CN116149193B - 一种基于视觉的旋翼无人机抗扰动控制方法及*** - Google Patents
一种基于视觉的旋翼无人机抗扰动控制方法及*** Download PDFInfo
- Publication number
- CN116149193B CN116149193B CN202310443703.0A CN202310443703A CN116149193B CN 116149193 B CN116149193 B CN 116149193B CN 202310443703 A CN202310443703 A CN 202310443703A CN 116149193 B CN116149193 B CN 116149193B
- Authority
- CN
- China
- Prior art keywords
- control
- aerial vehicle
- unmanned aerial
- disturbance
- error vector
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 96
- 230000000007 visual effect Effects 0.000 claims abstract description 56
- 239000011159 matrix material Substances 0.000 claims description 84
- 238000012545 processing Methods 0.000 claims description 15
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 4
- 239000013641 positive control Substances 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 8
- 230000005484 gravity Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 210000001258 synovial membrane Anatomy 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000722953 Akebia Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于视觉的旋翼无人机抗扰动控制方法及***,相机实时采集周围环境图像,惯性里程计实时采集旋翼无人机的角速度,机载处理器接收周围环境图像并处理得到第一控制误差向量,设计扰动观测器,扰动观测器根据第一控制误差向量和角速度估计旋翼无人机的外部扰动力和外部扰动力矩;根据第一控制误差向量和预设的虚拟控制力设置视觉外环控制器,将外部扰动力输入视觉外环控制器,得到期望推力;根据预设的虚拟控制力设置姿态内环控制器,将外部扰动力矩输入姿态内环控制器,得到期望控制力矩;飞行控制器根据期望推力和期望控制力矩控制旋翼无人机飞行。该方法对场景具有很强的鲁棒性,在复杂环境下也能实现旋翼无人机自主飞行。
Description
技术领域
本发明涉及旋翼无人机自主控制领域,特别涉及一种存在外界扰动下基于视觉的旋翼无人机扰动控制方法及***。
背景技术
旋翼无人机是一种通过旋转叶片产生升力的飞行器,广泛应用于空中摄影、农业、科学研究和军事任务等领域。与固定翼无人机不同,旋翼无人机具有垂直起降和在狭小空间内悬停和飞行等优势。随着技术的不断进步,旋翼无人机在一些人类难以到达的环境和具有挑战的项目中表现出越来越强大的能力,逐渐取代载人飞行器。但是,旋翼无人机在应用过程中也面临着一些挑战,如外界扰动的影响以及高效的自我姿态控制问题。因此,采用基于机载视觉传感器的自抗扰技术和姿态控制技术成为旋翼无人机在复杂环境中实现自主飞行的关键。
旋翼无人机在飞行过程中可能会受到各种扰动,这些扰动可能来自外界环境或无人机本身的动力***,包括风扰动、气流扰动、操纵***扰动以及负载扰动等,这些扰动都会影响旋翼无人机的稳定性。在旋翼无人机自主飞行过程中,受到的外界扰动是一个不可测量的量。对于旋翼无人机来说,如何获取外部扰动量仍然是一个悬而未决的问题。同时,旋翼无人机是一个欠驱动的***,位置和姿态变化是高度耦合的。只有在姿态快速稳定的前提下,旋翼无人机的整个***才会快速稳定。
