四旋翼飛行器自主巡線(xiàn)圖像快速檢測(cè)算法研究

馮新宇，王賀磊，蔣洪波

(黑龍江科技大學(xué)電氣與控制工程學(xué)院，哈爾濱 150022)

0 引言

四旋翼無(wú)人飛行器測(cè)量方位采用慣導(dǎo)器件實(shí)現(xiàn)，而室外測(cè)量通常采用GPS的方法，激光雷達(dá)和超聲波器件用于避障。在城市的狹小空間或者敵對(duì)環(huán)境下這種方式是不可靠的[1-3]。引入計(jì)算機(jī)視覺(jué)技術(shù)來(lái)實(shí)現(xiàn)更復(fù)雜的任務(wù)是無(wú)人機(jī)技術(shù)的發(fā)展趨勢(shì)，如目標(biāo)跟蹤、軍事偵查、電力巡檢等[4]。目前小型四旋翼飛行器的自主飛行通過(guò)自駕儀模塊實(shí)現(xiàn)，半自主飛行一般通過(guò)遙控器實(shí)現(xiàn)[5]。飛行器在飛行過(guò)程中，空間的絕對(duì)位置獲取是飛行安全的重要指標(biāo)之一[6]。目前利用計(jì)算機(jī)視覺(jué)和慣性導(dǎo)航器件相結(jié)合以準(zhǔn)確估計(jì)無(wú)人機(jī)位置和方位已成為發(fā)展的主流。視覺(jué)實(shí)現(xiàn)部分自主飛行的算法包括：跟蹤FAST算法[7]、SIFT算法[8]、SURF算法[9]、Harris檢測(cè)算法[10]等。這些算法不是專(zhuān)用的巡線(xiàn)算法，在小型四旋翼飛控運(yùn)行響應(yīng)時(shí)間較長(zhǎng)，響應(yīng)時(shí)間超過(guò)100ms。在特定的領(lǐng)域應(yīng)用，兼顧圖像處理和飛行控制是小型四旋翼飛行器主要面臨的問(wèn)題。本文在設(shè)計(jì)了基于STM32F407微控制器的四旋翼飛行器基礎(chǔ)之上，分析幾種經(jīng)典圖像處理算法的基礎(chǔ)上，提出一種自主巡線(xiàn)圖像快速檢測(cè)算法，滿(mǎn)足小型微控制器的處理要求，能快速感知路徑的信息，按規(guī)定的路線(xiàn)完成飛行任務(wù)。

1 控制原理

四旋翼飛行器飛行的參照飛行目標(biāo)設(shè)定為深色黑線(xiàn)。圖像處理的核心就是短時(shí)間快速識(shí)別這條路線(xiàn)，保證飛行器在高速飛行過(guò)程中快速響應(yīng)，保證正常的飛行姿態(tài)。本文針對(duì)傳統(tǒng)圖像處理算法并不能完全滿(mǎn)足一些特定場(chǎng)合的飛行需求，提出一種圖像融合處理算法控制四旋翼按指定路徑飛行，原理如圖1所示。

系統(tǒng)上電后完成初始化攝像頭，進(jìn)入圖像數(shù)據(jù)準(zhǔn)備就緒狀態(tài)，通過(guò)STM32F407微控制器獲取圖像數(shù)據(jù)。在不影響圖像質(zhì)量的前提下，為了保證信息處理實(shí)時(shí)性，本文處理黑白圖像，以減少數(shù)據(jù)量提高運(yùn)行的速度。利用采集處理的數(shù)據(jù)融合PID算法實(shí)現(xiàn)對(duì)四旋翼飛行器的空間絕對(duì)位置的控制。

圖1 圖像處理流程

2 圖像融合PID算法實(shí)現(xiàn)

2.1 算法思想

算法核心思想是減少圖像的數(shù)據(jù)量的同時(shí)，快速檢測(cè)路徑。圖像融合算法首先處理攝像頭采集的圖像數(shù)據(jù)的椒鹽噪聲即噪聲處理。然后，在去噪圖像基礎(chǔ)上識(shí)別出路徑的邊緣，同時(shí)變成黑白效果。為了進(jìn)一步減少圖像處理的數(shù)據(jù)量，對(duì)圖像進(jìn)行細(xì)化，用骨架來(lái)表示圖像，通過(guò)擬合實(shí)現(xiàn)需要的圖像。融合處理后的圖像數(shù)據(jù)量較小，在飛行器快速飛行過(guò)程中結(jié)合PID算法，能有效地識(shí)別路徑，提高飛行器姿態(tài)的控制精度。

2.2 算法實(shí)現(xiàn)

