CN113848979A - 基于前馈补偿pid控制的无人机复杂动态目标追踪方法 - Google Patents
基于前馈补偿pid控制的无人机复杂动态目标追踪方法 Download PDFInfo
- Publication number
- CN113848979A CN113848979A CN202111188486.2A CN202111188486A CN113848979A CN 113848979 A CN113848979 A CN 113848979A CN 202111188486 A CN202111188486 A CN 202111188486A CN 113848979 A CN113848979 A CN 113848979A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- target
- pid control
- tracking
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000005096 rolling process Methods 0.000 claims abstract description 22
- 230000008859 change Effects 0.000 claims abstract description 15
- 230000003068 static effect Effects 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 12
- 230000003287 optical effect Effects 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 4
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 3
- 206010034719 Personality change Diseases 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于前馈补偿PID控制的无人机复杂动态目标追踪方法,包括:S1、对移动目标进行识别抓取,得到像素点误差数据;S2、通过对像素点误差数据融合无人机高度数据和对无人机姿态角变化补偿,得出无人机与目标物水平横滚方向及俯仰方向的相对距离;S3、对移动目标的速度进行计算,将补偿后的无人机与目标物水平横滚方向及俯仰方向的相对距离作为串级PID控制***的输入误差变量,并加入移动目标速度作为前馈补偿量以实现无人机与移动目标相对静止。本发明基于前馈补偿PID控制的无人机复杂动态目标追踪方法具有跟踪速度同步率高、受姿态变化干扰小、跟踪精度高、动态性能好、稳态时无误差的优点。
Description
技术领域
本发明涉及无人机控制技术领域,特别涉及一种基于前馈补偿PID控制的无人机复杂动态目标追踪方法。
背景技术
目前,无人机作为一个比较理想的机载平台,具有极高的自由度,通过搭载各类传感器原件能够实现航拍、监测与导航等功能与作用。随着低空无人机(Unmanned AerialVehicle,UAV)悬停、续航、算力的成熟,以及计算机视觉(Computer Vision)的兴起,无人机的自动化与智能化程度越来越高,推动着很多行业的发展,人们对无人机的应用开发越来越加广泛,对无人机控制***的要求也越来越高。基于无人机平台的目标跟踪已经成为国内外的研究热点,现已被用于城市反恐中对犯罪车辆的跟踪、空战中对地面机动目标的跟踪、体育直播特定运动员跟踪等方面。目前的跟踪控制主要朝向机器视觉方向发展,利用机器视觉获取跟踪目标相对距离,利用各种类型的控制算法实现稳定跟踪。
跟踪无人机是指利用机载的传感器采集位置信息,通过目标检测过程获取目标在图像上的位置信息(或通过状态估计、多传感器信息融合来预测目标的位置信息),通过跟踪算法计算控制指令(通常是速度矢量)控制无人机的运动,以确保目标始终位于机载相机所获得的视野中心区域附近的一种特殊用途的无人机。
实现无人机跟踪控制的主要技术包含两部分:一是对目标物体的识别与运动信息提取;二是无人机运动控制算法设计。
目前基于视觉的无人机追踪控制技术主要使用多类型的设计方案与控制算法设计,比较常见的有基于机器识别或者光流目标检测或GPS定位追踪控制技术的设计方案以及配套使用的经典PID(比例、积分、微分)控制及其衍生算法实现目标控制,也包括近些年提出跟踪控制KCF算法。现有的无人机要实现在飞行过程中对感兴趣目标的跟踪,首先需要从监控图像中检测出运动目标,目前应用较为广泛的运动检测方法-光流法、高度数据融合图像识别法等,光流法运用运动目标随时间变化的光流特性进行运动目标检测、图像识别锁定目标运动物体实时返回运动物体与机载相对坐标。经典的PID(比例、积分、微分)控制技术,使用误差数据作为***输入,通过对误差数据分别进行比例、微分、积分运算得出预期的控制输出速度,将其作为无人机速度控制指令的输入,实现对无人机位移的控制。
