jì)了兩層級(jí)聯(lián)控制器來(lái)控制無(wú)人機(jī)沿參考軌跡飛行,從外至里分別是位置控制器、姿態(tài)控制器。位置控制由一二自由度控制器組成,輸出期望加速度,內(nèi)層姿態(tài)控制器將期望加速度轉(zhuǎn)換為機(jī)體角速度。在文獻(xiàn)[31]中,假定無(wú)人機(jī)定高飛行,在水平方向上通過(guò)PD控制器,將無(wú)人機(jī)和移動(dòng)平臺(tái)間的相對(duì)位置轉(zhuǎn)化為期望加速度,建立無(wú)人機(jī)的動(dòng)力學(xué)模型,將期望加速度轉(zhuǎn)換為期望姿態(tài)角,通過(guò)ROS將期望的姿態(tài)角發(fā)送給無(wú)人機(jī)自駕儀。文獻(xiàn)[35]在水平方向位置控制中采用了PID控制器,實(shí)現(xiàn)了無(wú)人機(jī)在移動(dòng)平臺(tái)上的精準(zhǔn)降落。Palafox等[36]則注意到隨著無(wú)人機(jī)不斷接近降落目標(biāo),無(wú)人機(jī)反應(yīng)速度需越來(lái)越快,提出了基于高度的自適應(yīng)PI控制器,即PI參數(shù)隨著無(wú)人機(jī)降落高度變化,實(shí)驗(yàn)驗(yàn)證了該控制器的有效性。

PID控制器結(jié)構(gòu)簡(jiǎn)單,易于實(shí)現(xiàn),但是軌跡跟蹤中,X、Y、Z方向以及航向4個(gè)通道上均需設(shè)計(jì)PID 控制器,因此整定的參數(shù)較多。為了簡(jiǎn)化控制器參數(shù)整定過(guò)程,Polvara等[37]采用了阻尼彈簧控制器,從而將需要調(diào)整的參數(shù)從12個(gè)降為3個(gè)。哈爾濱工業(yè)大學(xué)王兆哲[38]則采用模糊控制策略實(shí)現(xiàn)PID參數(shù)的整定。

四旋翼是一個(gè)典型的非線(xiàn)性、強(qiáng)耦合的欠驅(qū)動(dòng)系統(tǒng)。 對(duì)于非線(xiàn)性模型,顯然非線(xiàn)性控制器更有效。在無(wú)人機(jī)控制中,由于姿態(tài)動(dòng)力學(xué)速度要快于位置動(dòng)力學(xué)速度,因此兩者控制可以進(jìn)行解耦,位置控制器的輸出是姿態(tài)控制器的參考輸入值,因此在許多無(wú)人機(jī)控制工作中,采用了反步法。文獻(xiàn)[30]采用了標(biāo)準(zhǔn)的反步法來(lái)實(shí)現(xiàn)對(duì)無(wú)人機(jī)位置和速度的跟蹤。為了應(yīng)對(duì)無(wú)人機(jī)飛行中存在的干擾,Vafamand等[39]在位置控制和姿態(tài)控制中,設(shè)計(jì)了一自適應(yīng)反步控制器,仿真實(shí)驗(yàn)證明了該控制器的有效性,在存在干擾噪聲的情況下,無(wú)人機(jī)位置和姿態(tài)都達(dá)到了期望的理想值。然而反步法控制器需要選取合適的李雅普諾夫函數(shù),而且控制器對(duì)不確定參數(shù)比較敏感。

