基于GNSS與視覺融合的山地果園無人機航跡控制

王 東 范葉滿 薛金儒 袁 端 沈楷程 張海輝,3

(1.西北農(nóng)林科技大學機械與電子工程學院， 陜西楊凌 712100； 2.農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)物聯(lián)網(wǎng)重點實驗室， 陜西楊凌 712100；3.陜西省農(nóng)業(yè)信息感知與智能服務(wù)重點實驗室， 陜西楊凌 712100)

0 引言

無人機技術(shù)[1-2]已經(jīng)被廣泛應(yīng)用于農(nóng)情監(jiān)測、農(nóng)業(yè)植保等領(lǐng)域[3-11]。相關(guān)研究表明，無人機的飛行航跡、高度、速度等飛行參數(shù)對植保效果影響顯著[12-17]。

飛行航跡的控制是無人機航空作業(yè)的關(guān)鍵問題。由于人工控制無人機飛行航跡精度較差[18]，為了提高無人機植保作業(yè)的效果，降低人為控制的誤差，無人機航跡自主控制技術(shù)是近年來無人機航空植保作業(yè)的研究熱點。FAICAL等[19]提出了結(jié)合作物特征和無人機結(jié)構(gòu)特征的微調(diào)設(shè)置以控制航跡；袁玉敏[20]設(shè)計的基于GPS(全球定位系統(tǒng))和GPRS(通用分組無線服務(wù)技術(shù))混合的定位算法，提高了農(nóng)業(yè)植保無人機的定位精度；盧璐等[21]基于實時動態(tài)差分技術(shù)(Real-time kinematic，RTK)的北斗衛(wèi)星導航系統(tǒng)優(yōu)化了植保無人機飛控系統(tǒng)，大幅度提高了作業(yè)航跡的精度。此外，也有將全球?qū)Ш叫l(wèi)星系統(tǒng)(Global navigation satellite system，GNSS)與慣性導航、視覺導航等技術(shù)相融合進行無人機航跡控制的研究[22-25]，但現(xiàn)有研究均是針對平原下大田塊作業(yè)開展的。

我國丘陵山地約占國土面積的70%。同平原相比，丘陵山地不僅地形起伏多變，且田塊碎小、形狀各異。丘陵山地多以經(jīng)濟林果為主栽對象，果樹沿坡地等高線種植，果樹行多為曲線，同大田作物相比覆蓋率較低，因此，對航跡控制精度要求更高。在GNSS導航過程中，如果以果樹行首尾位置的經(jīng)緯度為定位點導航，無人機以兩定位點之間的直線飛行，則會錯過其中不在直線航跡上的果樹，無法實現(xiàn)植保作業(yè)的果樹遍歷飛行要求。相反，如果以單株果樹為定位點，則定位點過密，同時受GNSS系統(tǒng)刷新頻率限制，以及無人機在飛行過程中受到的速度、側(cè)風等因素的干擾，極容易錯過當前目標點，導致無人機需要反復移動以到達目標點。因此，該方式極易浪費作業(yè)時間和能量，降低作業(yè)效率，同時對無人機飛行軌跡控制算法的要求過高，在控制率以及控制精度上具有較高的挑戰(zhàn)性。

蘋果是我國北方地區(qū)的主要經(jīng)濟林作物，僅陜甘寧地區(qū)的種植面積就已超過100萬hm2。本文以自然場景下的山地蘋果園為研究對象，采用RTK-GNSS導航進行作業(yè)行間切換引導，使用機器視覺技術(shù)計算無人機與作業(yè)行中心線的偏航角，進而結(jié)合PID控制算法調(diào)整無人機作業(yè)航跡，以實現(xiàn)山地果園無人機植保作業(yè)航跡的高精度控制。

1 控制系統(tǒng)設(shè)計

1.1 總體設(shè)計

基于GNSS與視覺融合的山地果園無人機植保航跡控制系統(tǒng)主要由無人機飛行平臺和地面控制站兩部分組成。其中無人機飛行平臺中，除飛行器外，搭載有GNSS移動站、內(nèi)環(huán)飛控模塊、電子羅盤模塊、數(shù)傳模塊、云臺、RGB相機、無線視頻發(fā)射模塊和電源；地面控制站包括GNSS基站、飛行控制模塊、便攜式計算機、無線視頻接收模塊以及視頻采集模塊。其系統(tǒng)整體結(jié)構(gòu)如圖1所示。

