CN104656664A - 车载多旋翼无人直升机着陆导引控制***及导引控制方法 - Google Patents

Abstract

本发明公开了一种车载多旋翼无人直升机着陆导引控制***及导引控制方法，控制***包括车载导引子***和机载控制子***，车载导引子***主要包括两套视觉处理***和导航计算机。基于该导引控制***，采用双目视觉的导引方法，通过对两套视觉处理***的数据解算，实现对多旋翼无人直升机的精确定位，通过飞行控制计算机控制多旋翼无人直升机降落在车辆上的目标位置，提高了多旋翼无人直升机的实用性和应用范围。

Description

车载多旋翼无人直升机着陆导引控制***及导引控制方法

技术领域

本发明公开了一种车载多旋翼无人直升机着陆导引控制***及导引控制方法，属于遥控模型(无人)多旋翼直升机的自主飞行控制技术领域。

背景技术

多旋翼无人直升机是一种结构简单、易于操控、可垂直起降、悬停状态稳定的无人飞行器。多旋翼无人直升机根据支臂数不同大致可以分为：三轴、四轴、六轴及八轴，除三轴结构以外，其他结构每个支臂可以采用单层旋翼布局或双层旋翼布局。多旋翼飞行器不同的支臂数和旋翼数量，可以实现不同的负载能力。多旋翼无人直升机有极高的可控性、机动性和稳定性，并且具有低噪声、无污染、携带方便、安全危害性小等特点，非常适合于执行中短距离的飞行任务。其在军事和民用领域均具有广阔的应用前景，如侦察监视、通信中继、搜索救援、目标跟踪、电力检修、航拍成像等。

目前多旋翼无人直升机的自主着陆方式大多采用定点着陆的方式。这导致多旋翼无人直升机只能在地面或者固定不可移动的物体上进行降落，从而大大限制了多旋翼无人直升机的回收方式和应用范围。

因此，实现多旋翼无人直升机在移动目标上着陆的技术是迫切需要的。

发明内容

发明目的：针对上述现有技术，提出一种车载多旋翼无人直升机着陆导引控制***及导引控制方法，用于解决多旋翼无人直升机在移动目标汽车上自主着陆的工程问题。

技术方案：一种车载多旋翼无人直升机着陆导引控制***，包括车载导引子***和机载控制子***；

所述车载导引子***包括两套视觉处理***、导航计算机、第一无线数传模块；其中，所述每套视觉处理***包括摄像头、两轴云台、两台步进电机驱动器以及数据处理芯片；在每套视觉处理***中，摄像头安装在两轴云台上，并连接导航计算机；两轴云台的两个电机分别连接一台步进电机驱动器；所述数据处理芯片连接导航计算机，同时连接两台步进电机驱动器；所述两套视觉处理***分别安装在车辆上降落目标区域的两侧；

所述机载控制子***包括多旋翼飞行平台、飞行控制器、第二无线数传模块；其中，所述飞行控制器包括飞行控制计算机，以及连接所述飞行控制计算机的传感器模块；所述的传感器模块包括超声波高度计、六轴姿态传感器以及电子罗盘；所述多旋翼飞行平台包括对称的机架和执行机构，所述执行机构的控制端连接飞行控制计算机；所述第二无线数传模块连接飞行控制计算机，并能够通过无线链路连接第一无线数传模块。

车载多旋翼无人直升机着陆导引控制***的导引控制方法，包括如下步骤：

步骤(1)，车载导引子***的两个摄像头不断地将实时拍摄的图像传输给车载导引子***的导航计算机，导航计算机对图像进行识别处理，当粘贴有识别标志图像的多旋翼无人直升机进入摄像头视野后，导航计算机即识别到多旋翼无人直升机；

步骤(2)，所述导航计算机基于双目立体视觉技术计算得到多旋翼无人直升机与每个摄像头的相对位置关系，然后不断调整两个两轴云台的转角，使得多旋翼无人直升机总是位于每个摄像头视野的中心；

步骤(3)，在多旋翼无人直升机总是位于摄像头视野的中心的前提下，导航计算机根据视觉处理***得到的每个两轴云台两台电机的旋转次数计数值，计算出多旋翼无人直升机相对于基准摄像机的相对位置(x₀，y₀，z₀)，具体为：

设其中一套视觉处理***中的摄像头为原点O，另一套视觉处理***中的摄像头为点O₁，以OO₁为x轴，竖直向上为y轴建立右手直角坐标系，若原点O处摄像头的云台偏航角为α₁、俯仰角为β₁，点O₁处摄像头的云台偏航角为α₂、俯仰角为β₂，OO₁＝s，则得到：

$\left\{\begin{array}{c}{x}_0=\frac{s\tan {\mathrm{\α}}_1}{\tan {\mathrm{\α}}_1+\tan {\mathrm{\α}}_2}\\ y_0=\frac{s\tan {\mathrm{\β}}_1}{\cos {\mathrm{\α}}_1(\tan {\mathrm{\α}}_1+\tan {\mathrm{\α}}_2)}\\ z_0=-\frac{s}{\tan {\mathrm{\α}}_1+\tan {\mathrm{\α}}_2}\end{array}\right.$    (式1)