模型預(yù)測(cè)控制器(model predictive controller,MPC),在設(shè)計(jì)中考慮了各種軟件和硬件約束,可以實(shí)現(xiàn)有限時(shí)域內(nèi)的在線(xiàn)優(yōu)化,近年來(lái)在無(wú)人機(jī)的軌跡跟蹤中應(yīng)用較為活躍。在Tzoumanikas等[40]設(shè)計(jì)的四旋翼無(wú)人機(jī)自主降落系統(tǒng)中,利用視覺(jué)慣性里程計(jì)(visual-inertial odometry,VIO)估計(jì)四旋翼的位置、姿態(tài)、相對(duì)速度以及移動(dòng)平臺(tái)的運(yùn)行軌跡。在此基礎(chǔ)之上,在位置控制中設(shè)計(jì)了線(xiàn)性MPC以生成無(wú)人機(jī)降落軌跡,并根據(jù)所建立的無(wú)人機(jī)線(xiàn)性動(dòng)力學(xué)模型轉(zhuǎn)換為姿態(tài)控制命令。在文獻(xiàn)[41-42]中,由于地面平臺(tái)的運(yùn)動(dòng)軌跡為直線(xiàn),無(wú)人機(jī)的飛行方向基本保持不變,因此同樣采用了線(xiàn)性MPC實(shí)現(xiàn)對(duì)無(wú)人機(jī)軌跡的跟蹤。而當(dāng)無(wú)人機(jī)的飛行軌跡不是直線(xiàn)時(shí),線(xiàn)性MPC顯然不能滿(mǎn)足要求。如文獻(xiàn)[43]利用線(xiàn)性MPC規(guī)劃了到目標(biāo)的整體運(yùn)動(dòng)軌跡,再加上在狀態(tài)估計(jì)中,地面車(chē)輛的運(yùn)動(dòng)模型設(shè)置為勻速直線(xiàn)運(yùn)動(dòng),與地面車(chē)輛實(shí)際的“8”形運(yùn)動(dòng)軌跡不符,導(dǎo)致在實(shí)際飛行中,無(wú)人機(jī)兩次都落在了降落標(biāo)識(shí)外部。因此在文獻(xiàn)[22]中,采用了非線(xiàn)性MPC軌跡跟蹤控制器,實(shí)際測(cè)試結(jié)果表明無(wú)人機(jī)能夠在戶(hù)外條件下執(zhí)行復(fù)雜的動(dòng)作,順利完成了MBZIRC2017比賽中的科目:避開(kāi)障礙物,快速降落等。Vlantis等[44]則設(shè)計(jì)了非線(xiàn)性MPC,通過(guò)設(shè)置目標(biāo)函數(shù),實(shí)時(shí)考慮無(wú)人機(jī)的飛行能力、防撞要求等約束,在線(xiàn)計(jì)算約束優(yōu)化問(wèn)題,保證了無(wú)人機(jī)在終點(diǎn)時(shí)位置、速度、和姿態(tài)偏差最小化,實(shí)現(xiàn)了無(wú)人機(jī)在移動(dòng)的傾斜平臺(tái)上的自主降落,但該方法計(jì)算量大,所以系統(tǒng)采用了地面基站做為計(jì)算單元,再將結(jié)果無(wú)線(xiàn)傳輸給四旋翼,這無(wú)疑增加了對(duì)無(wú)線(xiàn)傳輸速率和穩(wěn)定性的要求。于是Guo等[45]引入了可變采樣時(shí)間MPC,當(dāng)無(wú)人機(jī)不斷接近地面平臺(tái)時(shí),逐漸縮小MPC的采樣時(shí)間,調(diào)整其目標(biāo)函數(shù),重新規(guī)劃無(wú)人機(jī)的降落軌跡,從而提高計(jì)算效率和降落精度。為應(yīng)對(duì)無(wú)人機(jī)降落過(guò)程中出現(xiàn)的擾動(dòng),作者設(shè)計(jì)了增量非線(xiàn)性動(dòng)態(tài)逆控制器(incremental nonlinear dynamic inversion,INDI)實(shí)現(xiàn)對(duì)降落軌跡的跟蹤,實(shí)驗(yàn)證明了該自主降落系統(tǒng)的快速性和精確性。Paris等[46]則設(shè)計(jì)了邊界層滑模控制器補(bǔ)償接近移動(dòng)平臺(tái)過(guò)程中湍流風(fēng)所產(chǎn)生的擾動(dòng),實(shí)驗(yàn)證明了該控制器在存在湍流風(fēng)干擾的情況下依然能夠保證良好的軌跡跟蹤性能。

