张 舸， 伊国兴， 高 翔

(哈尔滨工业大学 空间控制与惯性技术研究中心，黑龙江 哈尔滨 150001)

0 引 言

目前无人机大多采用全球定位系统(global positioning system,GPS)和惯性组合导航[1～3]，但由于GPS信号不稳定，且误差较大，而惯性测量单元又容易造成误差积累进而导致精度下降，均无法满足无人机自主降落的精度要求。相比于惯性导航，视觉导航[4～6]能够获取外部环境的运动信息；相比于GPS导航，其具有更强的独立性与抗干扰性能力；相比于激光测距系统，其具有更低的成本与较高的探测范围，在系统配置上也更为灵活。因此视觉导航是无人机自主降落[7,8]的绝佳导航方式。

本文设计的视觉辅助无人机自主降落系统主要由相机、导航处理器和飞行控制器3部分组成。相机采集着陆区域的图像信息，传递给导航处理器；导航处理器通过对图像信息的解算，输出无人机相对于着陆目标的位置和姿态，传递给飞行控制器；飞行控制器通过无人机与着陆目标的相对位姿计算期望的飞行速度向量并输出相应的电机调速器驱动电压向量，同时通过相机光轴与着陆目标中心的偏角对云台进行姿态调整；螺旋桨转速组合改变无人机的位置和姿态，进而影响相机的位姿，同时云台角的改变也会影响相机的姿态，两者共同影响相机视场，从而为导航处理器提供图像信息更新，最终辅助无人机完成自主降落。

1 无人机位姿估计算法研究

1.1 坐标系定义

着陆目标坐标系Ow-XwYwZw如图1所示，其原点为着陆目标的几何中心。X轴与Y轴在着陆目标平面内且平行于矩形边框，Z轴垂直于着陆目标平面向上。

图1 着陆目标坐标系

相机坐标系Oc-XcYcZc的原点为相机光心。X轴与Y轴在相机平面内，X轴指向右方，Y轴指向下方，Z轴垂直于相机平面指向拍摄方向。

载体坐标系Ob-XbYbZb的原点为无人机的质心。X轴与Y轴位于水平面内，X轴指向无人机前进方向，Y轴指向无人机右方，Z轴垂直于水平面向下。

1.2 无人机位姿表示

用标定好的相机对着陆目标进行识别与校验，可得到相机坐标系和着陆目标坐标系的相对位置和姿态信息。坐标变换可以通过一个旋转矩阵S和一个平移矩阵T来表示

(1)

式中 (u,v)为该点的像素坐标，可通过图像算法[9,10]得到;(Xc,Xc,Yc)T为该点在相机系的坐标，(Xw,Yw,Zw)T为该点在着陆目标系的坐标，可通过着陆目标的设计尺寸得到。λ=zc为该点在相机系上的Z坐标，为已知量。K为相机的内部参数，可通过相机标定得到。平移矩阵T为三维列向量，表示着陆目标坐标系原点在相机坐标系中的位置。因此,通过若干特征点的像素坐标(u,v)和着陆目标坐标(Xw,Yw,Zw)T求得平移矩阵T，即自主降落所需要的着陆目标位置。

对完成预处理的着陆目标图像进行Harris角点检测和轮廓检测。如图2所示，将检测出的9个角点和9个圆心作为特征点，且特征点在着陆目标坐标系上的坐标已知，在图像平面的像素坐标可以通过角点检测获取，因此，可以求得平移矩阵T。

图2 特征点位置

通过奇异值分解与最小二乘法得到T矩阵，即着陆目标坐标系的原点位于相机坐标系的三维坐标(xc,yc,zc)T。假设相机系与载体系原点距离较小可近似相等，则着陆目标在载体系中表示为(xb,yb,zb)T=(xc,yc,zc)T，因此,无人机相对于着陆目标的相对位置关系可表示为

(2)

式中θpt为云台角。

2 自主降落控制算法研究

2.1 自主降落中的无人机控制

1)水平接近阶段

2)垂直降落阶段

自主降落控制器结构如图3所示，通过与着陆目标的相对位置关系解算期望的飞行速度向量，经过一个饱和环节得到实际的速度给定，控制无人机飞往着陆目标地点。

图3 自主降落控制器架构

2.1.1 位置与速度控制器设计

如图4所示，位置与速度控制器由位置控制器和速度控制器两部分构成，两者均选择GPS接收机和光流传感器作为反馈信号源。

图4 位置控制器结构

位置控制器通过反馈信号源获取无人机的位置信息x,y，并根据位置给定，应用PID控制方法计算速度给定，并作为速度环的输入。速度控制器通过反馈信号源获取无人机的速度信息Vx,Vy，并根据位置环输出的速度给定，应用PID控制方法计算姿态给定，并作为姿态控制器的输入。

2.1.2 姿态控制器设计

如图5所示，姿态控制器由内环、外环2个闭环构成。

图5 姿态控制器结构

内环为角速度控制环，采用P控制，基于载体坐标系，其反馈信号为陀螺仪角速度输出p,q,r。外环为角度控制环，采用比例—积分—微分(proportional-integral-differential,PID)控制，基于大地坐标系，其姿态角采用欧拉角表示方法，因此内外环之间需要进行坐标转换。

2.2 自主降落中的云台控制

云台控制器结构如图6所示。控制器采用比例—微分控制(proportional-differential,PD)控制，以着陆目标偏离相机光轴的角度作为输入量，输出云台转动角速度，将角速度积分即可得到期望云台角。当导航计算机接收到自主降落触发信号，云台控制器会把期望云台角传递给飞行控制单元，进而实现视觉伺服跟踪。