圖1 控制系統(tǒng)整體結(jié)構(gòu)圖Fig.1 Overall structure diagram of control system

整個控制系統(tǒng)是在無人機內(nèi)環(huán)飛控實現(xiàn)其自身的穩(wěn)定以及控制其俯仰、偏航、橫滾、升降等動作的基礎(chǔ)上運行的。GNSS移動站同時接收基站和衛(wèi)星信號，實時解算定位信息，并通過數(shù)傳模塊2發(fā)送至地面控制站的飛行控制模塊。飛行控制模塊接收到無人機定位信息后計算并發(fā)送相應(yīng)的控制指令給無人機飛行平臺，實現(xiàn)無人機的GNSS導航。RGB相機采集視頻信息并通過無線視頻發(fā)射模塊實時發(fā)送，經(jīng)視頻采集模塊傳輸至便攜式計算機。由便攜式計算機對圖像進行處理以得到作業(yè)果樹行趨勢線及偏航角，將偏航角信息發(fā)送給飛行控制模塊，飛行控制模塊計算并發(fā)出控制指令實現(xiàn)無人機的視覺導航。作業(yè)時由GNSS導航進行果園作業(yè)行間切換，視覺導航進行行內(nèi)無人機航跡控制，從而實現(xiàn)無人機山地果園作業(yè)時的航跡控制。

1.2 無人機飛行平臺及地面控制站的搭建

本文使用四旋翼飛行器作為載體搭建無人機飛行平臺。搭建的四旋翼飛行器包括：朗宇X4108s-kv380型電機、好盈Platinum-30A-Pro OPTO型電子調(diào)速器、1555型碳纖螺旋槳、Tarot 650型機架、DJI NAZA型內(nèi)環(huán)飛控、FS-R6B型控制信號接收機，對角電機距離為650 mm。

在無人機上搭建主要部件，并通過有機配合，組成無人機飛行平臺。主要部件是：RGB運動相機(HERO3+型，GoPro，美國)、TS351型無線視頻發(fā)射模塊(深圳市創(chuàng)興科電子科技有限公司)、T-2D型兩軸云臺(溫州飛越航模有限公司)、AS62-T20型無線數(shù)傳模塊(成都澤耀科技有限公司)和SCM345型電子羅盤(無錫邁科傳感科技有限公司)。搭建的無人機飛行平臺實物如圖2所示。

圖2 無人機飛行平臺實物圖Fig.2 Photo of UAV flight platform 1.控制信號接收機 2.內(nèi)環(huán)飛控 3.數(shù)傳模塊2 4.相機 5.云臺 6.無線視頻發(fā)射模塊 7.數(shù)傳模塊1 8.電子羅盤 9.GNSS模塊 10.GNSS天線

地面控制站完成飛行平臺定位、航向、視頻等信息的收集，對圖像進行處理解算得到偏航角信息，進而采用PID控制算法完成無人機的飛行控制。主要部件有：以STM32F103微處理器為主控制器的飛行控制模塊(內(nèi)嵌PID控制算法)，RC305無線視頻接收模塊(深圳市創(chuàng)興科電子科技有限公司)，視頻采集模塊為AV信號的USB視頻采集卡，以及便攜式計算機(型號G7，處理器i7 8750H，顯卡GTX1060，內(nèi)存16 GB，戴爾)。

其中飛行控制模塊由FS-T6型遙控器(深圳市富斯遙控模型技術(shù)有限公司)改裝完成，模塊由STM32微處理器驅(qū)動數(shù)模轉(zhuǎn)換TLC5615芯片產(chǎn)生4路模擬電壓信號，經(jīng)遙控器轉(zhuǎn)換后完成4個控制通道(偏航、俯仰、橫滾、升降)動作的產(chǎn)生，從而實現(xiàn)對無人機飛行動作的穩(wěn)定控制。搭建完成的地面控制站實物如圖3所示。

圖3 地面控制站實物圖Fig.3 Photo of ground control station 1.計算機 2.無線視頻接收模塊 3.視頻采集卡 4.STM32微處理器 5.FS-T6型遙控器 6.TLC5615芯片 7.GNSS基站