根据所述位置信息(x₀，y₀，z₀)得到无人机相对车辆着陆点的位置信息(x，y，z)：

$\left\{\begin{array}{c}x=x_0-\frac{s}{2}=\frac{s\tan {\mathrm{\α}}_1}{\tan {\mathrm{\α}}_1+\tan {\mathrm{\α}}_2}-\frac{s}{2}\\ y=y_0=\frac{s\tan {\mathrm{\β}}_1}{\cos {\mathrm{\α}}_1(\tan {\mathrm{\α}}_1+\tan {\mathrm{\α}}_2)}\\ z=z_0=-\frac{s}{\tan {\mathrm{\α}}_1+\tan {\mathrm{\α}}_2}\end{array}\right.$    (式2)

然后将所述位置信息(x，y，z)通过无线传输设备发送给无人机的机载控制子***；

步骤(4)，多旋翼无人直升机的机载控制子***接收到所述无人机相对车辆着陆点的位置信息(x，y，z)后，通过飞行控制计算机控制多旋翼无人直升机降落在车辆上的目标区域，包括如下步骤：

(41)，多旋翼无人直升机的传感器模块实时采集超声波高度计、六轴姿态传感器以及电子罗盘的检测数据，飞行控制计算机解算得到多旋翼无人直升机的高度数据、姿态数据，并根据所述位置信息(x，y，z)的实时数据解算得到多旋翼无人直升机相对车辆的速度数据；

(42)，将所述高度数据、姿态数据、相对位置数据以及相对车辆的速度数据与期望数据进行比较，得到误差数据；

(43)，根据所述误差数据和无人机控制律计算出执行机构的控制量，并发送到多旋翼无人直升机的执行机构；所述无人机控制律包括姿态控制律、高度控制律、水平方向控制律；其中，所述姿态控制律包括俯仰角控制率、滚转角控制率、偏航角控制率；

所述高度控制律为：

${\mathrm{\Δ\δ}}_c=K_{p_z}\mathrm{\Δz}+K_{p_z}^{\′}\stackrel{\·}{z}+K_{p_z}^{\′\′}\stackrel{\·\·}{z}+K_{i_z}^{\′\′}\∫\stackrel{\·\·}{z}+K_{d_z}^{\′\′}{\stackrel{\·\·}{z}}^{\′}$

其中，Δz是高度误差数据，是高度方向速度，是高度方向加速度，Δδ_c为高度通道控制量，表示对的求导，和是控制参数；

多旋翼无人直升机水平x方向着陆控制是以水平x方向的跟踪控制律为外回路，所述俯仰角控制率为内回路；其中，所述水平x方向的跟踪控制律为：

$\left\{\begin{array}{cc}{\mathrm{\Δ\δ}}_{\mathrm{\θ}}=K_{p_x}\mathrm{\Δx}+K_{i_x}\∫\mathrm{\Δx}+K_{d_x}{\mathrm{\Δx}}^{\′}+K_{P_x}^{\′}\stackrel{\·}{x},& \left|\mathrm{\Δx}\right|\≤e\\ {\mathrm{\Δ\δ}}_{\mathrm{\θ}}=K_{p_x}\mathrm{\Δx}+K_{d_x}\mathrm{\Δx}+K_{P_x}^{\′}\stackrel{\·}{x},& \left|\mathrm{\Δx}\right|>e\end{array}\right.$

多旋翼无人直升机水平y方向着陆控制是以水平y方向的跟踪控制律为外回路，所述滚转角控制率为内回路；其中，所述水平y方向的跟踪控制律为：

$\left\{\begin{array}{cc}{\mathrm{\Δ\δ}}_{\mathrm{\φ}}=K_{p_y}\mathrm{\Δy}+K_{i_y}\∫\mathrm{\Δy}+k_{d_y}{\mathrm{\Δy}}^{\′}+K_{p_y}^{\′}\stackrel{\·}{y},& \left|\mathrm{\Δy}\right|\≤e\\ {\mathrm{\Δ\δ}}_{\mathrm{\φ}}=K_{p_y}\mathrm{\Δy}+K_{d_y}\mathrm{\Δ}{y}^{\′}+K_{p_y}^{\′}\stackrel{\·}{y},& \left|\mathrm{\Δy}\right|>e\end{array}\right.$

其中，Δδ_θ、Δδ_φ分别为x、y方向控制量，分别为x、y方向相对车辆的速率数据，Δx、Δx′为x轴方向的位置误差和误差变化律，Δy、Δy′为y轴方向的位置误差和误差变化律，和是x轴方向的控制参数，和是y轴方向的控制参数，e为设定的固定误差值。

有益效果：(1)采用双目视觉的导引方法，通过两个摄像头的数据解算，可实现对多旋翼无人直升机的精确定位，进而可实现其在汽车等移动设备上方的降落，提高了多旋翼无人直升机的实用性和应用范围。

(2)该控制方法采用分段PID控制方法，实现了多旋翼无人直升机跟随移动目标的精确度。最终实际的实验结果表明，通过该控制方法，多旋翼无人直升机的跟踪误差可保证在5cm范围内。

(3)可采用手动控制、自动控制及手动自动结合的控制方式，使得在自动控制出现故障时，采用手动控制，避免了多旋翼无人直升机的不可控状态。

附图说明

图1为本发明***硬件结构框图；

图2为本发明软件控制流程框图；

图3为本发明双目视觉处理***原理图；

图4为本发明多旋翼无人直升机控制***框图。

具体实施方式

下面结合附图对本发明做更进一步的解释。

如图1所示，一种车载多旋翼无人直升机着陆导引控制***，包括车载导引子***和机载控制子***。车载导引子***包括两套视觉处理***、导航计算机、第一无线数传模块、开关电源以及遥控器。

