基于多傳感器融合的植保無人機自主著陸系統(tǒng)

于坤林，于明清

（長沙航空職業(yè)技術(shù)學(xué)院，湖南長沙，410124）

0 引言

目前，無人機自主著陸技術(shù)主要采用精密進(jìn)場雷達(dá)著陸引導(dǎo)技術(shù)、微波著陸引導(dǎo)技術(shù)、衛(wèi)星導(dǎo)航著陸引導(dǎo)技術(shù)和計算機視覺著陸引導(dǎo)技術(shù)等著陸技術(shù)[1-2]，這些單一的著陸技術(shù)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(zhǔn)確著陸，可以考慮將高度傳感器[3]和機器視覺傳感器結(jié)合在一起，組成一款多傳感器融合的無人機自主著陸系統(tǒng)，著陸系統(tǒng)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(shù)應(yīng)用于農(nóng)業(yè)植保無人機自主著陸當(dāng)中，有效地解決了植保無人機精準(zhǔn)自主著陸問題。

1 系統(tǒng)總體架構(gòu)設(shè)計

基于多傳感器融合的植保無人機自主著陸系統(tǒng)主要由高度測量系統(tǒng)、機器視覺系統(tǒng)、飛行控制系統(tǒng)三部分組成。其中高度測量系統(tǒng)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?；诙鄠鞲衅魅诤系闹脖o人機自主著陸系統(tǒng)總體架構(gòu)設(shè)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(tǒng)總體架構(gòu)設(shè)計框圖

高度測量系統(tǒng)解算出高度信息，機器視覺系統(tǒng)解算出無人機的俯仰角、滾轉(zhuǎn)角和航向角等姿態(tài)信息以及位置信息；植保無人機自主著陸系統(tǒng)最終將高度測量解算出的高度信息和機器視覺系統(tǒng)解算出的位姿信息進(jìn)行數(shù)據(jù)融合，飛行控制系統(tǒng)依據(jù)融合后的高度、姿態(tài)和位置等信息精準(zhǔn)控制農(nóng)業(yè)植保無人機的自主著陸。

1.1 高度測量系統(tǒng)

植保無人機高度測量系統(tǒng)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(tǒng)把三個高度傳感器測量出的高度通過加權(quán)平均算法進(jìn)行數(shù)據(jù)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(shù)據(jù)。

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(yīng)的大氣壓強，R是空氣專用氣體數(shù)，是重力加速度。

1.1.2 激光傳感器

激光傳感器由激光發(fā)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(fā)射器對準(zhǔn)地面發(fā)射激光脈沖，激光經(jīng)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(fā)出到返回被接收所經(jīng)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(fā)送器部分、接收器部分和控制部分構(gòu)成。超聲波傳感器測高原理是通過超聲波發(fā)射器向地面發(fā)射超聲波，并根據(jù)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(tǒng)

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(tǒng)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(biāo)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(jìn)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(jìn)行圖像處理、特征提取以及位姿估計，機器視覺系統(tǒng)最終解算出無人機的俯仰角、滾轉(zhuǎn)角和航向角等姿態(tài)信息及位置信息。

1.3 飛行控制系統(tǒng)

飛行控制系統(tǒng)主要由傳感器、機載計算機和伺服作動設(shè)備組成，飛行控制系統(tǒng)依據(jù)融合后的高度、姿態(tài)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(nóng)業(yè)植保無人機的著陸。

2 系統(tǒng)軟件設(shè)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(tǒng)中的CCD圖像傳感器將著陸點地面識別標(biāo)志進(jìn)行采集，然后視覺處理模塊對采集到的地面識別標(biāo)志圖像進(jìn)行圖像濾波等圖像預(yù)處理，然后再對地面識別標(biāo)志圖像進(jìn)行特征提取、特征匹配和位姿估計得到位置和姿態(tài)信息。同時高度測量系統(tǒng)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(jìn)行自適應(yīng)高度加權(quán)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(tǒng)最終將機器視覺系統(tǒng)解算出的位置、姿態(tài)信息以及高度測量系統(tǒng)解算出的高度信息進(jìn)行數(shù)據(jù)融合，最后依據(jù)融合后的高度、位置和姿態(tài)等信息進(jìn)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(zhǔn)確，高度測量系統(tǒng)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(yīng)加權(quán)平均算法進(jìn)行數(shù)據(jù)融合處理，從而保證了高度測量的精準(zhǔn)性。

對三個高度傳感器測量出的高度數(shù)據(jù)采用了加權(quán)平均算法為：

其中的系數(shù)(k1,k2,k3)稱權(quán),他說明該系數(shù)后面的數(shù)據(jù)在整個統(tǒng)計數(shù)據(jù)中占的比重.也說明這個數(shù)據(jù)對統(tǒng)計結(jié)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(quán)平均算法后的無人機高度。

3.2 目標(biāo)識別和位姿估計

目標(biāo)識別算法包括對著陸地標(biāo)彩色圖像進(jìn)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(guān)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(biāo)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(jìn)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(xì)節(jié)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(shù)點的滑動窗口，將窗口中心點的值用窗口內(nèi)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(jìn)行中值濾波，對含有噪聲的著陸地面標(biāo)志灰度圖像進(jìn)行濾波仿真實驗如圖3所示。

圖3 無人機著陸地面標(biāo)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(jié)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(biāo)志灰度圖像進(jìn)行邊緣檢測。由高斯濾波和拉普拉斯算子結(jié)合由高斯函數(shù)根據(jù)拉普拉斯算子的公式求導(dǎo)可得：

采用LOG算子進(jìn)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(jìn)行平滑濾波去噪；

(2)采用拉普拉斯算子對濾波后的圖像進(jìn)行增強處理；

(3)依據(jù)二階導(dǎo)數(shù)零交叉對增強后的圖像進(jìn)行邊緣檢測。對著陸地面標(biāo)志灰度圖像進(jìn)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(biāo)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(jìn)行濾波而直接對圖像進(jìn)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(xì)節(jié)，只有圖4(d)邊緣定位準(zhǔn)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(nóng)業(yè)植保無人機著陸點的地面標(biāo)志圖像進(jìn)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(tài)估計的關(guān)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(dāng)前圖像的角點與參考圖像的角點進(jìn)行匹配，根據(jù)旋轉(zhuǎn)矩陣解算出無人機的姿態(tài)角，并根據(jù)視覺標(biāo)志質(zhì)心與圖像中心的位置關(guān)系及相機成像原理實現(xiàn)視覺標(biāo)志的位置估計[5]。對地面標(biāo)志進(jìn)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(biāo)志特征點提取后的圖像

4 結(jié)束語

本文設(shè)計的多傳感器融合植保無人機自主著陸系統(tǒng)能夠精確地測量低空植保無人機飛行或著陸高度，能夠準(zhǔn)確地識別著陸點地標(biāo)并能解算出無人機的著陸位置以及無人機的姿態(tài)信息，從而能夠?qū)崿F(xiàn)無人機的自主精準(zhǔn)著陸。本設(shè)計解決了依靠單一的著陸技術(shù)所存在的一些問題，具有比較好的應(yīng)用價值。