1.3 RTK-GNSS定位裝置設(shè)計

為保證定位精度，本系統(tǒng)采用RTK-GNSS裝置進行經(jīng)緯度信息獲取，基于瑞士U-blox公司的NEO-M8P-2芯片設(shè)計該裝置。該芯片可兼容北斗、GPS、Galileo以及GLONASS 4種定位系統(tǒng)信號，并可通過配置成為基站或移動站使用。

系統(tǒng)中，配置基站的輸出格式為RTCM3.2，輸出頻率為1 Hz。移動站輸出格式為NMEA0183協(xié)議，主要使用經(jīng)緯度信息為無人機提供定位及導航，其信息輸出頻率為1 Hz。

1.4 控制系統(tǒng)的工作流程

系統(tǒng)作業(yè)前將果樹行起點和終點的經(jīng)緯度坐標及作業(yè)航向參數(shù)輸入至控制系統(tǒng)。系統(tǒng)作業(yè)航跡控制過程由GNSS導航和視覺導航控制兩個階段組成。無人機從起飛點至作業(yè)行起始點的飛行過程由GNSS導航控制，到達作業(yè)行起始點后由視覺導航控制無人機沿果樹行的中線飛行。當檢測到作業(yè)行終點時，再由GNSS導航至下一行起點，重復上述工作直至整個作業(yè)完成。系統(tǒng)控制流程如圖4所示。

圖4 系統(tǒng)控制流程圖Fig.4 Flow chart of system control

2 主要參數(shù)確定及算法設(shè)計

2.1 主要參數(shù)確定

2.1.1相機傾角

當無人機在果樹行上空飛行時，若能實時得到當前航向與果樹行趨勢線之間的偏航角，即可以控制無人機按偏航角進行轉(zhuǎn)向操作，從而保證無人機按果樹行的位置飛行。由于在果樹行上空飛行時相機視野內(nèi)近距離樹冠面積占比較大，遠距離果樹行趨勢線更明顯，控制目標位置應(yīng)為下一個控制指令發(fā)出時所在位置，而圖像邊緣區(qū)域畸變較大。因此，圖像中最遠距離應(yīng)足夠大，且控制目標點不宜距圖像邊緣較近。綜合考慮相機參數(shù)和飛行參數(shù)，選擇圖像垂直寬度的1/4位置作為偏航角的獲取目標位置。

圖5 視野及目標點示意圖Fig.5 Diagram of visual field and target point

無人機在果樹行上飛行時其飛行高度可由內(nèi)環(huán)飛控保持穩(wěn)定，當RGB相機與垂直方向角度一定時，即可得到目標位置與無人機當前位置的水平距離。在無人機飛行時，其視野與目標位置間的關(guān)系如圖5所示。圖中，L為無人機與目標果樹的水平相對距離，m。H為無人機與果樹冠層間的相對高度，m。θ為相機軸線與重垂線的夾角，(°)，即相機傾角。β為相機垂直方向的視場角，(°)。h為果樹平均高度，m。P為當前相機在果樹冠層高度上的水平視野寬度，m。

由圖5相機自身參數(shù)關(guān)系及三角函數(shù)關(guān)系可得

(1)

(2)

為了保證圖5所示的對應(yīng)關(guān)系成立，相機傾角應(yīng)滿足

(3)

2.1.2相機視場角

由于GoPro HERO3+相機的鏡頭帶有超廣角，其視頻畸變比較嚴重。為了盡可能減小視頻畸變帶來的影響，采用720p下的Medium模式進行實時拍攝，此時圖像畸變最小。因無線視頻傳輸模塊會對傳輸?shù)囊曨l進行壓縮處理，在Python軟件中實時讀取到的圖像會有黑邊，需要基于Python軟件對實時讀取的視頻進行實際視場角度計算。圖6是用相機獲取的AFT-MCT-OV430型視覺標定板(維視數(shù)字圖像技術(shù)有限公司)圖像。根據(jù)該圖像，可求得相機垂直方向的視場角β=76°，相機焦距f=8.1 mm，水平方向上圖像的總像素數(shù)D=640像素。