2.4 代表性成果匯總

綜上所述,目前基于視覺(jué)的四旋翼無(wú)人機(jī)在移動(dòng)平臺(tái)上的自主降落研究已經(jīng)取得了一些成就,為便于總結(jié)和比較各自主降落系統(tǒng)的性能,將當(dāng)前經(jīng)過(guò)實(shí)際飛行驗(yàn)證的部分代表性成果進(jìn)行梳理,匯總于表1。

表1 四旋翼無(wú)人機(jī)在移動(dòng)平臺(tái)上自主降落技術(shù)部分代表性成果Table 1 Some achievements of autonomous quadrotor landing techniques on a moving platform

續(xù)表(表1)

可以看出:① 現(xiàn)有的成果中,在運(yùn)行軌跡是曲線(xiàn)的移動(dòng)平臺(tái)上成功實(shí)現(xiàn)自主降落的較少。這主要?dú)w因于實(shí)際應(yīng)用場(chǎng)景的復(fù)雜性,以及無(wú)人機(jī)自身計(jì)算資源有限等問(wèn)題,許多研究成果仍然停留在仿真階段。而當(dāng)?shù)孛嫫脚_(tái)的運(yùn)行軌跡是直線(xiàn)時(shí),無(wú)人機(jī)實(shí)現(xiàn)了在50 km/h運(yùn)動(dòng)的車(chē)輛上的自主降落。② 除了文獻(xiàn)[45,49]明確指出無(wú)人機(jī)的降落誤差外,其他對(duì)降落誤差并沒(méi)有提及。文獻(xiàn)[45]中,當(dāng)?shù)孛嫫脚_(tái)的速度為18 km/h時(shí),降落誤差為43.8 cm,而且隨著地面平臺(tái)速度逐漸增高,誤差將會(huì)進(jìn)一步擴(kuò)大。因此如何減小降落誤差,保證無(wú)人機(jī)自主降落精度,提高空地協(xié)同效率和作業(yè)能力,實(shí)現(xiàn)空地協(xié)同的落地應(yīng)用,依然任重而道遠(yuǎn),需要研究人員的進(jìn)一步努力。

3 結(jié)論

四旋翼無(wú)人機(jī)技術(shù)的快速發(fā)展,加快了其在各個(gè)領(lǐng)域的應(yīng)用腳步,但是其續(xù)航能力的限制,催生了空地協(xié)同系統(tǒng)的誕生?？盏貐f(xié)同不僅在民用領(lǐng)域具有較大的應(yīng)用價(jià)值,也將很大程度上改變未來(lái)海陸空作戰(zhàn)體系。目前開(kāi)發(fā)的空地協(xié)同應(yīng)用中,一般要求四旋翼無(wú)人機(jī)從靜止的地面平臺(tái)上起飛和降落,這無(wú)疑降低了空地協(xié)同效率,因此有必要對(duì)無(wú)人機(jī)在移動(dòng)地面平臺(tái)上自主降落進(jìn)行深入研究,為實(shí)現(xiàn)空地協(xié)同的高度智能化提供基礎(chǔ)。本文在簡(jiǎn)要介紹自主降落系統(tǒng)的基礎(chǔ)之上,對(duì)其中的關(guān)鍵技術(shù):標(biāo)識(shí)檢測(cè)和識(shí)別,狀態(tài)估計(jì),以及控制器設(shè)計(jì)進(jìn)行了梳理,歸納了當(dāng)前的若干研究進(jìn)展,為進(jìn)一步開(kāi)展無(wú)人機(jī)在移動(dòng)平臺(tái)上的自主降落技術(shù)的研究提供參考。

綜合目前的研究成果,四旋翼無(wú)人機(jī)在地面移動(dòng)平臺(tái)上的自主降落雖然已經(jīng)取得了一些成果,但是由于實(shí)際應(yīng)用場(chǎng)景的復(fù)雜性,以及四旋翼平臺(tái)自身存在的負(fù)載及計(jì)算資源有限等問(wèn)題,許多研究成果停留在仿真階段或者局限于室內(nèi)條件下,需要依靠高精度的GPS進(jìn)行定位等,因此該方向的研究仍然存在諸多難點(diǎn)。今后的研究方向主要包括以下幾個(gè)方面:

