基于四旋翼无人机新型控制方式

时间：2024-05-18

刘一航，钟继康

基于四旋翼无人机新型控制方式

刘一航，钟继康

（武汉理工大学机电工程学院，湖北武汉 430070）

目前四轴飞行器的技术日趋成熟，针对于四轴飞行器的研究已经从研究方向转化为应用方向，是目前较为合适的无人飞行开发平台。与此相对应的是我国的国土面积广阔，地形复杂多变，采用车辆等地面交通工具相对速度较慢，其在针对于植物调查统计方面速度较慢，因此目前所采取的主要模式为卫星遥感与地面人力普查相结合。随着四轴飞行器的商业化以及平民化，四轴飞行器结合视觉识别可以有效解决此类问题。探讨了在国有机耕农场环境下四轴飞行器的新型控制以及使用方式，望对完善我国的机器人操控科技有一定的指导意义。

四轴飞行器；新型控制方式；植物保护；视觉识别

1 四轴飞行器（硬件平台）

1.1 四轴飞行器的现状

四轴无人机又称四轴飞行器，其采用Linux系统作为其核心架构，机械结构相对较为简单。目前国内的商用无人机技术已经相对成熟，以DJI为代表的国内的公司的无人机的性能相对优异。目前对四轴无人机的研究已经从科研方向转换为应用方向，主要与机器视觉等技术结合，并且目前商用无人机的开发可以与现在的开源代码相结合做出一定的优化，将复杂的机器人开发变得简易化。

1.2 商用飞行器的优势特点

1.2.1 二次开发简单

目前的商用无人机一般都为二次开发留下了接口，可以快速通过二次开发接口对无人机进行二次开发。以DJI为例，DJI在官网上就有对应的二次开发工具提供，这些二次开发工具的开发环境一般为Linux等开源系统。这些二次开发工具（sdk编写器）在二次开发中表现了可靠的特性。

1.2.2 支持先进传感器和执行器

无人机具有一定的兼容性，在飞控芯片允许的情况下可以与其他类型的传感器相结合，直接嵌入到原有的系统中。无人机常用的传感器包括红外线传感器、超声波传感器等多种类型的传感器做外部开发。在实际的二次开发中，建议使用相对较为先进的传感器，减少环境对于传感器的干扰，可以有效提升传感器的抗干扰能力。

1.2.3 支持多种类型的终端进行控制

无人机可以接受多种终端进行控制，包括移动终端（手机等具有通讯能力的装置）、计算机（固定通讯终端）和专门的摇杆遥控器，同时无人机支持多终端交换信息。无人机支持多种语言（c语言，python）进行控制，对于程序编写的语言种类要求相对较低。

1.2.4 安全性高

目前的商用无人机采用的系统高度安全化，商用无人机的飞控系统一般需要无人机的摄像头正常工作后才可以控制无人机。同样，目前的商用四轴飞行器一般具有防撞壁功能和检测到无人机处于较为危险的环境下自动返回的功能。自己的二次开发工具所撰写的程序的优先级低于无人机的飞控系统的优先级，可以有效保证机体的安全。

1.3 四轴飞行器的不足之处

目前四轴飞行器尽管具有诸多的优势，但是依然存在一些不足。一方面由于目前大部分机器人的操作系统的基础内核都是Linux系统，而Linux系统与现在较为常用的视窗系统的操作模式不同，为熟练掌握无人机的二次开发必须有效掌握Linux系统。另一方面，商用四轴飞行器仍然是一种飞行器，在飞行的过程中需要考虑到气动力的影响。一些复杂的动作或者风向风力的改变都会对飞行器本身的飞行姿态造成一定的影响。由此可知，该系统现在的二次开发还是针对于技术人员，无人机的操作使用还是针对于受过一定训练的人员。在今后的发展中，四轴飞行器的飞控建议针对于高空复杂气流，并且简化二次开发采用模块化编程，从而拓宽四轴无人机的应用范围。

2 基于四轴无人机的机耕农场的新型使用方案

2.1 四轴飞行器的实际飞行姿态以及控制方案

四轴无人机的空间自由度为6，但是其仅有4个主动构件提供原动力，因此其属于一种典型的欠驱动系统，相对能实现的飞行姿态较少。

2.1.1 垂直运动

四旋翼无人机的旋翼在旋转的会产生扭矩，飞行过程会对机身造成一定的影响，因此在实际使用中采用两对相反旋转的电机进行控制。四个旋翼扭转的过程当中会发生升力，在轴和轴的扰动量较小的情况下改变四个旋翼转速同步增添或减小是垂直活动的关键。