根據(jù)式(3)可得，相機傾角應(yīng)滿足38°≤θ<52°。

圖6 視覺標定板圖像Fig.6 Image of visual calibration board

由于一般植保作業(yè)時要求無人機距離果樹冠層的高度為1～3 m[26]，為了獲取較好的導航視野及合適的目標間距，由式(1)、(2)可得不同飛行高度下相機傾角θ與無人機到目標果樹的水平相對距離L及相機在果樹冠層高度上的水平視野寬度P之間的實際關(guān)系。無人機的飛行高度越高、相機的傾角越大，則無人機與目標果樹的水平相對距離L就越大，相機在果樹冠層高度上的水平視野寬度P也就越大。為了使L適合無人機轉(zhuǎn)向的控制周期，且保證無人機在視覺導航時視野中的果樹冠層面積所占比例較大，最終選擇飛行高度為2 m，相機傾角為46°。此時，L=1.0 m，P=18.7 m。

2.2 主要算法設(shè)計

2.2.1GNSS導航方法

圖7 果樹行提取結(jié)果Fig.7 Results of tree row extraction

GNSS導航控制中，GNSS基準站通過數(shù)傳模塊1將定位基準信息發(fā)送至機載GNSS模塊。機載模塊解算獲得無人機定位信息，通過電子羅盤模塊讀取實時航向信息，并將位置信息和航向信息通過機載數(shù)傳模塊2發(fā)送至地面飛控模塊。地面飛控模塊將之與果樹行作業(yè)起點位置進行比較，將比較結(jié)果作為PID控制算法的輸入，計算得到速度、航向等控制量，實現(xiàn)無人機的實時控制。重復上述控制過程，直至無人機飛行至作業(yè)果樹行起點位置后，調(diào)整無人機作業(yè)航向并切換至視覺導航控制。

2.2.2視覺導航方法

2.2.2.1作業(yè)行提取方法

遙控無人機在山地蘋果園上方飛行，使用GoPro HERO3+相機實時獲取視頻信息，并以PAL格式由無線視頻傳輸模塊上傳到計算機端實時存儲為圖像，由于實時拍攝時連續(xù)幀圖像間的區(qū)別不大，故計算機以jpg格式每秒存儲一幀圖像。由于視頻采集卡轉(zhuǎn)換的限制，最終存儲的圖像分辨率為640像素×480像素，實測圖像實時傳輸延時約為200 ms。無人機飛行時，無人機距樹冠高度約2 m，相機傾角為46°，鏡頭垂直方向中線與航向保持一致。從獲取的圖像中隨機選取600幅用于果樹行提取算法中參數(shù)的確定。圖7a是任意選取的3幅圖像。

通常在RGB顏色空間上使用過綠特征(2G-R-B)[27-28]對綠色果樹目標進行識別，其中R、G、B為視頻圖像中紅、綠、藍顏色的分量。圖7a的過綠特征提取結(jié)果如圖7b所示。由于無人機拍攝到的圖像為高空俯視圖像，圖像中不僅有果樹，還有地表雜草、非作業(yè)果樹行等干擾，使得基于過綠特征二值化后的圖像存在較多的粘連區(qū)域，導致果樹行的分割效果差，無法滿足航跡控制要求。

有研究表明，最優(yōu)線性組合識別方法可對視頻進行快速處理[29-30]，因此，本文基于線性組合方法進行果樹行提取，該線性組合式為

y=aR+bG+cB

(4)

式中a——R分量系數(shù)b——G分量系數(shù)

c——B分量系數(shù)

y——線性組合的結(jié)果

為獲取果樹行信息，需要將y映射至0～255范圍內(nèi)，處理為灰度圖后以127為閾值進行二值化處理。將果樹行區(qū)域設(shè)置為白色，其他區(qū)域設(shè)置為黑色。其映射關(guān)系式為

(5)

式中y*——圖像映射結(jié)果

ymin——線性組合處理結(jié)果的最小值

ymax——線性組合處理結(jié)果的最大值

在參數(shù)選取試驗中，發(fā)現(xiàn)B分量對果樹目標行的識別效果影響不大。為了減小程序運算量，確定B分量系數(shù)c=0。通過對600幅圖像的R和G分量進行分析，確定最佳參數(shù)為a=1.95，b=2.00。圖7a進行最優(yōu)線性組合識別后處理結(jié)果如圖7c所示。圖中，白色部分為識別后的果樹區(qū)域?？梢妶D中存在多行果樹，雖然仍有部分區(qū)域存在粘連現(xiàn)象，但從圖7c可以看出，水平方向中心線附近的待作業(yè)果樹行分割效果較好，果樹行趨勢明顯。