其中，每套视觉处理***包括摄像头、两轴云台、两台步进电机驱动器以及数据处理芯片。摄像头：本实施例中选用USB摄像头，硬件像素为100W720p，视角度为170°，帧速率为30fps/1280×720，动态捕获后的存储格式为AVI/WMV。该摄像头的分辨率可兼顾图像清晰度及图像处理速度。

两轴云台：两轴云台由两个步进电机控制，一个跟随多旋翼无人直升机偏航方向的转动，称之为偏航电机；另外一个跟随多旋翼无人直升机俯仰方向的转动，称之为俯仰电机。步进电机是将电脉冲信号转变为角位移或线位移的开环控制元件。在非超载的情况下，电机的转速、停止的位置只取决于脉冲信号的频率和脉冲数，而不受负载变化的影响，即给电机加一个脉冲信号，电机则转过一个步距角。通过记录脉冲信号的大小和脉冲数，即可确定电机转过的角度，也就是云台所对应的偏航角或俯仰角。步进电机具有不受外界干扰、误差不长期积累、控制性能好等特点。

步进电机驱动器：步进电动机不能直接接到直流或交流电源上工作，必须使用专用的驱动电源，即步进电动机驱动器。步进电机驱动器是一种将电脉冲转化为角位移的执行机构。当步进驱动器接收到一个脉冲信号，它就驱动步进电机按设定的方向转动一个固定的角度，它的旋转是以固定的角度一步一步运行的。可以通过控制脉冲个数来控制角位移量，从而达到准确定位的目的。本实施例中，驱动偏航电机的步进电动机驱动器称之为偏航驱动器，驱动俯仰电机的步进电动机驱动器称之为俯仰驱动器。

数据处理芯片：本实施例中数据处理芯片使用的是采用ATmega328p-AU为核心的Arduino Mini Pro微控制器电路板。它有14个数字输入/输出引脚，8个模拟输入，1对TTL电平串口收发端口，一个16MHz的谐振器，一个复位按钮，支持串口下载，支持外接3.3V～12V直流电源供电。ATmega328p-AU为美国ATMEL公司生产的具有32Kb闪存的单片机。利用该数据处理芯片可完成计算机信息到PWM控制信号的转换，且实现方法简单易操作。

开关电源是一种高频化电能转换装置，本发明选用36V、8.3A的规格，用来给四个步进电机驱动器供电。其具有体积小、重量轻、效率高、稳压范围宽等特点。

第一无线数传模块用于实现位于车辆上的导航计算机和位于空中无人机搭载的飞行控制***间的数据互传，其通信范围决定了无人机可收信息的范围。本实施例中，第一无线数传模块选用3DR Radio Telemetry数传模块，传输频率为433MHz，最大传输距离为700m，使用UART接口输出数据。

该车载多旋翼无人直升机着陆导引控制***可应用于四轴、六轴和八轴等多旋翼无人直升机，车载导引子***安装于降落目标车辆上，每套视觉处理***中的摄像头和云台安装于车顶降落目标区域的一侧，两台摄像头的中心连线与车辆的长度方向垂直，两套视觉处理***中的其他部分、导航计算机以及用于供电的开关电源放置于车辆内部，第一无线数传模块的天线安装于车体外部。

在每套视觉处理***中，摄像头安装在两轴云台的上方，并通过UART串口与导航计算机连接。两轴云台的两个电机的信号控制端分别连接一台步进电机驱动器。数据处理芯片与两台步进电机驱动器的输入端口连接；同时，数据处理芯片通过UART串口与导航计算机连接。第一无线数传模块通过UART串口与导航计算机相连接。

机载控制子***包括多旋翼飞行平台、飞行控制器、第二无线数传模块。其中，飞行控制器包括飞行控制计算机、传感器模块以及电源模块。传感器模块包括超声波高度计、六轴姿态传感器以及电子罗盘。多旋翼飞行平台包括对称的机架和执行机构，执行机构的控制端连接飞行控制计算机。

多旋翼飞行器的动力器件包括无刷电机、电调、螺旋桨和动力电源，其中电机、电调和螺旋桨又称之为执行机构。动力器件决定了多旋翼的最大载重能力，续航时间与机动性。本实施例采用T-motor 4014型号的无刷电机，搭配10000mAh 25C 22.2V锂电池和1555型号的碳纤维螺旋桨。该无刷电机搭配1555型螺旋桨和22.2V锂电池时，100％油门处对应电流为29.9A，故电调选用好盈公司生产的30A电调。基于以上动力器件选型，该无人机载重能力≥4.1kg，续航时间≥21min。

本实施例的飞行控制计算机选用STM32F407微控制器，该微控制器由STMicroelectronics公司生产，为32位ARMCortex_-M4F内核，1MB Flash，192KB RAM，LQFP100封装。STM32F407具有140路数字输入/输出、2路UART、3路SPI、3路I2C接口以及2路CAN总线接口。将其作为飞行控制控制计算机，可以充分利用其核心频率与外设资源。

飞行控制计算机主要完成：传感器信号采集处理、控制律解算、电机驱动、地面站通信、遥控信息接收。飞行控制计算机是控制核心，所有完成的工作构成了带反馈的闭环控制。它处理传感器信息，为飞行控制***提供反馈输入；处理手动或自动控制指令，根据具体指令采用不同的控制方式；驱动电机动作。STM32F407微控制器以强大的指令***及接口功能显示出功能完善、速度快、开发方便等优势，能够有效解决高速与微型的矛盾，从而为无人机量身设计集高速度、高精度和小型化于一体的新型飞行控制模块。