在受到扰动的环境中,旋翼无人机需要具备高动态鲁棒性的姿态控制能力。然而,传统的控制器已经无法满足这种需求。因此,需要采用新的控制方法,以使旋翼无人机在更为复杂的环境下仍能保持高鲁棒性的控制能力。
发明内容
本发明的目的在于针对当前旋翼无人机***的在扰动环境下控制鲁棒性不足,提出了一种基于视觉的旋翼无人机抗扰动控制方法及***,该方法中旋翼无人机无需知道自身的位置信息,仅通过视觉信息就可以实现悬停、降落、目标跟踪以及抗外界扰动等多项任务。采用一个视野向下摄像头的图像输入,通过求解一幅参考图像和当前图像的单应性矩阵作为视觉特征,提出了一种新的自适应滑膜几何姿态控制器用以控制旋翼无人机的姿态,同时设计了一个自身的扰动观测器来观测各种扰动,提高控制器的鲁棒性,实现了在扰动环境下的鲁棒控制,解决了传统旋翼无人机在扰动环境中实现悬停、降落、跟踪等多种任务中鲁棒性不足的问题。
本发明的目的在于提供一种基于视觉的旋翼无人机抗扰动控制方法,包括如下步骤:
S1、通过相机实时采集周围环境图像,通过飞行控制器中的惯性里程计实时采集旋翼无人机的角速度,机载处理器接收周围环境图像并处理得到单应性矩阵,根据单应性矩阵和预设的虚拟控制误差函数得到第一控制误差向量;
S2、根据单应性矩阵设置扰动观测器,扰动观测器根据第一控制误差向量和角速度估计旋翼无人机的外部扰动量,外部扰动量包括外部扰动力和外部扰动力矩;
S3、设置虚拟控制输入力,根据第一控制误差向量和虚拟控制输入力设置视觉外环控制器,将外部扰动力输入至视觉外环控制器,经过处理,得到期望推力,将期望推力通过机载处理器输出;
S4、根据虚拟控制输入力设置姿态内环控制器,将外部扰动力矩输入至姿态内环控制器,经过处理,得到期望控制力矩,将期望控制力矩通过机载处理器输出;
S5、飞行控制器接收机载处理器输出的期望推力和期望控制力矩,并根据期望推力和期望控制力矩控制旋翼无人机的鲁棒飞行。
优选地,S1中根据单应性矩阵和预设的虚拟控制误差函数得到第一控制误差向量,第一控制误差向量具体为:
优选地,S2中根据单应性矩阵设置扰动观测器,具体包括:
S21、根据单应性矩阵和旋翼无人机的数学模型设置旋翼无人机的视觉伺服模型;
S22、重写旋翼无人机的视觉伺服模型,得到包含扰动的动力学模型;
S23、设置包含扰动的动力学模型趋于稳定时对应的扰动观测器。
优选地,S23设置包含扰动的动力学模型趋于稳定时对应的扰动观测器,扰动观测器具体为:
优选地,S3中根据第一控制误差向量和虚拟控制输入力设置视觉外环控制器,具体包括:
S31、根据第一控制误差向量构建第二控制误差向量;
S32、分别对第一控制误差向量和第二控制误差向量求一阶导数,并结合虚拟控制力得到视觉外环动态方程;
S33、设置视觉外环动态方程趋于稳定时对应的视觉外环控制器。
优选地,S33设置视觉外环动态方程趋于稳定时对应的视觉外环控制器,视觉外环控制器具体为:
优选地,S4中根据虚拟控制输入力设置姿态内环控制器,具体包括:
S41、根据虚拟控制输入力构建期望姿态矩阵;
S42、根据期望姿态矩阵在李群空间定义姿态误差向量和姿态角速度误差向量;
S43、分别对姿态误差向量和姿态角速度误差向量求一阶导数,得到姿态内环动态方程;
S44、根据姿态误差向量和姿态角速度误差向量设置滑膜面,结合姿态内环动态方程设置滑膜面趋于稳定时对应的姿态内环控制器。
优选地,S44根据姿态误差向量和姿态角速度误差向量设置滑膜面,滑膜面具体为:
优选地,S44结合姿态内环动态方程设置滑膜面趋于稳定时对应的姿态内环控制器,姿态内环控制器具体为:
式中,为期望控制力矩,/>为自适应控制率,/>为三维符号函数,,/>为滑膜面,/>为正常数,/>为扰动力矩/>的估计,/>为反对称矩阵,/>为旋翼无人机相在机体坐标系的角速度,/>为旋翼无人机的惯性矩阵,/>为中间变量,/>为正值,/>为包含姿态误差向量/>的表达式,/>为单位矩阵,/>为姿态角速度误差向量,/>为自适应控制率/>的一阶导数,/>为一个正常数,/>为机体坐标系相对于参考坐标系的旋转矩阵,/>为期望姿态矩阵,/>为期望角速度/>的一阶导数。
