四旋翼無人機移動平臺跟隨降落系統設計

康 雪 ，馬 瑞 ，曹 杰 ，董亮亮 ，徐金欣

（江蘇理工學院機械工程學院，江蘇 常州 213001）

0 引言

無人駕駛飛機（UAV）是利用無線電遙控設備和自備的程序控制裝置操控的不載人飛機，分為軍用和民用兩種。現在，無人機技術已然成熟，被大量運用于生活中，在消防救災應急通信、植物保護、電力巡檢、快遞運輸、警用巡邏等方面均有廣泛應用[1-6]。軍用無人機[7]規格較大，續航時間在60 h以上，對于目前的無人機來說，這樣長的續航時間已足夠用于大型的抗災、戰爭等方面。而對于民用無人機，因為規模較小，所以普遍續航時間為10 min~20 min，遠遠不能滿足人們日常生活的需求。續航時間是由無人機電機軸數、電機轉速、負重、電池電壓、信號等決定的，其中最重要的是，每次無人機飛行前都需要把電池充滿，同時需要在電量見底之前自主降落至指定平臺，否則無人機會因為電量不足導致墜落損毀。現在多數的無人機精準降落[8]主要是以視覺定位技術主導。李海琳等[9]提出一種搭載電池快換裝置的無人機續航移動基站，這一搭載電池快換裝置的無人機續航移動基站的定位系統具備機器視覺和衛星-慣性導航組合定位系統雙重定位模塊。陳國棟[10]提出UAV/UGV異構系統中的四旋翼自主起降方法。陳至坤等[11]利用機器視覺系統定點識別的方法自主精準降落。于翔[12]驗證了以無人機為中繼進行UWB定位的可行性。

基于上述無人機的研究，續航時間問題影響了各項工作的開展。對此，本文設計了一種跟隨降落系統，考慮到救援等任務在室外進行，本文將在GPS定位的基礎上利用新型UWB定位與視覺識別標簽的方法，跟隨移動平臺，實現準確跟隨降落。

1 四旋翼降落系統設計

1.1 總體設計

四旋翼無人機跟隨移動平臺由四旋翼飛行器與無人駕駛小車構成，包含了GPS、UWB、OpenMV等傳感器的定位技術。無人機以自身坐標系和地面坐標系控制方向，以世界坐標系{A}為飛行姿態的參考坐標系。其中，無人車作為無人機的降落平臺，它的運動相對于世界坐標系{A}，復雜的全向運動可分為平移與轉動。構建無人機—無人車總體設計示意圖，設四旋翼坐標系為{B}，無人車的坐標系為{C}，兩者坐標系關系及OpenMV、4個基站T1、T2、T3、T4與標簽T0的位置，如圖1所示。

圖1 無人機—無人車總體設計示意圖

1.2 UWB定位系統設計

UWB定位中，飛行時間根據雙向測距飛行時間法計算[10]：

基站與標簽之間的信號將作為球體散播，利用球面定位目標標簽位置，節點T0與參考節點T1、T2、T3、T4之間的距離RANGTi(T0)決定以Dij=RANGTI(T0)為半徑、T0為中心的球，位置(Xi,Yi,Zi)=POS(Ti)由中心位于 (T1,···,Tk)，半徑為 (Di1,···,Dik)的k個球的交點決定。設4個位置已知的節點坐標分別為(x1,y1,z1)、(x2,y2,z2)、(x3,y3,z3)、(x4,y4,z4)，目標標簽的坐標p為(x,y,z)。則有以下關系成立：

求解式（2）方程組可算出目標節點的坐標參數，但由于會產生系統與隨機誤差，造成位置不精準。因此，本文先計算飛行時間差TDOA，再利用三維幾何關系、Taylor級數算法確定未知節點(T0)的位置坐標。

三維Taylor級數算法從假設初值(x(0),y(0),z(0))開始計算，設未知節點坐標(x,y,z)，其他錨節點的位置為上述4個已知節點坐標。則未知節點到第i個錨節點的位置Di為[13]：

式中，c代表光速。

未知節點位置坐標誤差(Δx,Δy,Δz)為：

式中，Q是到達時間差TDOA的協方差矩陣。

令x=x(0)、y=y(0)、z=z(0)代入矩陣（5）中，算出D1、D2、D3、D4的值，用x(0)+Δx代替x的值，y(0)+Δy代替y，z(0)+Δz代替z，直到步驟循環到Δx、?y、?z足夠小，即求得目標標簽(x,y,z)。

