1 天津工业大学 机械工程学院，天津300387
2 北京清航紫荆装备科技有限公司，北京10101
3 清华大学 航天航空学院，北京100084
4 内蒙古工业大学 航空学院，呼和浩特010051
为了使交叉双旋翼无人直升机在全球定位系统（Global Positioning System，GPS）信号干扰的情况下实现平稳的自主降落，采用AprilTags视觉基准系统中的TAG36H11图像作为降落地标，并基于该降落地标设计了一种视觉辅助的交叉双旋翼无人直升机自主降落控制系统。对降落地标进行图像预处理，基于Canny边缘检测、Hough变换直线检测和矩形检测，提取降落地标的特征信息，然后通过相机成像原理和坐标系转换解算出无人直升机的相对位姿信息，针对GPS信号干扰的情况下提出了一种利用Hough变换直线检测解算偏航角的算法，最后设计了一种串级PID控制结构的位姿控制算法，位置控制中设计了一种开方控制器，用于限制无人直升机的极限期望位置和最大加速度。同时，在姿态控制中设计了一种交叉双旋翼无人直升机姿态控制机构，通过6个数字舵机控制倾斜盘的倾角实现交叉双旋翼的周期变距，改变无人直升机的飞行姿态。通过Mission Planner飞控地面站进行仿真验证，将视觉处理系统与飞行控制系统组合，仿真结果表明，视觉辅助的飞行控制系统可以很好地跟踪无人直升机的期望位置。经过实验验证，姿态角度偏移量控制在4°以内，位置偏移量控制在0.05 m以内，可以实现交叉双旋翼无人直升机视觉辅助的自主降落。
视觉辅助 无人直升机 交叉双旋翼 自主降落 位置控制 姿态控制 visual aid intermeshing-rotor unmanned helicopter autonomous landing position control attitude control 光学 精密工程
2023, 31(23): 3517
空地协同作业场景中要求无人机同时具备快速路径规划与精准自主降落功能, 这对无人机搭载有限计算资源下算法的实时性和准确性提出了更高要求。主要解决了无人机快速路径规划与自主降落功能一体化实现关键技术难题。首先, 针对传统A*算法实时性差、消耗资源多等问题, 将传统8邻域搜索方式改进为16方向搜索方式, 并设计高匹配度启发函数和自适应权重系数全面提升路径规划算法性能; 其次, 设计了基于视觉反馈的面向空地协同作业场景下无人机自主降落策略, 提高了自主降落的精度; 最后, 进行了仿真和实验,验证了所提改进A*算法、自主降落和一体化实现策略的性能。结果表明, 改进的A*算法在规划路径长度与平滑度性能方面均得到提升, 算法实时性大幅提升, 满足复杂环境下的实时避障与规划需求;同时, 无人机可以快速稳定地降落在地面平台目标点上。
空地协同 无人机 路径规划 改进A*算法 自主降落 air-ground collaboration UAV path planning enhanced A* algorithm autonomous landing
长沙理工大学电气与信息工程学院, 长沙 410000
针对传统导航方式精度低、误差大等问题, 结合视觉导航设计了一种基于ArUco码的着陆标识。对机载相机采集的实时影像进行图像处理, 利用世界坐标系与像素坐标系的映射关系建立无人机位姿估计模型, 以特征点坐标解算得到当前无人机与着陆标识物之间的相对姿态估计值, 设计并融合误差模型进一步提高定位精确性。通过无人机室外实际应用实验证明, 设计的降落标志及新型识别算法大大提高了无人机自主降落的精准性, 能更好地满足在**无人机等高精度降落要求场合的应用。
无人机 视觉导航 识别算法 自主降落 UAV visual navigation recognition algorithm autonomous landing
1 南京航空航天大学自动化学院，江苏 南京 210016
2 南京航空航天大学航天学院，江苏 南京 210016
研究了使用视觉导引系统进行固定翼无人机自主着陆时的相关问题，主要针对提高视觉导航系统获取导航参数的速度及精度展开研究。视觉导航系统获取参数分为两步：跑道检测识别、固定翼无人机相对位姿估计。提高导航系统参数获取速度，主要通过提高耗时较高的跑道检测识别算法的检测识别效率来完成。利用跑道在序列图像中的时空一致性进行候选区域提取，在不影响召回率的情形下减少无效候选区域，从而提高跑道检测效率，最终提高视觉导引系统获取导引参数的速度。为提高估计的导引参数精度，结合跑道上的点线特征进行位姿估计，通过增加可利用的特征数量来提高位姿估计精度。实验仿真结果表明，所提方法有效提高了视觉导航系统获取导航参数的速度及精度。
机器视觉 固定翼无人机 自主着陆 跑道检测识别 位姿估计 激光与光电子学进展
2022, 59(14): 1415023
南京航空航天大学航天学院，江苏 南京 211106
为突破无人机自主着陆技术工程应用中跑道目标快速鲁棒检测这一技术瓶颈，提出了一种基于YOLOv5网络架构的快速跑道检测方法。在YOLOv5网络架构的基础上进行改进，首先，对获取的机载前视图像进行数据增强，以提升网络模型的鲁棒性；其次，对不同尺度、不同维度特征进行融合，以提升网络检测精度；然后，在预测层损失函数的设计中融入跑道的几何特征，以优化预测模型。为验证方法的有效性，采用AirSim开发了复杂着陆场景下的可见光图像数据集，在此基础上对方法进行了测试。仿真结果表明，所提跑道检测方法的平均检测速度可达125 frame/s，平均检测精度为99%，优于传统目标检测方法，满足对跑道区域快速、精确检测的要求。