以上果樹行識別算法是基于Python3.5平臺，利用OpenCV庫和NumPy庫文件編程實現(xiàn)的，其算法流程如圖8所示。

圖8 果樹行提取算法Fig.8 Flow chart of fruit tree row extraction algorithm

視覺導航時，無人機已由GNSS導航引導至待作業(yè)果樹行正上方且航向已調(diào)整至作業(yè)方向，默認圖像中心區(qū)域為待作業(yè)行。為了提取當前作業(yè)行，以圖像垂直中線為起始位置，分別向左右像素位置進行遍歷，直到遇見黑色的果樹行邊緣或者圖像邊界位置時終止，然后將每像素行左右識別到的端點取其中心位置作為該像素行的果樹中心位置，其結(jié)果如圖7d中綠色點所示。獲取中心位置后，為了獲取與實際果樹行趨勢線一致的擬合線，采用最小二乘法對圖像上所有綠色點進行擬合得到表示實際的果樹行的趨勢線，其結(jié)果如圖7d中藍色曲線所示。從圖中可以看出，在距無人機較近區(qū)域擬合得到的趨勢線與實際果樹行趨勢線基本一致。

2.2.2.2偏航角獲取算法設(shè)計

為了從圖像中獲得當前的偏航角信息，以圖像1/4處水平線與擬合線的交點為當前目標點，即可保證目標點實際位置與無人機距離較近，且選取位置的圖像中果樹區(qū)域占比較大。通過將目標點像素坐標與垂直中線像素坐標作差，即可獲得目標點距離中線的像素差。

設(shè)圖像目標點的像素位置與垂直中線的像素差為d，根據(jù)相機關(guān)系可得

(6)

式中X——相機成像傳感器水平方向長度，mm

δ——無人機偏航角，(°)

參數(shù)X由相機傳感器尺寸決定，本文使用相機X=8.83 mm。

當目標點在中線左邊時，此時像素差為負值，無人機需要左轉(zhuǎn)δ；相反當目標點在中線右邊時，此時像素差為正值，無人機需要右轉(zhuǎn)δ。

將圖7d中目標點距離中線的像素差代入式(6)，即可得到無人機的偏航角。

2.2.2.3視覺導航的控制流程

視覺導航控制中，由云臺搭載RGB相機以確保無人機飛行時圖像中心線與航向保持一致，以及RGB相機傾角固定不變。RGB相機拍攝視頻并通過無線視頻傳輸模塊傳送至地面接收模塊。接收模塊將接收到的視頻信息經(jīng)視頻采集模塊傳輸至便攜式計算機中，運用圖像處理算法將接收到的圖像進行分割得到作業(yè)行區(qū)域，在圖像中求取各像素行中作業(yè)行區(qū)域的中點坐標并擬合得到果樹行趨勢線，該曲線為作業(yè)行分布趨勢。將作業(yè)行趨勢線與圖像中線比較計算無人機偏航角，并將偏航角傳送給地面飛行控制模塊。飛控模塊采用PID控制算法計算得到偏航控制量，實現(xiàn)對無人機作業(yè)中航向的調(diào)整。重復該過程直到檢測到該作業(yè)行結(jié)束后切換至GNSS導航控制。

3 控制系統(tǒng)性能測試與驗證

3.1 GNSS裝置定位精度測量

在對GNSS裝置的定位精度進行測量時，將移動站天線放置在距離地面1 m的水平紙板上，記錄其初始位置的經(jīng)緯度數(shù)據(jù)。然后將該點作為原點，依次移動天線位置使其距離原點位置為3、5、10、20 cm，記錄天線分別位于原點上、下、左、右4個方向不同位置的經(jīng)緯度數(shù)據(jù)，每個位置記錄10個數(shù)據(jù)。根據(jù)測量得到的經(jīng)緯度數(shù)據(jù)和實際的距離，計算GNSS裝置的定位誤差，結(jié)果如表1所示。

表1 GNSS的定位誤差Tab.1 Position errors of GNSS cm

由定位測試誤差可知，3 cm和5 cm間距時誤差基本一致，最大為2.57 cm。在10 cm和20 cm間距時，誤差明顯減小，最大為1.21 cm。表明裝置定位精度為厘米級，可滿足無人機GNSS導航時精確定位的需求。