(1)去噪處理

在圖像采集后傳輸?shù)倪^(guò)程中受到干擾后形成椒鹽噪聲，椒鹽噪聲會(huì)影響圖像的邊緣輪廓和細(xì)節(jié)，對(duì)圖像進(jìn)行去噪處理后的像素值為：

g(x，y)=mendian{f(x-i，y-j) };(i，j)∈S

(1)

式中，f(x，y)為原始圖像在(i，j)出的像素值；g(x，y)為處理后的圖像在(i，j)出的像素值；S為模板，采用3×3矩陣。

(2)路徑邊緣的獲取

圖像的邊緣部分一般像素灰度變化較大，形成了階躍信號(hào)。因此可通過(guò)對(duì)階躍變化信號(hào)的檢測(cè)獲取路徑邊緣信息，我們采用卷積的計(jì)算方法實(shí)現(xiàn)，將式(1)分別在水平方向和垂直方向求導(dǎo)。

水平方向求導(dǎo)：

(2)

垂直方向求導(dǎo)：

(3)

根據(jù)公式(2)和(3)可得到近似梯度值：

(4)

(3)圖像灰度和骨架的提取

可根據(jù)圖像的二值化獲取圖像的灰度及骨架信息。圖像二值化就是將圖像上的像素點(diǎn)的灰度值設(shè)置為0或255，也就是將整個(gè)圖像呈現(xiàn)出明顯的黑白效果，再進(jìn)一步獲取圖像骨架。根據(jù)式(4)可得：

(5)

式中，G(x，y)為原始圖像素值，T(x，y)為灰度處理后像素值。

(4)圖像擬合

四旋翼飛行器絕對(duì)位置控制以黑色的直線(xiàn)為參照物，本文采用霍夫變換擬合方法擬合圖像檢測(cè)過(guò)程中的黑色直線(xiàn)。T(x，y)為圖像輪廓上任意一點(diǎn)。采用極坐標(biāo)(ρ，θ)表示。它們的關(guān)系用(x，y)表示為：

ρ=xcosθ+ysinθ

(6)

把(ρ，θ)看成一個(gè)二維平面，經(jīng)過(guò)累加之后就是某個(gè)方向點(diǎn)的數(shù)量。該步驟最終可以計(jì)算直線(xiàn)圖像的起點(diǎn)和終點(diǎn)坐標(biāo)，進(jìn)而計(jì)算出直線(xiàn)的斜率。斜率數(shù)據(jù)可以使用PID算法對(duì)飛行器的飛行平面進(jìn)行位置控制，進(jìn)而實(shí)現(xiàn)了圖像數(shù)據(jù)和PID算法的融合。

(5)位置式PID融合

這樣四旋翼飛行器在飛行過(guò)程中傾角小于10度，近似看成在平面運(yùn)動(dòng)。四旋翼飛行系沿著圖像擬合后的斜率直線(xiàn)飛行，設(shè)定起點(diǎn)偏航角參數(shù)。根據(jù)當(dāng)前的圖像融合后的直線(xiàn)斜率作為輸入，PID的輸出對(duì)應(yīng)的是計(jì)算后的偏航角，當(dāng)斜率變化時(shí)，對(duì)應(yīng)改變偏航角，達(dá)到修正直線(xiàn)斜率的作用。即實(shí)現(xiàn)了根據(jù)線(xiàn)路飛行。

位置式PID離散化后的數(shù)學(xué)表達(dá)式為：

(7)

其中，y(k)為第k個(gè)采樣時(shí)刻的控制，Kp比例放大系數(shù)，實(shí)際編程控制取值為0.05；Ki積分放大系數(shù)，取值為0.01；Kd為微分放大系數(shù)，取值為6。e(k)=x(k)-x(k-1)，沿著這一點(diǎn)遍歷整條直線(xiàn)，得到最終控制的值。

3 實(shí)驗(yàn)結(jié)果及分析

本次實(shí)驗(yàn)四旋翼飛行器的主要參數(shù)為，處理器采用STM32F407單片機(jī)搭載μC/OS-III操作系統(tǒng)。在2米×5米的白紙上粘有黑色直線(xiàn)與黑色直角彎的地面上進(jìn)行實(shí)驗(yàn)。攝像頭安裝位置為垂直地面，即鏡頭與地面呈90度角。具體參數(shù)如表1所示。

表1 四旋翼飛行器主要參數(shù)

根據(jù)這些參數(shù)，采用北航可靠飛行控制組研制開(kāi)源在線(xiàn)評(píng)測(cè)系統(tǒng)，飛行器飛行最大速度5.1m/s。其他評(píng)測(cè)參數(shù)如圖2所示。