传感器模块中，六轴姿态传感器：选用美国Invensense公司生产的MPU-6000六轴姿态传感器，其整合了3轴陀螺仪、3轴加速器，为全球首例整合性6轴运动处理组件。MPU-6000以数字输出6轴或9轴的旋转矩阵、四元数、欧拉角格式的融合演算数据。相较于多组件方案，MPU-6000免除了组合陀螺仪与加速器时之轴间差的问题，减少了大量的包装空间，具有低功耗、低成本、高性能的特点。角速度的感测范围为±250°、±500°、±1000°与±2000°/sec(dsp)，可准确追踪快速与慢速动作；同时可编程的加速计的感测范围为±2g、±4g、±8g与±16g。传感器的测量数据最终可通过最高400kHz的IC总线或最高20MHz的SPI总线输出。

电子罗盘：选用美国Honeywell公司生产的HMC5883电子罗盘，其是一种表面贴装的高集成模块，并带有数字接口的弱磁传感器芯片，应用于低成本罗盘和磁场检测领域。能使罗盘精度控制在1°～2°的12位模数转换器，带有16个引脚，接口为简易的I2C系列总线，尺寸为3.0×3.0×0.9mm。具有在轴向高灵敏度和线性高精度的特点，是灵敏度最高和可靠性最好的传感器。

超声波传感器：选用美国Pololu公司生产的LV-MaxSonar-EZ1声波传感器。该超声波测距模块具有功耗低、精度高、探测距离远的特点，其检测范围是0到6.45M(21.2ft)，分辨率2.5cm，无盲区。该款传感器提供三个输出接口：数字脉冲宽度的输出，模拟信号输出，和异步串行输出，使用更为方便。

第二无线数传模块与车载导航部分的第一无线数传设备设置相同，两者通过定义好的通信协议完成信息的传输。本实施例中第二无线数传模块选用3DR Radio Telemetry数传模块，传输频率为433MHz，最大传输距离为700m，使用UART接口输出数据。

本实施例中飞行控制使用两块独立的锂电池进行供电，分别使用10000mAh、25C、22.2V的锂电池为无人机的飞行动力供电和900mAh、15C、7.4V的锂电池为飞行控制计算机供电。其中，飞行控制计算机的电源需进行降压，提供5V、3.3V这两种直流电源以满足主控芯片的需求。使用深圳好盈科技公司生产的UBEC-3A实现7.4V→5V的高降压，5V作为数字电路的VCC。UBEC是一种开关电源方式的直流稳压***，工作在300KHz的开关频率，芯片效率高达92％，并且提供了过流和过热保护功能。使用美国MICREL公司生产的MIC5219-3.3实现5V→3.3V的低压降，可达到很高的效率，且成本低，噪音低，静态电流小，电路结构简单。

多旋翼无人直升机执行机构位于机架的每个端点上，通过PWM输出驱动电路与飞行控制计算机连接。六轴姿态传感器通过SPI总线电平转换与飞行控制计算机相连接。电子罗盘通过I2C接口与飞行控制计算机相连接。超声波高度计通过TTL电平接口与飞行控制计算机相连。第二无线数传模块通过UART串口与飞行控制计算机相连接。

本实施例中，车载导引子***和机载控制子***的通信有两种方式，方式一为通过第一无线数传模块和第二无线数传模块完成通信，方式二为通过遥控器实现通信。第一、第二无线数传模块传输频率为433MHz，最大传输距离为700m；第一无线数传模块称为Ground模块(USB接口)用于车辆上连接导航计算机使用，第一无线数传模块称为Air模块(串口)用于飞行器搭载。本实施例中遥控器选用FUTABA遥控器，2.4GHz的FUTABA遥控器是日本双叶电子工业株式会社生产的一款航模通用的遥控器，与该品牌接收机配套使用。航模操纵者可以通过拨动遥控器上的一些拨杆，各拨杆所处的不同位置对应于不同的行程，能产生具有不同脉宽的各通道遥控PWM信号。

如图2所示为***实现多旋翼无人直升机在移动车顶自主降落的整体流程图。车载导引子***主要包括3个功能模块：(1)图像识别模块；(2)目标跟踪模块；(3)位置数据解算模块。机载控制子***主要包括4个功能模块：(1)数据采集模块；(2)数据解算模块；(3)控制律解算模块；(4)电机控制模块。在图2中，左半部分的方框内是车载导引子***的控制流程，主要完成捕捉识别目标、跟踪目标、计算偏转角度、计算距离偏差；右半部分的方框内是机载控制子***的软件控制流程，其执行周期为10ms，完成数据读取、数据解算、计算PID输出量、设置PWM输出等任务。

车载导引子***实现多旋翼无人直升机降落过程包括如下步骤：

步骤(11)，图像识别：车载导引子***的两个摄像头不断地将实时拍摄的图像传输给车载导引子***的导航计算机，导航计算机对图像进行识别处理。当粘贴有识别标志图像的多旋翼无人直升机进入摄像头视野后，导航计算机即可识别到多旋翼无人直升机。

图像识别处理在导航计算机中实现，开发环境为windows7***，开发软件为Microsoft Visual Studio 2010，使用开源库OpenCV(Open Source Computer Vision Library)进行开发。其中，OpenCV是一个基于(开源)发行的跨平台计算机视觉库，它轻量级而且高效——由一系列C函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

