基于多傳感器融合的植保無人機自主著陸系統

于坤林，于明清

（長沙航空職業技術學院，湖南長沙，410124）

0 引言

目前，無人機自主著陸技術主要采用精密進場雷達著陸引導技術、微波著陸引導技術、衛星導航著陸引導技術和計算機視覺著陸引導技術等著陸技術[1-2]，這些單一的著陸技術都存在比較大的缺點：要么不能較好地獲得無人機的位姿信息，要么不能精確地獲得無人機與著陸點之間的高度信息，從而影響無人機的精確著陸。為了使植保無人機準確著陸，可以考慮將高度傳感器[3]和機器視覺傳感器結合在一起，組成一款多傳感器融合的無人機自主著陸系統，著陸系統中采用多個高度傳感器來測量無人機的著陸高度，采用視覺傳感器來測量無人機的位姿信息，將多傳感器融合技術應用于農業植保無人機自主著陸當中，有效地解決了植保無人機精準自主著陸問題。

1 系統總體架構設計

基于多傳感器融合的植保無人機自主著陸系統主要由高度測量系統、機器視覺系統、飛行控制系統三部分組成。其中高度測量系統主要由氣壓傳感器模塊、超聲波傳感器模塊和激光傳感器模塊等組成。機器視覺模塊由CCD攝像頭、圖像采集卡、視覺處理模塊三部分組成。基于多傳感器融合的植保無人機自主著陸系統總體架構設計框圖如圖1所示。

圖1 基于多傳感器融合的植保無人機自主著陸系統總體架構設計框圖

高度測量系統解算出高度信息，機器視覺系統解算出無人機的俯仰角、滾轉角和航向角等姿態信息以及位置信息；植保無人機自主著陸系統最終將高度測量解算出的高度信息和機器視覺系統解算出的位姿信息進行數據融合，飛行控制系統依據融合后的高度、姿態和位置等信息精準控制農業植保無人機的自主著陸。

1.1 高度測量系統

植保無人機高度測量系統由氣壓傳感器模塊,激光傳感器模塊,超聲波傳感器模塊和微控制器四個部分組成。三個測高模塊均與微控制器連接,高度測量系統把三個高度傳感器測量出的高度通過加權平均算法進行數據融合,從而解算出高度信息，得到適合植保無人機低空飛行的高精度數據。

1.1.1 氣壓傳感器

氣壓傳感器通過測量無人機所在高度的大氣壓強能夠間接地獲得無人機的高度，氣壓傳感器測高公式如下：

式中：Tb是高度Hb時的溫度，β是溫度垂直變換率，PH和Pb分別為高度H和Hb時對應的大氣壓強，R是空氣專用氣體數，是重力加速度。

1.1.2 激光傳感器

激光傳感器由激光發射器、激光接收器以及雪崩光電二極管組成。其測高原理為：由激光發射器對準地面發射激光脈沖，激光經地面反射后部分被激光接收器接收，成像到雪崩光電二極管上并被放大，因此它能檢測到微弱的激光信號。記錄并處理從光脈沖發出到返回被接收所經歷的時間，即可測定無人機的飛行或著陸高度。

1.1.3 超聲波傳感器

超聲波傳感器主要由發送器部分、接收器部分和控制部分構成。超聲波傳感器測高原理是通過超聲波發射器向地面發射超聲波，并根據超聲波往返的時間差來計算無人機離地面高度。測高公式采用:

其中，c 表示聲波在空氣中傳播速度，一般為 340m/s，t 表示傳播時間。

1.2 機器視覺系統

機器視覺模塊由CCD攝像頭、圖像采集卡、視覺處理模塊三部分組成。機器視覺測量系統中的CCD圖像傳感器主要由CCD電荷耦合器件制成，它能實時拍攝著陸點地面標志圖像，圖像采集卡帶有外接的信號接口與CCD圖像傳感器相連，圖像采集卡可以將CCD圖像傳感器拍攝的地面圖像采集進來并送到視覺處理模塊；視覺處理模塊以STM32F427CPU為核心，它擁有豐富的硬件資源和擴展接口，它將采集到的圖像進行圖像處理、特征提取以及位姿估計，機器視覺系統最終解算出無人機的俯仰角、滾轉角和航向角等姿態信息及位置信息。

1.3 飛行控制系統

飛行控制系統主要由傳感器、機載計算機和伺服作動設備組成，飛行控制系統依據融合后的高度、姿態和位置等信息，通過高效的控制算法和主控制單元去控制農業植保無人機的著陸。

2 系統軟件設計

基于多傳感器融合的植保無人機自主著陸算法流程為：機器視覺系統中的CCD圖像傳感器將著陸點地面識別標志進行采集，然后視覺處理模塊對采集到的地面識別標志圖像進行圖像濾波等圖像預處理，然后再對地面識別標志圖像進行特征提取、特征匹配和位姿估計得到位置和姿態信息。同時高度測量系統對氣壓傳感器,激光傳感器和超聲波傳感器測量出的3個高度進行自適應高度加權平均融合算法得出高精度的高度信息。植保無人機自主著陸系統最終將機器視覺系統解算出的位置、姿態信息以及高度測量系統解算出的高度信息進行數據融合，最后依據融合后的高度、位置和姿態等信息進行植保無人機自主著陸。整個基于多傳感器融合的植保無人機自主著陸算法流程如圖2所示。

