復(fù)雜地面環(huán)境下旋翼無(wú)人機(jī)應(yīng)急著陸系統(tǒng)

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(duì)此類(lèi)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(jì)算平坦的地面作為著陸點(diǎn)，并直接控制無(wú)人機(jī)自主著陸，安全便捷地完成無(wú)人機(jī)的緊急著陸。

自主無(wú)人機(jī)飛行過(guò)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(huì)導(dǎo)致飛行錯(cuò)誤。因此制定應(yīng)急安全著陸計(jì)劃以應(yīng)對(duì)突發(fā)故障以促進(jìn)自主無(wú)人機(jī)的發(fā)展是必要的任務(wù)。

利用d435深度相機(jī)實(shí)時(shí)計(jì)算地面位置，利用地面位置在相機(jī)坐標(biāo)系中的相對(duì)位置作為飛行導(dǎo)引。同時(shí)，利用無(wú)人機(jī)IMU數(shù)據(jù)、相對(duì)位置和GPS數(shù)據(jù)的姿態(tài)調(diào)整，完成緊急著陸。

無(wú)人機(jī)失控后，IMU數(shù)據(jù)是一個(gè)相對(duì)可靠的來(lái)源。使用IMU數(shù)據(jù)和GPS融合進(jìn)行姿態(tài)控制，可以確保無(wú)人機(jī)在短時(shí)間內(nèi)工作。

使用攝像頭獲取深度圖找到實(shí)時(shí)圖像做特征匹配，計(jì)算出無(wú)人機(jī)運(yùn)動(dòng)的期望值。在飛行控制中輸入期望值，并調(diào)整無(wú)人機(jī)的角度以接近目標(biāo)點(diǎn)。同時(shí)，進(jìn)近過(guò)程采用PID閉環(huán)控制，使飛行過(guò)程快速穩(wěn)定。

緊急未知環(huán)境下基于單目視覺(jué)SLAM的無(wú)人機(jī)自主著陸

無(wú)人機(jī)落地研究需要考慮多方面因素和通用性，實(shí)用性有所提高。具體來(lái)說(shuō)，主要挑戰(zhàn)包括以下幾點(diǎn)：

1：沒(méi)有GPS信號(hào)的自主控制。GPS的抗干擾能力極弱。如果無(wú)人機(jī)機(jī)載GPS信號(hào)接收器因電子干擾而發(fā)生故障，無(wú)人機(jī)將失去導(dǎo)航定位功能，從而無(wú)法安全降落。

2：緊急情況下的被動(dòng)著陸。由于無(wú)人機(jī)的補(bǔ)償機(jī)制不允許故障無(wú)人機(jī)長(zhǎng)時(shí)間繼續(xù)飛行，因此應(yīng)該開(kāi)始選擇緊急降落的地點(diǎn)。雖然這是無(wú)奈之舉，但也是防止無(wú)人機(jī)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(wú)人機(jī)需要執(zhí)行任務(wù)的地方多為未知環(huán)境或雜亂無(wú)章的環(huán)境。無(wú)人機(jī)必須能夠選擇合適的著陸點(diǎn)并安全著陸。

基于于視覺(jué)的無(wú)人機(jī)著陸方法：借助光學(xué)設(shè)備和圖像識(shí)別技術(shù)，無(wú)人機(jī)能夠自主識(shí)別著陸區(qū)域，重構(gòu)三維地形，實(shí)現(xiàn)自動(dòng)返航和航線規(guī)劃，能夠以良好的策略降落機(jī)場(chǎng)并安全降落，將大大降低無(wú)人機(jī)對(duì)地面人員的傷害。

無(wú)人機(jī)使用單目相機(jī)掃描地面的關(guān)鍵幀和三維點(diǎn)云圖。然后，將三維點(diǎn)云圖轉(zhuǎn)換為網(wǎng)格圖，檢測(cè)合適的著陸區(qū)域，進(jìn)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(lán)線顯示了無(wú)人機(jī)在飛行過(guò)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(wú)人機(jī)開(kāi)始降落程序時(shí)，該方法可以估計(jì)無(wú)人機(jī)的位置和姿態(tài)，構(gòu)建環(huán)境的網(wǎng)格圖，并通過(guò)過(guò)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(jué)導(dǎo)航方法，該方法使用SLAM估計(jì)無(wú)人機(jī)的當(dāng)前位姿。

通過(guò)視覺(jué)SLAM建立了環(huán)境的三維點(diǎn)云圖。然后，通過(guò)SLAM算法提出的特征點(diǎn)的三維點(diǎn)云建立二維網(wǎng)格圖。每個(gè)網(wǎng)格的高度是通過(guò)將圖形的地圖點(diǎn)投影到相應(yīng)的網(wǎng)格中來(lái)計(jì)算的。然后，使用基于均值偏移的圖像分割算法對(duì)網(wǎng)格圖的高度進(jìn)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(guò)計(jì)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(yuǎn)的區(qū)域作為過(guò)濾后的著陸區(qū)域。這樣就選擇了適合無(wú)人機(jī)降落的區(qū)域。無(wú)人機(jī)按照下降程序最終降落在安全區(qū)域。

無(wú)人機(jī)降落在附屬建筑樓層的視覺(jué)導(dǎo)航

基于視覺(jué)的無(wú)人機(jī)著陸導(dǎo)航

GPS 信號(hào)可能會(huì)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(duì)基于 GPS 的導(dǎo)航的可靠性構(gòu)成嚴(yán)重威脅。其次，商用 GPS 設(shè)備，尤其是消費(fèi)級(jí)產(chǎn)品，不能提供高水平的定位精度。據(jù)報(bào)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(guò)程分為四個(gè)步驟：（1）識(shí)別地標(biāo)建筑，（2）定位無(wú)人機(jī)建立下滑路徑，（3）激活進(jìn)場(chǎng)階段，（4）下降以著陸。在每一步，無(wú)人機(jī)的單目攝像頭圖像都被用作導(dǎo)航信息的主要來(lái)源，嵌入式氣壓計(jì)和 IMU（慣性測(cè)量單元）作為次要的感官數(shù)據(jù)源。

導(dǎo)航過(guò)程的功能劃分包括目標(biāo)/對(duì)象圖像匹配、映射和定位、導(dǎo)航控制和錯(cuò)誤恢復(fù)。

初始化精 確著陸過(guò)程的第 一步是使用存儲(chǔ)的指定位置圖像檢查正確的建筑工地。針對(duì)目標(biāo)/目標(biāo)識(shí)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(kù)中的 SIFT（尺度不變特征變換）特征檢測(cè)器用于我們的功能組件。圖1顯示了目標(biāo)建筑工地的 SIFT 圖像匹配結(jié)果，紅圈部分匹配錯(cuò)誤，通過(guò) RANSAC 增強(qiáng)后匹配結(jié)果更好。該對(duì)象/目標(biāo)圖像匹配功能是為了完成精 確著陸過(guò)程的地標(biāo)識(shí)別步驟。