圖2 在線(xiàn)評(píng)測(cè)數(shù)據(jù)

3.1 去燥處理結(jié)果及分析

根據(jù)公式(1)對(duì)采集到的圖像進(jìn)行去燥處理，結(jié)果如圖3所示。圖3(a)為攝像頭讀取的原始灰度圖像和圖3(b)為經(jīng)過(guò)濾波后的灰度圖像。

圖3 去燥處理結(jié)果

通過(guò)圖3(a)可以明顯地看出原始圖像數(shù)據(jù)的背景有很多污點(diǎn)可以看作椒鹽噪聲，而經(jīng)過(guò)濾波處理后的圖像這些噪聲大部分被去除前景與背景可以輕易地區(qū)分出來(lái)。

3.2 路徑邊緣獲取結(jié)果及分析

根據(jù)公式(2)、(3)和(4)，在3(b) X軸與Y軸卷積之后得到路徑邊緣獲取的結(jié)果如圖4所示。對(duì)于灰度圖像來(lái)說(shuō)其邊緣變?yōu)榘咨熬?，而原圖中灰度數(shù)值變化不明顯的區(qū)域則變?yōu)楹谏尘啊?/p>

3.3 圖像灰度和骨架的提取

圖4的圖像已經(jīng)可以清楚地觀(guān)測(cè)到我們需要檢測(cè)的直線(xiàn)，但是每條線(xiàn)的像素點(diǎn)較多。為了進(jìn)一步減少圖像數(shù)據(jù)量，進(jìn)行圖像的灰度和骨架提取。圖5為提取后的結(jié)果。處理后的圖像數(shù)據(jù)量降低了很多，同時(shí)也滿(mǎn)足飛行要求。與傳統(tǒng)的Roberts、Prewitt、LOG的邊緣提取算子比較，減少了噪聲。

圖4 路徑邊緣處理結(jié)果

圖5 灰度骨架數(shù)據(jù)

3.4 圖像擬合結(jié)果及分析

圖5中共有三條直線(xiàn)，左側(cè)兩條距離較近可以通過(guò)后期軟件處理進(jìn)行合并，右側(cè)的一條直線(xiàn)是無(wú)關(guān)數(shù)據(jù)，可通過(guò)在霍夫變換算法中添加直線(xiàn)有效長(zhǎng)度來(lái)去除。最終獲取的控制信息，再由PID算法對(duì)四旋翼飛行器的X軸、Y軸及偏航進(jìn)行控制。

3.5 絕對(duì)位置控制結(jié)果及分析

根據(jù)圖PID算法式(7)實(shí)現(xiàn)了四旋翼飛行器的絕對(duì)位置控制通過(guò)了實(shí)際飛行測(cè)試驗(yàn)證，結(jié)果如圖6和圖7所示。圖6為四旋翼飛行器通過(guò)算法確定X軸方向的位置信息而在X軸方向上固定順著Y軸方向飛行；圖7位四旋翼飛行器通過(guò)算法確定X軸與Y軸兩個(gè)方向的位置信息從而在一個(gè)固定的點(diǎn)飛行。

圖6 X軸方向的位置信息

圖7 X軸與Y軸兩個(gè)方向的位置信息

在實(shí)驗(yàn)中圖像算法運(yùn)行飛行器最大飛行速度5.1m/s，飛行器能穩(wěn)定按預(yù)定路徑飛行。滿(mǎn)足了位置穩(wěn)定的要求。通過(guò)圖像算法與控制算法可以實(shí)現(xiàn)在平面空間對(duì)四旋翼飛行器進(jìn)行精確的巡線(xiàn)跟蹤控制飛行，增強(qiáng)了四旋翼飛行器的控制能力與靈活性。

4 結(jié)語(yǔ)

筆者提出了巡線(xiàn)圖像的快速檢測(cè)算法，結(jié)合飛行器的姿態(tài)數(shù)據(jù)，給出了一種四旋翼飛行器自主巡線(xiàn)定位的控制策略。采用MPU9250慣性單元，獲取飛行器的姿態(tài)和角速度信息，攝像頭獲取圖像信息。利用圖像融合算法對(duì)飛行線(xiàn)路實(shí)時(shí)采樣，經(jīng)測(cè)試連續(xù)兩幀圖像時(shí)間間隔50ms，適用于小型四旋翼飛控，特別是對(duì)于處理器能力較弱的飛控。實(shí)現(xiàn)有效時(shí)間的參數(shù)調(diào)整，改善了飛行器飛行偏差，可根據(jù)位置偏差及時(shí)調(diào)整飛行路徑，實(shí)現(xiàn)了飛行器空間巡線(xiàn)的實(shí)現(xiàn)。