3.2 圖像處理速度測試

植保無人機的飛行速度一般小于3 m/s，本文選取飛行速度為2 m/s。使用本文提出的偏航角計算方法對視頻進行處理，統(tǒng)計連續(xù)600幅圖像的處理速度，其中處理速度最快為15.05 f/s，最慢為2.35 f/s，平均處理速度為6.53 f/s，且70%以上處理速度都集中于3～5 f/s之間。因此，視覺導航控制率確定為2次/s，可確保每次控制都可完成偏航角的計算，從而保證航跡控制的準確性。

3.3 導航控制性能測試

試驗地點位于甘肅省平?jīng)鍪徐o寧縣山地蘋果園(35.16°N、105.77°E、海拔1 608 m)。該地區(qū)果園的地形為臺階狀，果樹沿等高線單行種植。以該地區(qū)任意3塊不同形狀、不同高度差的蘋果園為對象，對本文提出的GNSS與視覺融合導航試驗方法進行驗證。試驗時間為2018年10月4—6日10:00—14:00。天氣晴，光照充足，陣風，無固定風速風向。

為了獲取各試驗地點三維地形模型，使用大疆Phantom 3 Standard型無人機對果園進行航拍獲取影像，并基于Agisoft PhotoScan軟件(Agisoft，俄羅斯)進行三維地形建模，最終獲取高分辨率的正射影像。將正射影像導入ArcGIS軟件(Esri，美國)，獲取每個作業(yè)行起點的經(jīng)緯度及航向角度，將作業(yè)行起點的信息預先導入控制系統(tǒng)，并用GNSS系統(tǒng)實時記錄無人機的位置信息，作為飛行軌跡。

圖9a為其中一塊山地蘋果園的俯視圖。該圖中共有3行果樹。無人機飛行時，以右上角為飛行起點，左下角為終止點。從右上角到左下角共有48棵果樹。圖中綠色點為手動標注的果樹冠層中心點，用于對導航路徑誤差的計算。獲取ArcGIS軟件中冠層中心點的經(jīng)緯度信息，計算冠層中心點到導航路徑的投影距離，即導航時無人機偏離果樹的誤差。定義航向右側(cè)誤差為正，左側(cè)誤差為負。則遍歷48棵果樹時的導航誤差如圖9b所示。

圖9 導航試驗結(jié)果Fig.9 Results of navigation test

由圖9a可以看出，除個別點外，無人機飛行軌跡較平穩(wěn)。飛行中的誤差絕對值最大處發(fā)生在第2行的果樹上。其原因可能是由于第2行果樹冠層茂密，覆蓋率高，提取果樹行時近場位置所占區(qū)域過大，計算輸出偏航角過大，導致出現(xiàn)過控制；也可能是由于飛行過程中側(cè)風對無人機的影響導致。通過對3塊果園的導航誤差進行統(tǒng)計，得出基于本文提出的GNSS與視覺融合的山地果園無人機航跡控制系統(tǒng)的誤差范圍為-47～42 cm，平均誤差為-9 cm。由于蘋果樹的冠層直徑為300 cm左右，因此，本文提出的航跡控制系統(tǒng)和方法的精度較好，能夠滿足無人機果樹植保作業(yè)的要求。

4 結(jié)論

(1)設(shè)計了GNSS與視覺融合的山地果園無人機航跡控制系統(tǒng)，該系統(tǒng)由無人機飛行平臺和地面控制站兩部分組成。該無人機飛行平臺以四旋翼無人機為載體，整個平臺飛行穩(wěn)定，控制性能良好。設(shè)計并搭建了以NEO-M8P-2芯片為核心的RTK-GNSS定位裝置，試驗結(jié)果表明，定位精度為厘米級，定位精度高。

(2)設(shè)計了視覺導航時偏航角獲取算法。采用線性組合方法提取果樹行信息，基于最小二乘法對果樹行進行擬合，得到果樹行趨勢線，并通過果樹趨勢線獲取了視覺導航偏航角。

(3)山地蘋果園實地試驗表明，設(shè)計的航跡控制系統(tǒng)可完成作業(yè)行間的GNSS導航控制及作業(yè)行中的視覺導航控制。在自然條件下，航跡控制系統(tǒng)的誤差范圍為-47～42 cm，平均誤差為-9 cm。系統(tǒng)控制精度較高，可滿足無人機山地果園植保作業(yè)時精準控制要求。