圖2 基于多傳感器融合的植保無人機自主著陸算法流程

3 算法分析及實驗

3.1 高度測量

為了防止高度測量不準確，高度測量系統采用了氣壓傳感器、超聲波傳感器和激光傳感器等三個不同的傳感器來測量植保無人機與著陸點間的相對高度，并將三個傳感器各時刻測量出的高度值采用自適應加權平均算法進行數據融合處理，從而保證了高度測量的精準性。

對三個高度傳感器測量出的高度數據采用了加權平均算法為：

其中的系數(k1,k2,k3)稱權,他說明該系數后面的數據在整個統計數據中占的比重.也說明這個數據對統計結果的影響程度。h1、 h2、 h3分別為氣壓傳感器、超聲波傳感器和激光傳感器的測量高度，h為采用加權平均算法后的無人機高度。

3.2 目標識別和位姿估計

目標識別算法包括對著陸地標彩色圖像進行降維處理、噪聲消除，邊緣檢測和特征點提取等圖像處理[4]。

3.2.1 降維處理

邊緣信息是識別物體的關鍵因素，通過灰度圖像可以檢測其邊緣，因此識別物體一般只需要識別物體的灰度圖就夠了。而RGB彩色圖像則由于能夠提供的信息量很少，但計算量會會很大，因此在目標識別時，需要將RGB彩色圖像作降維處理，將三維彩色圖像降為二維灰度圖像。 也就是說要對彩色圖像進行灰度化處理。

3.2.2 噪聲消除

噪聲消除方法主要有均值濾波和中值濾波方法。由于均值濾波容易使圖像細節模糊，濾波效果不好，所以通常采用中值濾波方法去噪。中值濾波是一種最常用的非線性信號處理方法，該濾波方法是采用一個奇數點的滑動窗口，將窗口中心點的值用窗口內所有點的中值來代替。中值濾波的窗口形狀和尺寸會影響濾波效果，常用的中值濾波窗口形狀有方形、線狀、圓形、十字形等。這里采用 3×3 窗口對圖像進行中值濾波，對含有噪聲的著陸地面標志灰度圖像進行濾波仿真實驗如圖3所示。

圖3 無人機著陸地面標志圖像濾波處理

3.2.3 邊緣檢測

邊緣檢測是識別物體最常用的方法，常用的邊緣檢測算法有roberts算子、sobel算子、prewitt算子以及canny算子、Laplacian算子、LOG算子等。由于噪聲點對邊緣檢測影響較大，所以在邊緣檢測時必須消除噪聲，而LOG算子是由高斯濾波和拉普拉斯算子結合形成的高斯拉普拉斯算子，該算子同時具有濾波和邊緣檢測的功能，所以這里可以采用LOG算子對著陸地面標志灰度圖像進行邊緣檢測。由高斯濾波和拉普拉斯算子結合由高斯函數根據拉普拉斯算子的公式求導可得：

采用LOG算子進行圖像邊緣檢測的基本步驟如下：

(1)采用高斯濾波器對噪聲圖像進行平滑濾波去噪；

(2)采用拉普拉斯算子對濾波后的圖像進行增強處理；

(3)依據二階導數零交叉對增強后的圖像進行邊緣檢測。對著陸地面標志灰度圖像進行邊緣檢測的仿真實驗如圖4所示。

圖4 無人機著陸地面標志圖像邊緣檢測

零交叉檢測自動選擇的閾值為0.0119；Log算子自動選擇的閾值為0.0062；對比圖4中的三幅圖可以看出：圖4(b)由于沒有對圖像進行濾波而直接對圖像進行邊緣檢測，所以含有大量的噪聲且引起了偽邊緣，圖4(c)雖濾除了噪聲但丟失了一些邊緣細節，只有圖4(d)邊緣定位準確性最高，有較強的去噪能力，邊緣檢測效果最好。因此這里選用自動閾值的LOG算子對濾波后的農業植保無人機著陸點的地面標志圖像進行邊緣檢測。

3.2.4 特征點提取

圖像和參考圖像的特征點也是無人機位置和姿態估計的關鍵，Harris角點檢測算法是一種常用的圖像特征點提取方法。提取特征點之后，再通過角點匹配算法可以將當前圖像的角點與參考圖像的角點進行匹配，根據旋轉矩陣解算出無人機的姿態角，并根據視覺標志質心與圖像中心的位置關系及相機成像原理實現視覺標志的位置估計[5]。對地面標志進行特征點提取的仿真實驗如圖5所示。

圖5 無人機著陸地面標志特征點提取后的圖像

4 結束語

本文設計的多傳感器融合植保無人機自主著陸系統能夠精確地測量低空植保無人機飛行或著陸高度，能夠準確地識別著陸點地標并能解算出無人機的著陸位置以及無人機的姿態信息，從而能夠實現無人機的自主精準著陸。本設計解決了依靠單一的著陸技術所存在的一些問題，具有比較好的應用價值。