2.1.2 前后运动与侧航运动

无人机的前后运动以及测航运动都属于在和轴方向上的运动，而四旋翼无人机产生的升力方向是针对于垂直方向上，水平面内的运动需要产生一定程度的倾斜，产生一定程度的水平分量。

2.2 实际无人机的控制方案

2.2.1 通信控制方法

无人机的通信控制主要是基于Mavlink协议进行传输，该协议遵循LGPL开源协议。该协议的连接方式有两种，第一是串口通信，第二是基于TCP/UDP协议的无线网络通信。其串行通信是使用XBee模块进行通信，但是其数据波特率仅有1 152 000 bps，串行口通信在高频传输大量信息的时候可能发生丢包，导致信息传输出现严重问题。因此，本项目选择了高速SPO转WIFI模块进行传输，这种串行外设接口（SPI）属于告诉同步串行输入输出接口，并且支持16级深度发生接受FIFO，可以有效降低飞控系统的资源占用。

2.2.2 图片识别

作品针对机耕农场的冬季小麦的成熟与收割，小麦成熟的一个显著特点就是小麦会从青色逐渐转变为亮黄色。撂荒或者轮耕的土地所呈现的土黄色为一种暗黄色，暗黄色相较于成熟的亮黄色的亮度、饱满度都相对较低。因此在针对机耕农场的冬小麦收割期的植物进行有效监察的前提下，本项目选择主要以颜色识别为核心的识别模式。本项目采用其他较为复杂的识别手段，对于提升识别冬小麦成熟的能力相对有限，而需要占用较多的运算资源识别速度较慢。颜色识别主要需要的算法为二值化算法即RGB转HSV算法。具体如图3和图4所示。

max=max（，，）；

min=min（，，）；

=max（，，）；

=（max－min）/max；

if（=max）=（－）/（max－min）*60；

if（=max）=120+（－）/（max－min）*60；

if（=max）=240+（－）/（max－min）*60；

if（<0）=+360；

小麦成熟前为青色，其RGB值为0，255，255，转化为HSV数学模型后为180，1，255.小麦成熟后为黄色，其RGB值为255，255，0，转化为HSV数学模型后为60，1，255.其识别仅计算灰度即可，黄色与青色在HSV模型下为互补色，识别起来相对快速。

在识别确认了黄色色块后，软件将进行形状识别，图片所拍摄的画面承载的土地大小一定，在得到灰度图后灰度接近60的部分将会采用画圆的方法简单的画出成熟小麦的外框区域。得到其大致成熟区域的外形后，将根据图片比例与图形比例计算出成熟区域占据整体区域的比例，在计算出比例后将会将数据上传给上位机。

图1 RGB颜色模型

图2 HSV颜色模型

3 机耕农场无人机的监察方案的具体实施

四轴飞行无人机的飞控系统会与地面终端实时交换位置信息以及图片信息，地面终端会通过GIS定位数据以及无人机传输回来的图片数据分析分析无人机实时位置。在分析图片数据的过程中，会借助Camshift跟随算法，帮助计算具体的无人机的位置坐标，有效地对自身位置判断。

无人机所搭载的飞控系统的处理能力相对较弱，并且在实时处理的过程中会根据卫星的定位数据以及实际情况，对于无人机所拍摄到的实时数据进行传输以及存储在自身携带的SD卡。在无人机的控制过程中，导航控制、算法功能以及数据的实时传输有效保证了操控的准确性和实时性。

无人机传输的照片将会根据拍摄的实际位置进行综合分析最终进行编号，并且这些图片最终会汇集成为一张云图，云图上包括大量的实时的植物生长阶段的数据。

无人机在对整个环境的监测中会根据实际情况采取不同的图像识别手段，例如在判断经济作物的成熟中主要采用颜色识别，判断经济作物的种植密度以及种植的间距的情况下主要采用纹理识别。

在不同的环境下对于机耕农场进行监察，需要对应针对其图片特征进行有效采集以及汇总至数据库内，根据实际需要选择对应的功能。

4 结论与不足

4.1 在开阔环境下具有良好的任务完成能力

四轴飞行器的飞行受到气象条件以及地形限制较为严重，而在光线条件较好并且处于微风环境下的开阔地、四轴飞行器所表现出来的完成任务能力较好。因其在光线较好的情况拍摄的图片亮度较高，饱和度以及色域相较于光线较差环境下拍摄的图片更加明显，区分度更高。这样可以有效降低无人机飞控系统在图像识别上的资源分配，可以将相对较多的资源分配给飞行姿态的控制。