1) 惡劣氣象條件下的基于視覺(jué)的自主降落技術(shù)。實(shí)際的應(yīng)用環(huán)境中,霧霾、雨雪天氣等惡劣天氣不可避免,在保證計(jì)算效率的情況下,如何融合去霧、去模糊算法,提出高精度的降落標(biāo)識(shí)檢測(cè)算法,克服惡劣環(huán)境對(duì)圖像采集質(zhì)量的影響,并且保證檢測(cè)算法的高魯棒性和環(huán)境適應(yīng)性,是未來(lái)的重要研究方向之一。

2) 自主降落系統(tǒng)的低成本化。當(dāng)前在室外條件下,成功實(shí)現(xiàn)無(wú)人機(jī)在移動(dòng)平臺(tái)上降落的案例中,如文獻(xiàn)[31,48]中,視覺(jué)傳感器均采用了高分辨率、高幀率的相機(jī),并配以廣角鏡頭,其價(jià)格遠(yuǎn)高于普通四旋翼無(wú)人機(jī)的價(jià)格,而且降落系統(tǒng)中配備了高精度的GPS或衛(wèi)星導(dǎo)航系統(tǒng)。因此如何降低自主降落系統(tǒng)的硬件成本是一個(gè)值得考慮的問(wèn)題。采用高效率、高精度的軟件算法來(lái)補(bǔ)償?shù)统杀居布?lái)的缺陷,是當(dāng)前的主要選擇。未來(lái)在保證系統(tǒng)性能參數(shù)的前提下,降低系統(tǒng)硬件成本,是值得探索的方向之一。

3)多傳感器融合提高無(wú)人機(jī)與地面移動(dòng)平臺(tái)的運(yùn)動(dòng)估計(jì)能力。無(wú)人機(jī)自主降落的本質(zhì)是對(duì)自身和運(yùn)動(dòng)平臺(tái)的狀態(tài)估計(jì),尤其是在移動(dòng)平臺(tái)快速運(yùn)動(dòng)或運(yùn)動(dòng)軌跡不確定時(shí),精確的運(yùn)動(dòng)狀態(tài)估計(jì),對(duì)地面平臺(tái)運(yùn)動(dòng)軌跡的預(yù)測(cè)能力,是實(shí)現(xiàn)無(wú)人機(jī)自主降落的關(guān)鍵因素。單一的視覺(jué)傳感器易受光照等因素影響,充分利用不同傳感器的特點(diǎn),進(jìn)行優(yōu)勢(shì)互補(bǔ),通過(guò)多源數(shù)據(jù)間冗余信息提高無(wú)人機(jī)在降落過(guò)程中對(duì)自身以及移動(dòng)平臺(tái)運(yùn)動(dòng)狀態(tài)估計(jì)能力,實(shí)現(xiàn)無(wú)人機(jī)對(duì)移動(dòng)平臺(tái)的穩(wěn)定跟蹤、精確降落,將是今后的主要研究方向之一。

4) 降低無(wú)人機(jī)降落過(guò)程中擾動(dòng)的影響,增強(qiáng)系統(tǒng)穩(wěn)定性。無(wú)人機(jī)在降落過(guò)程中,不可避免的會(huì)受到各種擾動(dòng)的影響,如自然風(fēng)、地面平臺(tái)高速運(yùn)動(dòng)產(chǎn)生的湍流風(fēng),以及無(wú)人機(jī)接近地面或移動(dòng)平臺(tái)時(shí)產(chǎn)生的近面效應(yīng)等。目前的研究中,對(duì)湍流風(fēng)、近面效應(yīng)所帶來(lái)的擾動(dòng)考慮比較少,而這兩者主要在無(wú)人機(jī)接近降落目標(biāo)時(shí)產(chǎn)生,直接影響自主降落的精度。為此,建立擾動(dòng)數(shù)學(xué)模型,加強(qiáng)控制器的抗干擾性能,對(duì)于提高無(wú)人機(jī)降落階段的軌跡跟蹤能力將起到至關(guān)重要的作用。