上述过程仅以目标的运动为驱动,没有考虑到无人机运动本身带来的姿态变化对信息采集的影响、目标运动不确定性以及目标跟踪误差的设计缺陷。
光流法的主要缺点是计算量大、容易受噪声和光照的影响,因此,光流法不适合使用在无人机对运动目标的跟踪。同时基于GPS定位追踪技术受限于定位精度以及场地信号强度等因素无法实现在室内等场景的精确跟踪。经典的PID控制算法使用误差作为***输入,其在跟踪匀速运动物体过程当中存在一个稳定误差,并且无法实现对一些变速运动物体(比如加速运动)稳定追踪控制。
有从业者提出文献《基于视觉的无人机入侵检测与跟踪***设计与实现》,其是针对无人机运动过快的问题提出利用卡尔曼滤波来进行改进,但当无人机在运动过程中突然转向时,该方法会发生跟踪丢失的问题。
另有从业者提出文献《基于视频的小型无人机目标检测与跟踪方法研究》,其针对无人机运动过快的问题提出利用位置预测的方法进行改进,但该方法只能解决匀速运动的目标跟踪问题。
另有从业者提出基于背景感知的KCF方法(Kernel ized Correlation Filter核相关跟踪算法),其是利用上一帧目标中心位置为基础在当前帧钟进行搜索目标,它的搜索过程是以当前帧目标所在的位置为中心,在一定范围内采样搜索。KCF因为在跟踪过程当中目标框是已经设定好的,从始至终大小未发生变化,但是我们的跟踪序列当中目标大小时有发生变化,这个就会导致***跟踪过程当中目标框漂移,从而导致跟踪失败。
而且这三种方法都没有考虑无人机在运动过程中可能发生倾斜旋转的问题,没有对一些无人机姿态变化做出补偿设计,使得在跟踪过程中容易发生目标丢失,甚至引发无人机震荡等问题。
众多从业者没有考虑到该类算法无法消除跟踪稳态误差,使得在实际追踪过程当中存在一个稳态误差的问题。综上所述,现有的无人机追踪***存在设计复杂、成本高、无法连续跟踪移动目标、跟踪变速目标易丢失、无人机与目标同步率差、以及跟踪精度误差大等技术问题。
发明内容
本发明要解决的技术问题是提供一种面向对地面复杂的动态目标进行连续的跟踪控制、保证***稳定性能的同时提高目标跟踪动态性能和跟踪精度、同步率高的基于前馈补偿PID控制的无人机复杂动态目标追踪方法。
为了解决上述问题,本发明提供了基于前馈补偿PID控制的无人机复杂动态目标追踪方法,其包括以下步骤:
S1、对移动目标进行识别抓取,得到像素点误差数据;
S2、通过对所述像素点误差数据融合无人机高度数据和对无人机姿态角变化补偿,得出无人机与目标物水平横滚方向及俯仰方向的相对距离;
S3、对移动目标的速度进行计算,将补偿后的无人机与目标物水平横滚方向及俯仰方向的相对距离作为串级PID控制***的输入误差变量,并加入移动目标速度作为前馈补偿量以实现无人机与移动目标相对静止。
作为本发明的进一步改进,步骤S2中,通过以下公式进行补偿:
ΔX0=H×Δx×M
ΔY0=H×Δy×M
Δx'=H×sinθ
ΔX1=ΔX0-Δx'
ΔY1=ΔY0-Δy'
其中,H为无人机离地高度;ΔX0表示补偿前在高度H上无人机处于水平状态下,移动目标与无人机对应的水平横滚方向的相对距离;Δx为x方向像素点误差数据;M为单位像素点在一米高度对应地面偏移的位移;ΔY0表示补偿前在H高度上无人机处于水平状态下,移动目标与无人机对应的俯仰方向的相对距离;Δy为y方向像素点误差数据;(Δx’,Δy’)为无人机姿态角变化带来的移动目标偏差;ΔX1为补偿后的移动目标与无人机对应的水平横滚方向的相对距离;ΔY1为补偿后的移动目标与无人机对应的俯仰方向的相对距离。
作为本发明的进一步改进,所述高度H通过激光传感器直接读取。
作为本发明的进一步改进,通过以下公式对移动目标的速度进行计算:
V目标=v1+v2
其中,V目标为移动目标与地面的相对运动速度,v1为无人机水平横滚方向或俯仰方向的速度,v2为无人机与运动目标在水平横滚方向或俯仰方向的相对速度。
作为本发明的进一步改进,通过光流传感器直接读取无人机水平横滚方向或俯仰方向的速度v1。
作为本发明的进一步改进,利用误差微分变量得到无人机与运动目标在水平横滚方向或俯仰方向的相对速度v2。
作为本发明的进一步改进,步骤S1包括:利用图像处理元器件openmv对移动目标进行识别抓取。
作为本发明的进一步改进,所述图像处理元器件openmv通过串口的连接方式与无人机飞控主板连接,且水平放置于无人机正下方,镜头垂直朝下,镜头模块部分朝向无人机机头方向。
