基于高效自動識別,飛行的物理創(chuàng)新無人機的研究

賈睿龍 李冰

(重慶交通大學,重慶 400074)

1 概述

在如今,無人機的運用越來越廣泛,生活的很多方面都能看到其身影,但與此同時,多數(shù)無人機用于航拍農(nóng)業(yè)居多,特用無人機相對較為少見,于是設(shè)計了此款識別類以及物理測量類兩用式無人機。此無人機旨在警用、物理實驗用途以及測量用途。該無人機有一套完整的體系,在保持自身穩(wěn)定的情況下也可完成多項任務(wù),在物理方面有著不少的創(chuàng)新點,例如引入光學思想來定點偵察,通過光譜像素等識別物體,借助聲波測量風速等等,接下來將從多個方面進行詳細說明。

2 設(shè)計思想

2.1 無人機總體方案設(shè)計

2.1.1 硬件系統(tǒng)設(shè)計

無人機整體采用多模塊搭配形式,根據(jù)硬件系統(tǒng)功能可分為五大類系統(tǒng)：中央處理器主控系統(tǒng)、圖像分類識別系統(tǒng)、光流系統(tǒng)、飛行器姿態(tài)控制系統(tǒng)、地面控制系統(tǒng)。

2.1.1.1 中央處理器主控系統(tǒng)

采用TM4C123G 為主控的芯片,該組件是基于ARM Cortex-M4F 的微控制器平臺,具有低功耗,高性能等優(yōu)點。同時使用樹莓派建立無人機與地面的通信連接。

2.1.1.2 圖像分類識別系統(tǒng)

借助AI 視覺識別模塊,利用當前所流行的卷積神經(jīng)網(wǎng)絡(luò)技術(shù),依靠tensorflow 來訓練模型,通過模塊特征點識別來達到航拍以及實時識別的效果。

2.1.1.3 光流系統(tǒng)

圖1

采用ATK-PMW3901 來進行無人機的高精準懸停,根據(jù)物理基礎(chǔ)融合光流,采用激光定高以及氣壓定高。

2.1.1.4 飛行器姿態(tài)控制系統(tǒng)

使用KS103 通過超聲波根據(jù)反射距離進行空中自動避障,同時通過PID 算法來進行實時姿態(tài)調(diào)整,并且根據(jù)反饋結(jié)果來測定不同風速。

地面控制系統(tǒng)：

通過PC 端借助上位機來進行地面系統(tǒng)控制。

2.1.2 軟件系統(tǒng)設(shè)計

軟件系統(tǒng)主要是在64 位Ubantu18.04 操作系統(tǒng)下開發(fā)完成的,主體使用無名創(chuàng)新部分開源飛控代碼以及自己的模塊代碼。TI 芯片主用C 語言對其進行操作,圖像識別部分主由microPython 進行操作。

系統(tǒng)軟件功能模塊設(shè)計：各個模塊之間相互配合運行,PID設(shè)計,中值濾波,突發(fā)故障情況處理設(shè)計,數(shù)據(jù)接收發(fā)送設(shè)計。

地面控制系統(tǒng)

地面監(jiān)控平臺是在64 位Window10 操作系統(tǒng)下開發(fā)完成的,使用Qt 開發(fā)環(huán)境來設(shè)計操作界面并且通過指令來進行具體功能操作。

2.1.3 無人機總體方案創(chuàng)新點

當今無人機主分為民用無人機、工業(yè)無人機、軍用無人機。在民用方面主要用于航拍,而這款無人機在航拍的基礎(chǔ)上添加了對航拍對象的識別分類功能。例如將可疑物導入訓練,在拍攝中,攝像頭在拍攝全景的同時,會對他所認為的可疑物進行全程檢測。同時此無人機增添了物理檢測功能,可記錄地理磁力因素、風力因素、熱力等多項數(shù)據(jù),并且實時傳輸回用戶端。

2.2 基于模塊的無人機圖像識別分類方法

2.2.1 神經(jīng)網(wǎng)絡(luò)識別

無人機圖像識別采用卷積神經(jīng)網(wǎng)絡(luò),其本質(zhì)是根據(jù)物理思維以及數(shù)學思維來對特征點進行記錄。通過AI 視覺識別模塊,將攝像頭所獲得的原始光學進行邏輯分類處理并進行實際運算。

2.2.2 中值濾波技術(shù)

數(shù)字圖像在形成的過程中,經(jīng)常受到各種因素影響,例如光學影響、聲學影響。為了抑制或者盡可能消除這些影響,就需要對這些進行處理,也就是通常所說的濾波處理。