本实施例中，识别无人机的方法是在其机身上粘贴颜色为“旗帜红”(RGB＝176，22，4)且形状固定的标识。摄像头传回拍摄的图像，导航计算机不断地判断每一帧图像中是否出现“旗帜红”；当颜色符合预设“旗帜红”时，再对该部分的轮廓进行匹配；当该轮廓与预设形状匹配，则可认为该目标即为无人机，实现对目标无人机的捕捉和识别。根据无人机在图像中的位置，根据双目立体视觉技术解算得到无人机与每个摄像头的相对位置关系，并将该信息通过UART接口发送到数据处理芯片Arduino mini pro中。

步骤(12)，目标跟踪：车载导引子***的两套视觉处理***分别根据各***的摄像头与无人机的相对位置，不断调整其两轴云台的转角，以保证无人机总是位于摄像头视野的中心。该过程在数据处理芯片Arduino mini pro中实现，其开发环境为windows7，开发软件为Arduino IDE，该软件是与Arduino配套的计算机程序开发环境，只需要在IDE中编写程序代码，将程序上传到Arduino电路板后，即可实现功能需求。

数据处理芯片Arduino mini pro通过UART接口得到摄像头与无人机的相对位置，该相对位置关系决定了两轴云台的偏航电机和俯仰电机的转向。当无人机不在摄像头正中心时，Arduino mini pro通过四路I/O引脚，对两台电机分别发出PWM脉冲信号和方向信号；其中，脉冲信号大小固定，方向信号由相对位置关系决定。偏航电机每接收到一个脉冲信号，就根据方向信号，顺时针或逆时针旋转一个步距角，同理俯仰电机也会根据信号旋转。当无人机在摄像头正中心时，Arduino mini pro的四路I/O引脚不再发出信号，两台电机停止旋转，从而实现了目标追踪，保证无人机总是位于摄像头视野的中心。另外，数据处理芯片Arduino mini pro向电机发出信号的时，相应计数器的值会递增，来分别记录两台电机的旋转次数，并定时通过UART接口传回导航计算机。

步骤(13)，位置数据解算：在无人机总是位于摄像头视野的中心的前提下，导航计算机根据视觉处理***得到的每个两轴云台两台电机的旋转次数计数值，计算出无人机相对于基准摄像机的相对位置，并根据该位置信息得到无人机相对车辆着陆点的位置信息后通过第一无线数传模块发送给无人机的机载控制子***。

该部分过程在导航计算机中实现，开发环境为windows7***，开发软件为MicrosoftVisual Studio 2010。具体为：设其中一套视觉处理***中的摄像头为原点O，另一套视觉处理***中的摄像头为点O₁，以OO₁为x轴，竖直向上为y轴，建立如图3所示的右手直角坐标系M。导航计算机通过数据处理芯片Arduino mini pro传回的电机的旋转次数计数值，计算出两套视觉处理***中偏航电机和俯仰电机的偏转角；设原点处摄像头的云台偏航角为α₁、俯仰角为β₁，O₁点处摄像头的云台偏航角为α₂、俯仰角为β₂。则在已知OO₁＝s的情况下，可以计算出位于点A处的无人机的在直角坐标系中的坐标(x₀，y₀，z₀)：

$\left\{\begin{array}{c}{x}_0=\frac{s\tan {\mathrm{\α}}_1}{\tan {\mathrm{\α}}_1+\tan {\mathrm{\α}}_2}\\ y_0=\frac{s\tan {\mathrm{\β}}_1}{\cos {\mathrm{\α}}_1(\tan {\mathrm{\α}}_1+\tan {\mathrm{\α}}_2)}\\ z_0=-\frac{s}{\tan {\mathrm{\α}}_1+\tan {\mathrm{\α}}_2}\end{array}\right.$    (式1)

根据公式1得到的无人机相对于基准摄像机的相对位置数据。设无人机的降落点为OO₁的中点，则以该中点为原点，建立直角坐标系N，其三轴分别与M坐标系对应的三轴平行且方向相同，则在直角坐标系N下，无人机相对车辆着陆点的位置信息为(x，y，z)为：

$\left\{\begin{array}{c}x=x_0-\frac{s}{2}=\frac{s\tan {\mathrm{\α}}_1}{\tan {\mathrm{\α}}_1+\tan {\mathrm{\α}}_2}-\frac{s}{2}\\ y=y_0=\frac{s\tan {\mathrm{\β}}_1}{\cos {\mathrm{\α}}_1(\tan {\mathrm{\α}}_1+\tan {\mathrm{\α}}_2)}\\ z=z_0=-\frac{s}{\tan {\mathrm{\α}}_1+\tan {\mathrm{\α}}_2}\end{array}\right.$    (式2)

导航计算机通过第一无线数传设备将公式2中的位置信息(x，y，z)数据发送给机载控制子***。机载控制子***实现多旋翼无人直升机降落包括如下步骤：

步骤(21)，数据采集：无人机的传感器模块实时采集获得无人机的姿态数据、高度检测数据，并将采集到的数据发送至飞行控制计算机；同时，机载控制子***通过第二无线数传设备接收到无人机相对车辆着陆点的位置信息为(x，y，z)，该相对位置信息(x，y，z)即各控制率的跟踪误差数据。其中，该相对速度数据为相对汽车的速度，根据相对位置信息计算获得。

步骤(22)，数据解算：飞行控制计算机将接收到的传感器数据解算出姿态数据、高度数据，然后根据位置信息(x，y，z)的实时数据解算出多旋翼无人直升机相对车辆的速度数据；然后将解算出的高度数据、姿态数据、相对位置数据以及相对车辆的速度数据与期望数据进行比较，得到误差数据。其中，期望数据包括期望的位置数据、高度数据，还有期望的速度、姿态数据。