作为本发明的进一步改进,所述图像处理元器件openmv对拍摄的视野内进行红色色块识别,通过手动设定需要读取色块的RGB阈值区间;若无法找到对应色块,则手动对设定的色块进行阈值调整,直到稳定清晰地显示色块。
作为本发明的进一步改进,所述图像处理元器件openmv利用库函数img.draw_rectangle对目标物框定,并且使用库函数img.draw_cross对方框正中间画十字箭头,并返回十字箭头的坐标值(x,y)。
本发明的有益效果:
本发明基于前馈补偿PID控制的无人机复杂动态目标追踪方法通过前馈补偿的方式,让无人机首先计算运动目标速度,并进行同步运动,使得无人机能够对任意运动状态的运动目标进行连续跟踪,跟踪速度同步率高、受姿态变化干扰小,跟踪精度高,动态性能好,稳态时无误差。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
图1是本发明优选实施例中基于前馈补偿PID控制的无人机复杂动态目标追踪方法的流程图;
图2是本发明优选实施例中Openmv软件算法流程图;
图3是无人机倾斜状态示意图;
图4是经典PID控制***的示意图;
图5是本发明优选实施例中基于前馈补偿的PID控制***的示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
如图1所示,本发明优选实施例中基于前馈补偿PID控制的无人机复杂动态目标追踪方法,包括以下步骤:
S1、对移动目标进行识别抓取,得到像素点误差数据;
可选的,利用图像处理元器件openmv对移动目标进行识别抓取。
图像处理元器件openmv具有丰富的图像处理功能,其通过串口的连接方式与无人机飞控主板stm32F407连接,水平放置于无人机正下方,镜头垂直朝下,镜头模块部分朝向无人机机头方向。
可选的,选取Openmv拍摄图像每帧分辨率像素点分布为160*120(长*宽),图像刷新率100HZ。选取图像中央像素点相对坐标(80,60)为预期的跟踪目标所处位置,及预期的摄像头视野中央。
利用Openmv对拍摄到视野内进行红色色块识别,手动设定需要读取色块的RGB阈值区间,设定目标红色色块阈值区间为Red_threshold=(20,70,40,100,20,70)。
参照图2,通过openmv自带的库函数img.find_blobs,实现寻找设定阈值内色块。通过色块大小的计算blob_size=blob.w()*blob.h(),通过比较找到最大的目标色块。利用库函数img.draw_rectangle对目标物框定,并且使用库函数img.draw_cross对方框正中间画十字箭头,并返回十字箭头的坐标值(x,y)。若没有找到红色色块则直接对坐标点赋值为(0,0),对状态量dot.find赋值为0。通过Openmv实现对目标色块的标记,并且返回色块像素团中央值(x,y)。若无法找到对应色块,需要手动对设定的色块进行阈值调整,直到稳定清晰地显示色块。计算离预期像素点偏移量(Δx,Δy)=(x-80,y-60),单位为像素点的个数。
S2、通过对所述像素点误差数据融合无人机高度数据和对无人机姿态角变化补偿,得出无人机与目标物水平横滚方向及俯仰方向的相对距离;
步骤S1中的像素点误差数据,不能作为直接的误差数据输入到控制环当中。因为无人机与运动目标的相对距离不能仅由像素点偏移量单独表示,其中也和无人机的续航高度以及无人机姿态角变化相关,尤其是在快速移动当中,姿态变化带来的影响十分之大。无人机在运动过程中必然会引起姿态的变化。正常飞行状态下,这些是不可以避免的,因为正是由于这些姿态角度的变化才引起无人机的水平位移。尤其是横滚角度和俯仰角度的变化会使得摄像头拍摄范围发生偏移,使得读取到误差数据错误,甚至可能会引起无人机的产生负反馈的超调发生事故。
这里我们需要定义一个量:单位像素点在一米高度对应地面偏移的位移M=ΔX/(H*Δx),单位为(cm/(m*个)),ΔX为实际的无人机与目标物水平横滚方向相对距离,单位为厘米。由于M值受无人机摄像头读取画面面积与图像分辨率等因素相关,这里实际测量取M=7.9cm/(m*个)。其中X方向代表无人机横滚方向(左右)、Y代表无人机俯仰方向(前后)。
参照图3,设无人机离地高度为H(cm)由激光传感器Tfmini直接读取,无人机运动过程中横滚角度与俯仰角度分别为θ与φ。使用如下计算公式。例如其横滚水平方向相对距离可以写为ΔX0=H×Δx×M,其中ΔX0表示在H高度上无人机处于水平状态下,目标与无人机对应的水平横滚方向的相对距离。同理俯仰方向ΔY0=H×Δy×M。
由于无人机发生倾斜状态,其角变化后,原本在视野中央的目标物体,会产生一些偏差(Δx’,Δy’),由以下公式进行补偿,原数据ΔX0,ΔY0需要减去由机身倾角变化引起的误差。