图6 云台控制器

2.3 自主降落模式设计2.3.1 定点目标地面站辅助降落模式

该模式下完成自主降落任务需要地面计算机进行导航解算并参与到控制回路中，其控制结构如图7所示。

图7 地面站辅助自主降落原理

相对位姿测量模块从相机拍摄的图像中提取着陆目标并计算相机—合作目标相对位姿，再由串口通信通过无线传输模块传输给地面站。同时，飞行控制器将无人机当前北东地坐标、航向角以及云台角传输到地面站。地面站综合以上信息进行坐标运算，得到着陆目标的北东地坐标。当接收到遥控器的降落指令后，地面站将着陆目标当前坐标位置发送给飞行控制单元，由飞行控制单元对无人机进行位置控制，完成自主降落。此过程中，云台角由遥控器给出。

地面站辅助自主降落模式通过地面站辅助，简化了机载设备，减少了无人机能源消耗，提高了无人机续航时间，同时其辅助降落导航算法可以及时修改验证，便于开发。但由于引入地面站的计算，整个控制回路会因为传输链路的时延而产生延迟，甚至会在无线通信过程中受到收发数据冲突的影响而导致导航指令无法接收，同时地面站的存在限制了无人机的自主性。

2.3.2 定点目标自主降落模式

该模式下完成自主降落任务无需地面站参与，而是通过机载导航处理器进行导航解算并参与到控制回路中，其控制结构如图8所示。

图8 自主定点降落工作原理

机载设备中增加了导航处理器，导航处理器从相对位姿测量模块获取相机—着陆目标相对位姿，从飞行控制单元获取无人机北东地坐标、航向角和云台角，综合二者的信息计算得到着陆目标的北东地坐标。当接收到遥控器的降落指令后，导航处理器将着陆目标当前坐标位置发送给飞行控制单元，由飞行控制单元对无人机进行位置控制，完成自主降落。此过程中，云台角由遥控器给出。

机载导航处理自主降落模式消除了无线传输链路中的时延，极大改善了控制回路的性能；由于机载设备为全双工通信，解决了数据冲突问题，提高了导航过程的可靠性；同时，嵌入式设备的使用使无人机脱离了地面站而独立工作，提高了无人机的自主性。但由于无人机载荷有限，其计算能力亦非常有限，对于算法优化的要求较高；同时，由于视觉反馈只发生在自主降落过程2个阶段开始的瞬间，导致其降落精度无法保证，也无法实现移动目标的跟踪降落。

2.3.3 移动目标自主降落模式

为了实现高精度定点目标自主降落和移动目标自主降落，设计了图9所示控制结构的降落模式。

该模式下自主降落导航流程与定点目标自主降落模式相同，但是相对于前者，该模式实现了飞行控制器对无人机的速度控制以及云台对着陆目标的视觉跟踪。速度控制器和云台控制器如前所述，两者结合可以实现高精度的无人机自主降落。该模式继承了定点目标自主降落模式低时延、自主性强、可靠性高的优点，同时又克服了无法追踪移动降落地点的缺点，有效减小了自主降落的误差，提高了无人机自主降落精度。

图9 地面移动目标降落原理

3 自主降落系统验证

3.1 降落过程的飞行状态

为了验证基于视觉导航的无人机自主降落系统，进行了无人机室外自主降落试验。试验中，无人机距离着陆目标较远处起飞并调整位姿，飞往降落区域，然后发出自主降落指令，观测无人机自主降落过程并记录数据。试验过程中无人机的飞行状态如图10所示。试验过程中无人机与着陆目标的相对位置关系如图11所示。

图10 自主降落过程的位置与高度

图11 与着陆目标的相对位置关系

187～192 s之间为水平接近阶段。此阶段无人机机载视觉系统会不断计算、修正着陆目标的相对位置，并通过视觉反馈控制无人机飞往着陆目标上空。

195～203 s之间为垂直降落阶段。无人机保持匀速下降，同时保持水平位置不变，直到无人机安全着陆。

通过试验验证，姿态控制器可以使无人机保持悬停状态并保证俯仰角、横滚角和偏航角的波动在1°以内。速度控制器可以使无人机的速度跟踪误差保持在±0.5 m/s以内。位置控制器可以使位置跟踪误差保持在±1 m以内。无人机降落过程基本符合设计构思，每个降落阶段的实际效果均能满足设计要求。

3.2 无人机自主降落精度

为了测量UAV在3种模式下自主降落的精度，分别进行试验，如图12所示。前2种模式降落精度均在着陆目标的1.5 m范围内，第3种模式下的降落精度为0.5 m以内。

图12 3种模式下降落精度对比

前2种模式下降落误差较大的原因在于仅在187 s水平接近阶段开始时和195 s垂直降落阶段开始时使用视觉位置反馈信息，然而整个降落过程中的航向角误差、相机安装误差等系统误差无法实时修正，会逐渐累积，进而影响降落精度。第3种模式下由于采用云台实时伺服追踪，使相机光心实时追踪着陆目标中心，并且通过视觉反馈采用速度控制，实现了高精度的无人机自主着陆。

4 结 论

在旋翼无人机自主降落问题上，本文提出了基于视觉导航的无人机自主降落系统，设计了基于针孔摄像机模型的无人机位姿估计算法，并得到了良好的导航效果。本文对无人机自主降落控制算法进行了研究，设计了视觉辅助自主降落过程和自主降落过程中的位姿控制器。本文创新性地提出了3种自主降落模式，在各模式下进行了无人机自主着陆试验，并对其结果进行了详细地分析，对于无人机自主着陆采用地面站辅助导航和机载导航方面有一定的参考价值。