步骤(23)，控制律解算：根据步骤(22)得到的误差数据和无人机控制律计算出执行机构的控制量；其中，无人机控制律包括姿态控制律、高度控制律、水平方向控制律以及速度控制率。

针对无人机是一个欠驱动***而难以控制的特点，采用经典的PID控制器来对多旋翼直升机进行控制，控制***框图如图4所示：

(1)姿态控制律

无人机三机体轴姿态保持***的控制律都由姿态角速率及角位移反馈组成，用这种电子反馈方式改善无人机的稳定性。对纵/横向姿态控制和航向控制来说，姿态保持***采用经典PID控制。姿态保持***处于最内环，在整个飞行过程中都需接通。

姿态保持回路的姿态角基准值是指无人机在悬停模态下的配平值，是通过实验获得的，通常不一定为零；姿态的实际测量值即姿态数据是通过机载的六轴姿态传感器测得的。实际值和基准值之差即为误差，这就是误差反馈控制的来源；对于姿态保持回路来说，能得到姿态角速度和姿态角位移两个误差。

无人机俯仰通道的姿态保持控制律为：

${\mathrm{\Δ\δ}}_e=k_{p_{\mathrm{\θ}}}\mathrm{\Δ\θ}+k_{i_{\mathrm{\θ}}}\∫\mathrm{\Δ\θ}+k_{d_{\mathrm{\θ}}}{\mathrm{\Δ\θ}}^{\′}$

无人机横滚通道的姿态保持控制律为：

${\mathrm{\Δ\δ}}_a=k_{p_{\mathrm{\φ}}}\mathrm{\Δ\φ}+k_{i_{\mathrm{\φ}}}\∫\mathrm{\Δ\φ}+k_{d_{\mathrm{\φ}}}{\mathrm{\Δ\φ}}^{\′}$

无人机偏航通道的姿态保持控制律为：

${\mathrm{\Δ\δ}}_r=k_{p_{\mathrm{\ψ}}}\mathrm{\Δ\ψ}+k_{i_{\mathrm{\ψ}}}\∫\mathrm{\Δ\ψ}+k_{d_{\mathrm{\ψ}}}{\mathrm{\Δ\ψ}}^{\′}$

其中，Δδ_e、Δδ_a、Δδ_r分别为俯仰、横滚、偏航方向的控制量，Δθ和Δθ′分别是俯仰角误差和俯仰角速度的误差，Δφ和Δφ′分别是横滚角误差和横滚角速度的误差，Δψ和Δψ′分别是偏航角误差和偏航角速度的误差，和即为俯仰角位移、俯仰角位移积分和俯仰角速率的系数，和即为横滚角位移、横滚角位移积分和横滚角速率的系数，和即为偏航角位移、偏航角位移积分和偏航角速率的系数。

以俯仰通道的姿态保持控制律为例，和构成了一种PID控制律。Δδ_e转化为对应比例的PWM信号，作用在飞行机构上。当无人机低头时，对应的控制律能使前方两个电机转速增大产生一个抬头力矩，让无人机抬头，以抵消低头的趋势，使无人机保持平衡，反之亦然。和三个参数的获取是采取“先按照模型设计、再实验调整”的方案调试出来的，目的是让无人机的响应速度快、超调量小。

实验证明，这种控制方案简单易行，效果显著，使得无人机具备了一定的抗气流干扰的能力。

(2)高度控制律

改变高度的方法，即改变电机转速，从而提高升力。高度控制是通过多旋翼无人直升机直角坐标系N下的位置信息z与期望高度0的差值Δz来调整电机转速的大小。高度控制采用经典PID控制。

着陆过程的高度是类斜坡的指令信号，高度通道的控制律为：

${\mathrm{\Δ\δ}}_c=K_{p_z}\mathrm{\Δz}+K_{p_z}^{\′}\stackrel{\·}{z}+K_{p_z}^{\′\′}\stackrel{\·\·}{z}+K_{i_z}^{\′\′}\∫\stackrel{\·\·}{z}+K_{d_z}^{\′\′}{\stackrel{\·\·}{z}}^{\′}$

其中，Δz是高度误差，是高度方向速度，是高度方向加速度，Δδ_c为高度通道控制量，表示对的求导，和是控制参数，构成了PID控制律。控制律的输出Δδ_c叠加在电机上，这样，当无人机高度小于期望高度时，电机转速会加大，增升；当无人机高度超过期望高度时，电机转速减小，产生一种负反馈的自动控制效果。这三个控制参数也采用“先按照模型设计、再实验调整”的方案调试出来。

(3)水平方向控制律

位置控制即无人机轨迹控制。轨迹控制主要靠车载导引子***反馈的位置信息不断地修正无人机的位置来保证无人机准确地降落在车辆上的着陆点。由图4可知，俯仰通道和滚转通道分别通过PID控制将位置偏差以及P控制将速率信息反馈给内回路。

多旋翼无人直升机水平x方向着陆控制是以水平x方向的跟踪控制律为外回路，以俯仰角控制率为内回路；其中，水平x方向的跟踪控制律为：

$\left\{\begin{array}{cc}{\mathrm{\Δ\δ}}_{\mathrm{\θ}}=K_{p_x}\mathrm{\Δx}+K_{i_x}\∫\mathrm{\Δx}+K_{d_x}{\mathrm{\Δx}}^{\′}+K_{P_x}^{\′}\stackrel{\·}{x},& \left|\mathrm{\Δx}\right|\≤e\\ {\mathrm{\Δ\δ}}_{\mathrm{\θ}}=K_{p_x}\mathrm{\Δx}+K_{d_x}\mathrm{\Δx}+K_{P_x}^{\′}\stackrel{\·}{x},& \left|\mathrm{\Δx}\right|>e\end{array}\right.$