具体地,通过以下公式进行补偿:
ΔX0=H×Δx×M
ΔY0=H×Δy×M
Δx'=H×sinθ
ΔX1=ΔX0-Δx'
ΔY1=ΔY0-Δy'
其中,H为无人机离地高度;ΔX0表示补偿前在高度H上无人机处于水平状态下,移动目标与无人机对应的水平横滚方向的相对距离;Δx为x方向像素点误差数据;M为单位像素点在一米高度对应地面偏移的位移;ΔY0表示补偿前在H高度上无人机处于水平状态下,移动目标与无人机对应的俯仰方向的相对距离;Δy为y方向像素点误差数据;(Δx’,Δy’)为无人机姿态角变化带来的移动目标偏差;ΔX1为补偿后的移动目标与无人机对应的水平横滚方向的相对距离;ΔY1为补偿后的移动目标与无人机对应的俯仰方向的相对距离。
通过测试发现,无人机在倾斜角度小于20°范围内,其水平误差保持在10cm以内。实际过程当中无人机偏向角度也稳定在15°范围以内。
S3、对移动目标的速度进行计算,将补偿后的无人机与目标物水平横滚方向及俯仰方向的相对距离作为串级PID控制***的输入误差变量,并加入移动目标速度作为前馈补偿量以实现无人机与移动目标相对静止。
无人机飞行过程当中,需要对无人机横滚与俯仰方向速度的控制,使其保持Yaw(自旋)角度的不变,实现在任意高度下对移动目标平移追踪控制。对于此无人机追踪控制***,ΔX1与ΔY1是串级PID控制***的直接输入误差变量,***输出控制四旋翼无人机四个电机转速来达到对无人机水平速度控制。由于横滚方向与俯仰方向控制环节一致,这里以相对误差ΔX1与输出横滚方向速度Vx为例分析并设计控制算法。
首先我们以经典PID控制算法为例,它根据设定值和实际输出值构成控制偏差,将偏差按比例、积分、微分通过线性组合构成控制量,对被控对象速度进行控制,其时域分析下方程为:
VX(t)为进入受控对象的控制量横滚反向水平速度,e(t)为实时输入的ΔX1(t)为偏差信号,Kp为比例系数,T1为积分时间常数,TD为微分时间常数,本发明中的ΔX1是实时的误差数据e(t)。
普通的PID控制模型作为一个二阶***,在面对阶跃输入情形下能快速趋于稳定状态。作为静态目标物体,其相当于一个阶跃输入,目前大多数无人机算法都能够对一些静态目标跟踪有不错的效果,但是目前对一些移动目标物体,尤其是一些进行复杂运动的物体,有着明显的缺陷,比如跟踪误差大、动态性能低以及丢失目标等现象。对于匀速运动的目标物体跟踪情形下,由于此时输入变为速度输入at,其拉氏变换为a/(s^2),对于PID控制这类Ⅱ型控制***,会存在一个原理性上的误差,计算如下。
经典的PID控制传递函数:Gc(s)=Kp+Kds+Ki/s=(Ki(1+T1s)(1+T2s))/s
其单位反馈特性得误差传递函数:
其中,R(S)为误差输入的拉氏变换量。
对于匀速运动v=a(t),其拉氏变换量为:Rv=a/s2
对于加速运动物***移:x=at2/2,其拉氏变换量:Ra(s)=a/s3
对于匀速运动物体,无人机使用经典PID控制,会有一个原理性的误差,这在一些要求较高的运动场景下是不能被接受的。对应加速度目标其最终误差为无穷大,这也表明经典PID控制无法追上加速运动物体。其中姿态控制环是速度指令控制***,负责对无人机进行水平横滚与俯仰方向的速度控制,是ANOTC开发平台自带的速度控制指令集,参照图4。
由此我们可以对输入误差加入前馈环节,参照图5,这样的作法是使无人机提前与移动目标同速度,具有相对静止趋势。此处需要获取目标物与地面相对运动速度:V目标=v1+v2
其中,V目标为移动目标与地面的相对运动速度,v1为无人机水平横滚方向或俯仰方向的速度,v2为无人机与运动目标在水平横滚方向或俯仰方向的相对速度。
可选的,利用误差微分变量得到无人机与运动目标在水平横滚方向或俯仰方向的相对速度v2。
期望速度计算公式:
exp_Vx=KXF×UXF+KXP×UXP+KXI×UXI+KXD×UXD
exp_Vy=KYF×UYF+KYP×UYP+KYI×UYI+KYD×UYD
其中,U对应各环节处理量,KXF,KXP,KXI,KXD分别为横滚方向对应前馈环节、比例环节、积分环节和微分环节的系数。同理俯仰方向。这些数据需要在实际测试当中调整,以获取最佳飞行效果。通过不断地对参数微调,观察无人机的运动状态,实测在各数据为KXF=0.8,KXP=0.5,KXI=0.2,KXD=0.25跟踪效果较好。
UXP=e(t)
UXF=V目标
积分计算周期:Ts=1/20s
微分计算周期:TD=1/20s
因此,Y方向同理。由于输出的为速度控制量,可以直接加入v0到最终控制变量,使得无人机具有前馈控制效果,即无人机在与目标物具有同样地运动速度后,更新误差进行PID调节速度变量,使得无人机位置变化误差收敛到零。在无人机与目标物体同速度时,以无人机为参考系来看,这样所有的误差输入便相当于一个阶跃输入a(t)。对应拉氏变换量为:Rt=a/s。