1.3 機器視覺處理

為確保識別到完整的標簽內容，精簡實驗，達到識別降落的效果，本文采用OpenMV識別H字符的形式進行識別降落。與AprilTag二維碼識別功能類似，H字符識別通過Sensor模塊拍攝，如圖2所示。

圖2 OpenMV識別H字符降落

識別成功后發送至無人機處理端，為確定無人機與無人車之間的位置關系，以無人機上的OpenMV為傳感器計算兩者坐標差。當相機光心投影于圖像坐標系時，相機的位置在圖像上以像素點形式存在。利用OpenMV識別生成的矩形框，可得到中心點像素坐標p(u1,v1)，此時坐標為相機于圖像上的坐標。設無人車上H字符的圖像坐標為q(u2,v2)，未識別到H字符時，無人機通過UWB定位，識別到字符時改用OpenMV識別，此時利用p(u1,v1)-q(u2,v2)計算得到相機與字符的坐標差，即可獲得無人機與無人車的坐標差。

1.4 數據融合處理

為使無人機定位更精準，本系統采用基于經典卡爾曼濾波的多傳感器信息融合處理。離散時間線性卡爾曼濾波模型主要根據系統上時刻的狀態估計值與當前時刻的狀態測量值估計當前狀態，由此得到更為準確的位置估計值。因此，可用最小方差無偏原則估計得到當前的狀態估計值，卡爾曼濾波的計算方程組為：

式中，XK|K∈Rn為K時刻的狀態向量；XK|K-1∈Rn為K時刻的觀測向量；UK-1∈Rn為K-1時刻的控制向量；ΦK-1∈Rn×n為K-1時刻到K時刻的系統轉移矩陣，ΦK-1是K-1時刻不變的常數矩陣；HK-1∈Rm×n為K-1時刻的觀測矩陣。

卡爾曼數據融合處理步驟如圖3所示。

圖3 卡爾曼濾波融合處理步驟

2 實驗結果與分析

測量無人車與無人機兩者尺寸，無人車長100 cm、寬55 cm、高28 cm，降落平臺面積為5 500 cm2，無人機長28.7 cm、寬28.3 cm、高10.5 cm。對飛行數據進行卡爾曼濾波計算前，先將數據分組處理，無人機在三維中軌跡運動分為x軸、y軸、z軸，分別得到三軸數據后對其進行卡爾曼濾波，濾波結果如圖4所示。

圖4 分成三軸方向對數據卡爾曼濾波處理結果

對三軸分別卡爾曼濾波處理，對比處理前后的飛行軌跡，經過卡爾曼濾波處理后的無人機飛行與預期位置的偏移更少，系統卡爾曼濾波前后誤差對比如圖5所示。

圖5 系統卡爾曼濾波前后誤差對比

在分別對無人機卡爾曼濾波后，無人機的偏移誤差降低。配合移動平臺，卡爾曼濾波前的飛行軌跡與卡爾曼濾波后的飛行軌跡對比如圖6所示。

圖6 無人機—無人車系統的卡爾曼濾波處理前后軌跡對比

可見，卡爾曼濾波后的飛行軌跡與小車軌跡接近，實現了無人機跟隨移動平臺，提高了跟隨移動平臺飛行的精確度，減少了無人機在飛行過程中因誤差與自然因素導致飛行出現偏移的狀況，為后續無人機降落于無人車上提供了更高的精準度，使其安全性更高。

將無人車放置于地面上，啟動程序，讓無人車在固定范圍內自主移動，接著釋放無人機，兩者距離相差較遠時，無人機根據GPS快速導引，定位無人機的大致位置，中段切換UWB導引，對無人車采用球面定位，近距離時利用OpenMV識別H標簽算法定位，如圖7所示。

圖7 多段制導示意圖

3 結語

四旋翼無人機相對于其他型號無人機，姿態與飛行模式轉換的可操控性更強。本文介于航空母艦的應用場景下，通過多段定位制導結合，建設無人機能自主跟隨移動小車的平臺。與傳統定位系統GPS相比，本文增加了UWB定位與OpenMV導航降落，通過串口通信，將不同階段的位置信息傳給飛控，利用卡爾曼濾波分階段融合數據，達到多段制導的目的，實現更高精度的降落。