多旋翼无人直升机水平y方向着陆控制是以水平y方向的跟踪控制律为外回路，以滚转角控制率为内回路；其中，水平y方向的跟踪控制律为：

$\left\{\begin{array}{cc}{\mathrm{\Δ\δ}}_{\mathrm{\φ}}=K_{p_y}\mathrm{\Δy}+K_{i_y}\∫\mathrm{\Δy}+k_{d_y}{\mathrm{\Δy}}^{\′}+K_{p_y}^{\′}\stackrel{\·}{y},& \left|\mathrm{\Δy}\right|\≤e\\ {\mathrm{\Δ\δ}}_{\mathrm{\φ}}=K_{p_y}\mathrm{\Δy}+K_{d_y}\mathrm{\Δ}{y}^{\′}+K_{p_y}^{\′}\stackrel{\·}{y},& \left|\mathrm{\Δy}\right|>e\end{array}\right.$

其中，Δδ_θ、Δδ_φ分别为x、y方向控制量，分别为x、y方向的速率数据，Δx、Δx′为x轴方向的位置误差和误差变化律，Δy、Δy′为y轴方向的位置误差和误差变化律，和是x轴方向的控制参数，和是y轴方向的控制参数，Δx等于多旋翼无人直升机直角坐标系N下的位置信息x与0的差值，Δy等于多旋翼无人直升机直角坐标系N下的位置信息y与0的差值，e为一个固定误差值，该值通过实际情况确定，一般为10cm。

以无人机在水平x方向的跟踪控制律为例，和构成PID控制律。控制律的输出Δδ_θ作为俯仰通道内回路的输入。这样，当无人机位于车辆着陆点后方时，期望的俯仰角为正值增大，作用在内回路加大无人机前飞速度；反之，当无人机位于车辆着陆点前方时，期望的俯仰角为负值增大，作用在内回路减小无人机前飞速度。这四个控制参数也采用“先按照模型设计、再实验调整”的方案调试出来。实验证明，这种控制方案简单易行，效果显著。

以上各回路由内而外都是采用经典的PID控制算法，需选取合理的控制参数，使各个通道跟踪控制器的指令信号，改善其稳定性能。参数的选取过程是，先根据机理建模和辨识建模的结果辨识出各通道传递函数，针对单通道用根轨迹的方法逐层设计控制律；将设计的参数移植到实际飞控板的控制算法中去，不断调参试飞，最终得到最佳参数值。

经理论建模和实际试飞调参，本发明成果达到了预期的目的。本方法能使车载引导子***稳定跟踪多旋翼无人直升机，为多旋翼无人直升机在车辆着陆点着陆提供有效的导引信息，有较强的抗干扰能力，解决了多旋翼无人直升机在移动目标汽车上自主着陆的工程问题。同时，本发明的软硬件设计可以运用于多种多旋翼无人直升机上，具备一定的实用性和通用性。

除以上步骤外，还可以加入通过遥控器实现的人为控制。遥控接收机接收遥控器信号传输至飞行控制计算机，飞行控制计算机对接收的信号处理后分别输出至控制执行机构工作，实现手动控制无人机降落到车顶上。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (2)

1.一种车载多旋翼无人直升机着陆导引控制***，其特征在于：包括车载导引子***和机载控制子***；

所述车载导引子***包括两套视觉处理***、导航计算机、第一无线数传模块；其中，所述每套视觉处理***包括摄像头、两轴云台、两台步进电机驱动器以及数据处理芯片；在每套视觉处理***中，摄像头安装在两轴云台上，并连接导航计算机；两轴云台的两个电机分别连接一台步进电机驱动器；所述数据处理芯片连接导航计算机，同时连接两台步进电机驱动器；所述两套视觉处理***分别安装在车辆上降落目标区域的两侧；

所述机载控制子***包括多旋翼飞行平台、飞行控制器、第二无线数传模块；其中，所述飞行控制器包括飞行控制计算机，以及连接所述飞行控制计算机的传感器模块；所述的传感器模块包括超声波高度计、六轴姿态传感器以及电子罗盘；所述多旋翼飞行平台包括对称的机架和执行机构，所述执行机构的控制端连接飞行控制计算机；所述第二无线数传模块连接飞行控制计算机，并能够通过无线链路连接第一无线数传模块。

2.如权利要求1所述车载多旋翼无人直升机着陆导引控制***的导引控制方法，其特征在于，包括如下步骤：

步骤(1)，车载导引子***的两个摄像头不断地将实时拍摄的图像传输给车载导引子***的导航计算机，导航计算机对图像进行识别处理，当粘贴有识别标志图像的多旋翼无人直升机进入摄像头视野后，导航计算机即识别到多旋翼无人直升机；

步骤(2)，所述导航计算机基于双目立体视觉技术计算得到多旋翼无人直升机与每个摄像头的相对位置关系，然后不断调整两个两轴云台的转角，使得多旋翼无人直升机总是位于每个摄像头视野的中心；

步骤(3)，在多旋翼无人直升机总是位于摄像头视野的中心的前提下，导航计算机根据视觉处理***得到的每个两轴云台两台电机的旋转次数计数值，计算出多旋翼无人直升机相对于基准摄像机的相对位置(x₀，y₀，z₀)，具体为：