exp_Vx,exp_Vy直接作为矢量速度指令地输入,控制无人机地水平横滚与俯仰方向速度。
在室内环境下,使用本发明基于前馈补偿的PID控制***的无人机可以对做任意运动状态红色色块进行跟踪控制。比如红色循迹小车绕圆心黑线行驶,无人机通过遥控定位到任意高度开启跟踪控制,可以发现无人机可以连续跟踪小车运动,并且实现稳定的同步跟踪。
以上实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (10)
1.基于前馈补偿PID控制的无人机复杂动态目标追踪方法,其特征在于,包括以下步骤:
S1、对移动目标进行识别抓取,得到像素点误差数据;
S2、通过对所述像素点误差数据融合无人机高度数据和对无人机姿态角变化补偿,得出无人机与目标物水平横滚方向及俯仰方向的相对距离;
S3、对移动目标的速度进行计算,将补偿后的无人机与目标物水平横滚方向及俯仰方向的相对距离作为串级PID控制***的输入误差变量,并加入移动目标速度作为前馈补偿量以实现无人机与移动目标相对静止。
2.如权利要求1所述的基于前馈补偿PID控制的无人机复杂动态目标追踪方法,其特征在于,步骤S2中,通过以下公式进行补偿:
ΔX0=H×Δx×M
ΔY0=H×Δy×M
Δx'=H×sinθ
ΔX1=ΔX0-Δx'
ΔY1=ΔY0-Δy'
其中,H为无人机离地高度;ΔX0表示补偿前在高度H上无人机处于水平状态下,移动目标与无人机对应的水平横滚方向的相对距离;Δx为x方向像素点误差数据;M为单位像素点在一米高度对应地面偏移的位移;ΔY0表示补偿前在H高度上无人机处于水平状态下,移动目标与无人机对应的俯仰方向的相对距离;Δy为y方向像素点误差数据;(Δx’,Δy’)为无人机姿态角变化带来的移动目标偏差;ΔX1为补偿后的移动目标与无人机对应的水平横滚方向的相对距离;ΔY1为补偿后的移动目标与无人机对应的俯仰方向的相对距离。
3.如权利要求2所述的基于前馈补偿PID控制的无人机复杂动态目标追踪方法,其特征在于,所述高度H通过激光传感器直接读取。
4.如权利要求1所述的基于前馈补偿PID控制的无人机复杂动态目标追踪方法,其特征在于,通过以下公式对移动目标的速度进行计算:
V目标=v1+v2
其中,V目标为移动目标与地面的相对运动速度,v1为无人机水平横滚方向或俯仰方向的速度,v2为无人机与运动目标在水平横滚方向或俯仰方向的相对速度。
5.如权利要求4所述的基于前馈补偿PID控制的无人机复杂动态目标追踪方法,其特征在于,通过光流传感器直接读取无人机水平横滚方向或俯仰方向的速度v1。
6.如权利要求4所述的基于前馈补偿PID控制的无人机复杂动态目标追踪方法,其特征在于,利用误差微分变量得到无人机与运动目标在水平横滚方向或俯仰方向的相对速度v2。
7.如权利要求1所述的基于前馈补偿PID控制的无人机复杂动态目标追踪方法,其特征在于,步骤S1包括:利用图像处理元器件openmv对移动目标进行识别抓取。
8.如权利要求7所述的基于前馈补偿PID控制的无人机复杂动态目标追踪方法,其特征在于,所述图像处理元器件openmv通过串口的连接方式与无人机飞控主板连接,且水平放置于无人机正下方,镜头垂直朝下,镜头模块部分朝向无人机机头方向。
9.如权利要求7所述的基于前馈补偿PID控制的无人机复杂动态目标追踪方法,其特征在于,所述图像处理元器件openmv对拍摄的视野内进行红色色块识别,通过手动设定需要读取色块的RGB阈值区间;若无法找到对应色块,则手动对设定的色块进行阈值调整,直到稳定清晰地显示色块。
10.如权利要求7所述的基于前馈补偿PID控制的无人机复杂动态目标追踪方法,其特征在于,所述图像处理元器件openmv利用库函数img.draw_rectangle对目标物框定,并且使用库函数img.draw_cross对方框正中间画十字箭头,并返回十字箭头的坐标值(x,y)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111188486.2A CN113848979B (zh) | 2021-10-12 | 2021-10-12 | 基于前馈补偿pid控制的无人机复杂动态目标追踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111188486.2A CN113848979B (zh) | 2021-10-12 | 2021-10-12 | 基于前馈补偿pid控制的无人机复杂动态目标追踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113848979A true CN113848979A (zh) | 2021-12-28 |