YOLOv5 卷积神经网络 跑道检测 自主着陆 单目视觉 激光与光电子学进展
2022, 59(14): 1415017
江苏科技大学电子信息学院，江苏 镇江 212003
无人机与无人艇组成空水作业系统，可以大幅度提高系统完成作业的能力和效率，因此对旋翼无人机在运动无人艇上自主降落控制进行了研究。无人机基于通信获取的无人艇的运动信息和自身的GPS信息，配合视觉算法对降落标识进行识别和定位的计算结果信息实现对无人艇的位置跟踪。无人机根据获取的无人艇的姿态信息进行姿态跟踪后保持对无人艇的位置姿态跟踪并执行无人机自主降落操作。搭建了四旋翼无人机和无人艇组成的空水系统进行实验，结果表明，该系统能够可靠地完成无人机自主降落过程中各个阶段的任务，验证了系统的可行性。
自主降落 旋翼无人机 运动控制 视觉引导 autonomous landing rotor drone motion control visual guidance
1 陆军工程大学石家庄校区 电子与光电工程系，石家庄 050003
2 中国人民解放军32272部队，兰州 730000
3 中国人民解放军 西部战区 陆军保障部，兰州 730000
为了利用视觉图像中信息的无源性、实时性以及机载控制器的自创性等特性，解决无人机信源易干扰、有延时、受制约的问题，分析了“十”字型四旋翼无人机的动力结构、控制原理以及无人机飞行过程中位姿方程、动力方程之间的相互关系，完成了四旋翼无人机六自由度信息和飞行控制四元素输入信息之间的转换，设计了基于合作目标匹配的无人机视觉图像自主控制算法。结果表明，在实测值为零时，即可完成自主降落功能。该算法可以实现简单环境下四旋翼无人机的自主降落。这一研究对无人机的自主化、智能化发展具有一定的帮助作用。
物理光学 视觉图像 位姿解算 自主降落 无人机 physical optics visual image pose solution autonomous landing unmarned aerial vehide
1 海军工程大学兵器工程学院, 武汉 430033
2 中国人民解放军92925部队, 山西 长治 046000
无人直升机担负着越来越重要的作战使命, 而甲板运动是影响其着舰安全的重要因素, 对着舰甲板运动进行精确预估与补偿是亟待解决的难题。为此, 基于自适应AR模型与最优预见控制方法, 提出了一种甲板运动预估与补偿方法。基于AR模型设计甲板运动预估器时, 引入时变因子设计了自适应模型参数更新律优化模型性能, 强调数据的实时性, 仿真结果表明, 该方法在一定程度上提高了甲板运动预估的准确性, 且计算相对简单; 将甲板运动预估器产生的预估信号作为可预见的未来信息引入预见控制器, 并基于最优控制理论对着舰甲板运动进行补偿, 较好地改善了甲板运动补偿系统相位延迟问题, 并在一定程度上提高了甲板运动跟踪精度, 进而提高无人直升机着舰成功率。
无人直升机 自主着舰 甲板运动 预估与补偿 自适应AR模型 最优预见控制 unmanned helicopter autonomous landing deck motion estimation and compensation adaptive AR model optimal preview control
1 南京航空航天大学自动化学院, 江苏 南京 210016
2 南京航空航天大学航天学院, 江苏 南京 210016
3 南京航空航天大学民航学院, 江苏 南京 210016
提出一种用于固定翼无人机自主着陆导航的分层机场检测方法,以提高机场检测的速度。采取一种由粗到细的分层搜索结构,逐层缩小搜索面积以快速提取机场的候选区域。首先进行伪地平线检测将机场搜索区域限制为地面区域,然后根据机场区域包含大量垂直线的事实确定机场近似区域候选区以进一步缩小机场搜索区域,最后利用Edge Boxes得到高定位精度的机场候选区域。利用局部约束线性编码(LLC)特征学习法以尺度不变特征变换(SIFT)为基础特征提取机场候选区域特征并使用线性支持向量机(SVM)分类器完成机场检测。实验中在不同天气、不同背景条件下对所提机场检测方法进行了综合测试,并与其他方法进行比较,实验结果表明本文机场检测方法能有效提高机场检测速度,且准确率高。
机器视觉 视觉导航 固定翼无人机 自主着陆 机场检测
针对旋翼式无人机视觉着陆过程中位姿估计精度低、适用距离小的问题，研究了一种基于分级合作目标的融合位姿估计方法。首先，通过分级合作目标的质心相同和固定面积比等属性确定目标区域，并利用LSD直线提取方法获取特征点坐标信息。然后，利用Tsai方法与快速四点方法的融合方法进行无人机位姿参数估计。实验结果表明，分级合作目标增大了无人机位姿估计的适用距离，且该融合方法提高了位姿参数估计精度。
无人机 位姿估计 自主着陆 合作目标 UAV position and attitude estimation autonomous landing cooperation objective