2.2.3 物理創(chuàng)新點

以光學分類技術(shù)為基礎(chǔ),相較于以往識別技術(shù)增加了更為準確、可靠的性能。同時采用中值濾波算法對圖像進行降噪處理,極大地保證了圖像的完整度以及分類的準確性。

2.3 基于光流模塊的速度測定,位置數(shù)據(jù)測定

圖2

光流模塊是采集兩幀圖像之間的像素不變,并且兩幀圖像具有相對運動性質(zhì),根據(jù)微元思想,則會有I(x,y,t)=I(x+dx,y+dy,t+dt)經(jīng)過泰勒公式展開得：

引用lucas-kanade 方法進行求解

采取最小二乘求解,便可得到飛行速度綜合式

2.4 流體平衡PID 算法測量風速

PID 的本質(zhì)是將誤差值e(t)的比例,積分和微分通過線性構(gòu)合組成控制量對系統(tǒng)進行實際控制,其輸出信號為：

在有風速的情況下,無人機的自身平衡難以得到控制,但通過此算法,無人機可以進行迅速的姿態(tài)調(diào)整來適應(yīng)當前速度情況,在借助陀螺儀的情況下精準感知集體偏轉(zhuǎn)角度等數(shù)據(jù),并且在比例公式下,將數(shù)據(jù)進行反推算,便可得到實時的流體速度。在測量流體數(shù)據(jù)的情況下,能在自身保持穩(wěn)定的基礎(chǔ)之上,將數(shù)據(jù)穩(wěn)定實時反饋給PC 端。

圖3

將其進行整合后,該控制系統(tǒng)可表達為：

通過平衡穩(wěn)定,借助光流模塊lucas-kanade 方法計算可得知機體飛行速度。

在得知機體速度后,運用所搭配的超聲波模塊,另借助順風逆風之間的速度差,以及移動速度的時間差,即可測量出當前風速情況。超聲波模塊可以準確得知發(fā)出波長時間是t1,接受波長時間為t2,并且根據(jù)超聲波波速計算出移動距離x。并且在超聲波傳遞過程中,可拿自身機體作為參照,不存在聲波發(fā)射出去不能接受的情況,并且通過pid 調(diào)節(jié)了平衡,極大情況的避免了誤差,即有以下公式：

物理創(chuàng)新點：

相較于傳統(tǒng)遙控器的控制,所設(shè)計無人機更偏向于進行自我調(diào)控,也即自我適應(yīng)不同風速下的飛行姿態(tài)。而且具備現(xiàn)代大多數(shù)無人機都不具備的功能,即在小誤差范圍內(nèi)測量流速的情況,并且將數(shù)據(jù)實時返回給用戶端,在測定地理風速的情況下提供了有效途徑,并且完全不使用風速計,減輕了機體重量。

3 調(diào)試及其結(jié)果分析

根據(jù)初步調(diào)試,飛行狀態(tài)能保持較優(yōu)良的穩(wěn)定性能,但是重慶地區(qū)無強風,所以強風數(shù)據(jù)暫時不能進行測定。

表1

同時根據(jù)光進行的圖像識別效果也很理想,準確地識別出了書本這一物體。

該無人機還配備了氣壓檢測以及磁力檢測等功能,介于實驗篇幅,在這里不進行具體方法闡述以及實驗結(jié)果說明。

結(jié)果分析方面：測定精確度很高,但仍然有很大的改進空間,在一篇論文曾看到四點式三角函數(shù)測量風速的方法,如若引用,實驗數(shù)據(jù)應(yīng)會更加接近真實值。同時光流模塊的定點定高根據(jù)像素差的方法也很準確。

4 結(jié)論

本次物理實驗中,多考慮專業(yè)與物理結(jié)合的方向。發(fā)揮了電氣專業(yè)弱電特性與物理概念相結(jié)合的優(yōu)勢,設(shè)計了這款多用無人機。本來想加入無人機壓強測量實驗和磁力測量實驗的方法及數(shù)據(jù)結(jié)論,但礙于論文篇幅有限便未加入,只保留了風速測量以及圖像識別光學部分。

總的來說物理實驗測定效果還是不錯的,但是多用無人機需要大量時間來做成,因此便未能完整體現(xiàn)成品效果,只能進行一些實驗數(shù)據(jù)的測定,暫不能完成PC 端完全控制的部分,有些許遺憾,但會投入更多將其完善。