CN113848979B CN113848979B (zh) | 2023-01-17 |
Family
ID=78978072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111188486.2A Active CN113848979B (zh) | 2021-10-12 | 2021-10-12 | 基于前馈补偿pid控制的无人机复杂动态目标追踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113848979B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103149939A (zh) * | 2013-02-26 | 2013-06-12 | 北京航空航天大学 | 一种基于视觉的无人机动态目标跟踪与定位方法 |
CN105578034A (zh) * | 2015-12-10 | 2016-05-11 | 深圳市道通智能航空技术有限公司 | 一种对目标进行跟踪拍摄的控制方法、控制装置及*** |
CN107993257A (zh) * | 2017-12-28 | 2018-05-04 | 中国科学院西安光学精密机械研究所 | 一种智能imm卡尔曼滤波前馈补偿目标追踪方法及*** |
CN109099779A (zh) * | 2018-08-31 | 2018-12-28 | 江苏域盾成鹫科技装备制造有限公司 | 一种无人机侦测与智能拦截*** |
CN109445453A (zh) * | 2018-09-12 | 2019-03-08 | 湖南农业大学 | 一种基于OpenCV的无人机实时压缩跟踪方法 |
CN110222581A (zh) * | 2019-05-13 | 2019-09-10 | 电子科技大学 | 一种基于双目相机的四旋翼无人机视觉目标跟踪方法 |
CN110262534A (zh) * | 2019-06-25 | 2019-09-20 | 北京机械设备研究所 | 一种针对低慢小目标的无人机跟踪与拦截***及方法 |
CN110488850A (zh) * | 2019-08-02 | 2019-11-22 | 南京理工大学 | 一种基于树莓派的四旋翼无人机视觉导航***及方法 |
CN112198797A (zh) * | 2020-10-23 | 2021-01-08 | 国网智能科技股份有限公司 | 一种无人机高度多级控制***及方法 |
-
2021
- 2021-10-12 CN CN202111188486.2A patent/CN113848979B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103149939A (zh) * | 2013-02-26 | 2013-06-12 | 北京航空航天大学 | 一种基于视觉的无人机动态目标跟踪与定位方法 |
CN105578034A (zh) * | 2015-12-10 | 2016-05-11 | 深圳市道通智能航空技术有限公司 | 一种对目标进行跟踪拍摄的控制方法、控制装置及*** |
CN107993257A (zh) * | 2017-12-28 | 2018-05-04 | 中国科学院西安光学精密机械研究所 | 一种智能imm卡尔曼滤波前馈补偿目标追踪方法及*** |
CN109099779A (zh) * | 2018-08-31 | 2018-12-28 | 江苏域盾成鹫科技装备制造有限公司 | 一种无人机侦测与智能拦截*** |
CN109445453A (zh) * | 2018-09-12 | 2019-03-08 | 湖南农业大学 | 一种基于OpenCV的无人机实时压缩跟踪方法 |
CN110222581A (zh) * | 2019-05-13 | 2019-09-10 | 电子科技大学 | 一种基于双目相机的四旋翼无人机视觉目标跟踪方法 |
CN110262534A (zh) * | 2019-06-25 | 2019-09-20 | 北京机械设备研究所 | 一种针对低慢小目标的无人机跟踪与拦截***及方法 |
CN110488850A (zh) * | 2019-08-02 | 2019-11-22 | 南京理工大学 | 一种基于树莓派的四旋翼无人机视觉导航***及方法 |
CN112198797A (zh) * | 2020-10-23 | 2021-01-08 | 国网智能科技股份有限公司 | 一种无人机高度多级控制***及方法 |
Non-Patent Citations (1)
Title |