设其中一套视觉处理***中的摄像头为原点O，另一套视觉处理***中的摄像头为点O₁，以OO₁为x轴，竖直向上为y轴建立右手直角坐标系，若原点O处摄像头的云台偏航角为α₁、俯仰角为β₁，点O₁处摄像头的云台偏航角为α₂、俯仰角为β₂，OO₁＝s，则得到：

$\left\{\begin{array}{c}{x}_0=\frac{s\tan {\mathrm{\α}}_1}{\tan {\mathrm{\α}}_1+\tan {\mathrm{\α}}_2}\\ y_0=\frac{s\tan {\mathrm{\β}}_1}{\cos {\mathrm{\α}}_1(\tan {\mathrm{\α}}_1+{\tan \mathrm{\α}}_2)}\\ z_0=-\frac{s}{\tan {\mathrm{\α}}_1+\tan {\mathrm{\α}}_2}\end{array}\right.$     (式1)

根据所述位置信息(x₀，y₀，z₀)得到无人机相对车辆着陆点的位置信息(x，y，z)：

$\left\{\begin{array}{c}x=x_0-\frac{s}{2}=\frac{s\tan {\mathrm{\α}}_1}{\tan {\mathrm{\α}}_1+{\tan \mathrm{\α}}_2}-\frac{s}{2}\\ y=y_0=\frac{s\tan {\mathrm{\β}}_1}{\cos {\mathrm{\α}}_1(\tan {\mathrm{\α}}_1+\tan {\mathrm{\α}}_2)}\\ z=z_0=-\frac{s}{\tan {\mathrm{\α}}_1+\tan {\mathrm{\α}}_2}\end{array}\right.$    (式2)

然后将所述位置信息(x，y，z)通过无线传输设备发送给无人机的机载控制子***；

步骤(4)，多旋翼无人直升机的机载控制子***接收到所述无人机相对车辆着陆点的位置信息(x，y，z)后，通过飞行控制计算机控制多旋翼无人直升机降落在车辆上的目标区域，包括如下步骤：

(41)，多旋翼无人直升机的传感器模块实时采集超声波高度计、六轴姿态传感器以及电子罗盘的检测数据，飞行控制计算机解算得到多旋翼无人直升机的高度数据、姿态数据，并根据所述位置信息(x，y，z)的实时数据解算得到多旋翼无人直升机相对车辆的速度数据；

(42)，将所述高度数据、姿态数据、相对位置数据以及相对车辆的速度数据与期望数据进行比较，得到误差数据；

(43)，根据所述误差数据和无人机控制律计算出执行机构的控制量，并发送到多旋翼无人直升机的执行机构；所述无人机控制律包括姿态控制律、高度控制律、水平方向控制律；其中，所述姿态控制律包括俯仰角控制率、滚转角控制率、偏航角控制率；

所述高度控制律为：

$\mathrm{\Δ}{\mathrm{\δ}}_c=K_{p_z}\mathrm{\Δz}+K_{p_z}^{\′}\stackrel{\·}{z}+K_{p_z}^{\′\′}\stackrel{\·\·}{z}+K_{i_z}^{\′\′}\∫\stackrel{\·\·}{z}+K_{d_z}^{\′\′}{\stackrel{\·\·}{z}}^{\′}$

其中，Δz是高度误差数据，是高度方向速度，是高度方向加速度，Δδ_c为高度通道控制量，表示对的求导，和是控制参数；

多旋翼无人直升机水平x方向着陆控制是以水平x方向的跟踪控制律为外回路，所述俯仰角控制率为内回路；其中，所述水平x方向的跟踪控制律为：

$\left\{\begin{array}{cc}\mathrm{\Δ}{\mathrm{\δ}}_{\mathrm{\θ}}=K_{p_x}\mathrm{\Δx}+K_{i_x}\∫\mathrm{\Δx}+K_{d_x}\mathrm{\Δ}{x}^{\′}+K_{P_x}^{\′}\stackrel{\·}{x},& \left|\mathrm{\Δx}\right|\≤e\\ {\mathrm{\Δ\δ}}_{\mathrm{\θ}}=K_{p_x}\mathrm{\Δx}+K_{d_x}\mathrm{\Δx}+K_{P_x}^{\′}\stackrel{\·}{x}& \left|\mathrm{\Δx}\right|>e\end{array}\right.$

多旋翼无人直升机水平y方向着陆控制是以水平y方向的跟踪控制律为外回路，所述滚转角控制率为内回路；其中，所述水平y方向的跟踪控制律为：

$\left\{\begin{array}{cc}{\mathrm{\Δ\δ}}_{\mathrm{\φ}}=K_{p_y}\mathrm{\Δy}+K_{i_y}\∫\mathrm{\Δy}+k_{d_y}{\mathrm{\Δy}}^{\′}+K_{p_y}^{\′}\stackrel{\·}{y},& \left|\mathrm{\Δy}\right|\≤e\\ {\mathrm{\Δ\δ}}_{\mathrm{\φ}}=K_{p_y}\mathrm{\Δy}+K_{d_y}{\mathrm{\Δy}}^{\′}+K_{p_y}^{\′}\stackrel{\·}{y},& \left|\mathrm{\Δy}\right|>e\end{array}\right.$

其中，Δδ_θ、Δδ_φ分别为x、y方向控制量，分别为x、y方向相对车辆的速率数据，Δx、Δx′为x轴方向的位置误差和误差变化律，Δy、Δy′为y轴方向的位置误差和误差变化律，和是x轴方向的控制参数，和是y轴方向的控制参数，e为设定的固定误差值。