[發(fā)明專利]一種基于視覺信息融合的無人機分階段自主著艇方法

有效

• 申請?zhí)枺?/td>: 201810270640.2
• 申請日: 2018-03-29
• 公開（公告）號: CN108594848B
• 公開（公告）日: 2021-01-22
• 發(fā)明（設(shè)計）人: 袁野;陸宇;張衛(wèi)東;姚瑞文;胡智煥;李茂峰
• 申請（專利權(quán)）人: 上海交通大學(xué)
• 主分類號: G05D1/10
• 分類號: G05D1/10
• 代理公司: 上海科盛知識產(chǎn)權(quán)代理有限公司 31225
• 代理人: 趙志遠

1.一種基于視覺信息融合的無人機分階段自主著艇方法，其特征在于，包括以下步驟：

1)地標制作：將無人艇上相應(yīng)目標著陸點作為地標，在地標上貼置AprilTags標簽，并調(diào)整無人機攝像頭的角度，保證無人機在接近地標時能探測到地標；

2)圖像處理：根據(jù)攝像頭的參數(shù)信息和攝像頭捕捉到的圖像信息計算在無人機機載計算機中配置的AprilTags視覺基準系統(tǒng)的參數(shù)，在發(fā)現(xiàn)地標時獲取攝像機和地標間的相對位姿X_ct；

3)信息融合：將攝像機和地標間的相對位姿X_ct與IMU的測量數(shù)據(jù)進行信息融合后，獲取無人艇在無人機參考系下的實時相對位姿X_vs，具體包括以下步驟：

31)系統(tǒng)狀態(tài)估計，分為兩個階段，第一階段為未檢測到地標階段，第二階段為檢測到地標后；

當未檢測到地標時，系統(tǒng)狀態(tài)為IMU提供的位姿信息X_v，即X＝[X_v]，對該系統(tǒng)狀態(tài)進行估計，則有：

其中，其中，為第k步的系統(tǒng)狀態(tài)估計值，為第k-1步的系統(tǒng)狀態(tài)估計值，F(xiàn)_k-1為未檢測到地標階段的卡爾曼濾波參數(shù)，w_k-1為高斯白噪聲，Δt為采樣間隔；

自首次檢測到地標開始，在系統(tǒng)狀態(tài)中加入無人艇狀態(tài)X_s，即X＝[X_v X_s]，并更新卡爾曼濾波參數(shù)F_k-1，則有：

其中，為與無人機相關(guān)的卡爾曼濾波參數(shù)，為與無人艇相關(guān)的卡爾曼濾波參數(shù)；

32)獲取IMU和攝像頭的觀測結(jié)果，其中，IMU的觀測結(jié)果h_IMU為：

其中，z_lv為高度，φ_lv，θ_lv，ψ_lv分別為繞x，y，z三個運動方向的旋轉(zhuǎn)角度，u_lv和v_lv分別為前向速度和側(cè)向速度，其對應(yīng)Jacobian矩陣H_IMU為：

所述的攝像頭的觀測結(jié)果h_tag(X_KF)為：

其中，X_vc為無人機參考系下攝像頭的位姿，X_st為無人艇參考系下標記的位姿，X_lv為估計出的無人機的位姿，X_ls為估計出的無人艇的位姿，和為坐標轉(zhuǎn)換操作；

其對應(yīng)Jacobian矩陣H_tag為：

33)對觀測結(jié)果進行擴展卡爾曼濾波，得到實時的系統(tǒng)狀態(tài)；

4)運動控制：根據(jù)實時相對位姿X_vs采用嵌套控制方式保證飛行穩(wěn)定以及路徑跟蹤，同時采用分階段的著艇方法進行著艇。

2.根據(jù)權(quán)利要求1所述的一種基于視覺信息融合的無人機分階段自主著艇方法，其特征在于，所述的步驟2)中AprilTags視覺基準系統(tǒng)的參數(shù)包括寬方向上以像素為單位的焦距F_w、高方向上以像素為單位的焦距F_h，圖像的中心位置(C_w，C_h)，其計算公式為：

其中，F(xiàn)和C分別為不同方向上的焦距和位置，L_focus和L_receptor分別為焦距和感光元件尺寸，N_pixel為像素數(shù)量。

3.根據(jù)權(quán)利要求2所述的一種基于視覺信息融合的無人機分階段自主著艇方法，其特征在于，所述的步驟3)還包括以下步驟：

34)通過無人機和無人艇的歷史位姿，在延遲情況下修改系統(tǒng)狀態(tài)，獲取無人艇在無人機參考系下的實時相對位姿X_vs。

4.根據(jù)權(quán)利要求1所述的一種基于視覺信息融合的無人機分階段自主著艇方法，其特征在于，所述的步驟4)中，嵌套控制方式具體為：

采用6個獨立的閉環(huán)PID控制器進行控制，其中，內(nèi)環(huán)姿態(tài)控制用于保證飛行穩(wěn)定，外環(huán)位置控制用于路徑跟蹤。