---|
蔡鑫 等: "四旋翼无人机自主循迹***", 《电光与控制》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113848979B (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110222581B (zh) | 一种基于双目相机的四旋翼无人机视觉目标跟踪方法 | |
US11073389B2 (en) | Hover control | |
CN105652891B (zh) | 一种旋翼无人机移动目标自主跟踪装置及其控制方法 | |
CN111596693B (zh) | 基于云台相机的无人机对地面目标跟踪控制方法及*** | |
CN102298070B (zh) | 估算无人机,尤其是能够在自动驾驶下执行悬停飞行的无人机的水平速度的方法 | |
EP4394732A2 (en) | Systems and methods for identifying pose of cameras in a scene | |
CN111932588A (zh) | 一种基于深度学习的机载无人机多目标跟踪***的跟踪方法 | |
US11906983B2 (en) | System and method for tracking targets | |
CN107463181A (zh) | 一种基于AprilTag的四旋翼飞行器自适应追踪*** | |
US20200125100A1 (en) | Movable object control method, device and system | |
CN106527457B (zh) | 航空扫描仪扫描控制指令规划方法 | |
CN110824453A (zh) | 一种基于图像跟踪与激光测距的无人机目标运动估计方法 | |
Mills et al. | Vision based control for fixed wing UAVs inspecting locally linear infrastructure using skid-to-turn maneuvers | |
CN108733066A (zh) | 一种基于吊舱姿态反馈的目标跟踪控制方法 | |
GB2246261A (en) | Tracking arrangements and systems | |
CN110942470A (zh) | 图像处理装置 | |
Zhang et al. | Autonomous landing on ground target of UAV by using image-based visual servo control | |
Greatwood et al. | Perspective correcting visual odometry for agile mavs using a pixel processor array | |
Pei et al. | Research of a non-linearity control algorithm for UAV target tracking based on fuzzy logic systems | |
CN116149193B (zh) | 一种基于视觉的旋翼无人机抗扰动控制方法及*** | |
CN113848979B (zh) | 基于前馈补偿pid控制的无人机复杂动态目标追踪方法 | |
Liu et al. | Visual-based online control of gimbal on the uav for target tracking | |
Li et al. | Real-time image stabilization method based on low altitude fixed wing UAV | |
Haus et al. | Visual target localization with the spincopter | |
CN114296479B (zh) | 一种基于图像的无人机对地面车辆跟踪方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Zhang Yueyuan Inventor after: Xu Jiakai Inventor after: Ji Qing Inventor before: Xu Jiakai Inventor before: Zhang Yueyuan Inventor before: Ji Qing |
|
GR01 | Patent grant | ||
GR01 | Patent grant |