一种基于视觉的旋翼无人机抗扰动控制***,使用基于视觉的旋翼无人机抗扰动控制方法对旋翼无人机进行控制,***包括:旋翼无人机、相机、机载处理器和飞行控制器,
相机设置于旋翼无人机的正下方,用于实时采集周围环境图像;
飞行控制器设置于旋翼无人机上,飞行控制器包括惯性测量单元,惯性测量单元用于实时测量旋翼无人机的角速度;
机载处理器设置于旋翼无人机上,机载处理器中设置了视觉外环控制器和姿态内环控制器,机载处理器通过视觉外环控制器和姿态内环控制器对周围环境图像和旋翼无人机的角速度进行处理,得到期望推力和期望控制力矩;
飞行控制器与机载处理器网络连接,用于接收机载处理器输出的期望推力和期望控制力矩,并通过期望推力和期望控制力矩控制旋翼无人机的飞行。
上述一种基于视觉的旋翼无人机抗扰动控制方法及***,通过设计基于视觉特征的扰动观测器,可以快速精准的估计自身的受到的扰动量大小;提出了一种基于自适应滑膜理论的姿态内环控制器,通过姿态内环控制器输出的期望控制力矩可以快速控制旋翼无人机的姿态;利用单应性特征法作为基础,相较于采用特征和光流等方法,其具有更强的鲁棒性和更高的效率。该方法控制的旋翼无人机能够在外界存在扰动的条件下稳定运行,仅由旋翼无人机自身的机载处理器进行自主控制,相比于传统的控制方法,该方法对场景具有很强的鲁棒性,即使在更复杂环境的条件下也能实现自主飞行。
附图说明
图1是本发明一实施例中一种基于视觉的旋翼无人机抗扰动控制方法的流程图;
图2是本发明一实施例中机载处理器抗扰动控制方法框架示意图;
图3是本发明一实施例中一种基于视觉的旋翼无人机抗扰动控制方法及***的框架示意图;
图4是本发明一实施例中一种基于视觉的旋翼无人机抗扰动控制***中各坐标系间的关系示意图;
图5是本发明一实施例中一种基于视觉的旋翼无人机抗扰动控制***的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明的技术方案,下面结合附图对本发明作进一步的详细说明。
一种基于视觉的旋翼无人机抗扰动控制方法,具体包括:
S1、通过相机实时采集周围环境图像,通过飞行控制器中的惯性里程计实时采集旋翼无人机的角速度,机载处理器接收周围环境图像并处理得到单应性矩阵,根据单应性矩阵和预设的虚拟控制误差函数得到第一控制误差向量;
S2、根据单应性矩阵设置扰动观测器,扰动观测器根据第一控制误差向量和角速度估计旋翼无人机的外部扰动量,外部扰动量包括外部扰动力和外部扰动力矩;
S3、设置虚拟控制输入力,根据第一控制误差向量和虚拟控制输入力设置视觉外环控制器,将外部扰动力输入至视觉外环控制器,经过处理,得到期望推力,将期望推力通过机载处理器输出;
S4、根据虚拟控制输入力设置姿态内环控制器,将外部扰动力矩输入至姿态内环控制器,经过处理,得到期望控制力矩,将期望控制力矩通过机载处理器输出;
S5、飞行控制器接收机载处理器输出的期望推力和期望控制力矩,并根据期望推力和期望控制力矩控制旋翼无人机的鲁棒飞行。
具体地,参见图1、图2和图3,图1为本发明一实施例中一种基于视觉的旋翼无人机抗扰动控制方法的流程图;图2为本发明一实施例中机载处理器抗扰动控制方法框架示意图;图3为本发明一实施例中一种基于视觉的旋翼无人机抗扰动控制方法及***的框架示意图。
首先通过旋翼无人机上的相机实时采集周围环境图像,飞行控制器中的惯性里程计实时采集旋翼无人机的角速度,机载处理器接收周围环境图像并处理得到单应性矩阵,根据单应性矩阵和预设的虚拟控制误差函数得到第一控制误差向量;然后根据单应性矩阵设计扰动观测器,扰动观测器根据第一控制误差向量和角速度估计旋翼无人机的外部扰动量,外部扰动量包括外部扰动力和外部扰动力矩;接着设置虚拟控制输入力,根据第一控制误差向量和虚拟控制输入力设置视觉外环控制器,将外部扰动力输入视觉外环控制器,经过处理,得出期望推力;接着根据虚拟控制输入力设置姿态内环控制器,将外部扰动力矩输入姿态内环控制器,经过处理,得到期望控制力矩;扰动观测器、视觉外环控制器和姿态内环控制器均设置在机载处理器中,在旋翼无人机自主飞行途中,机载处理器通过不断地解算期望推力和期望控制力矩,同时将得到的期望推力和期望控制力矩输入飞行控制器中,飞行控制器对旋翼无人机进行姿态的控制,从而实现旋翼无人机的自主飞行。在该实施例中,带有惯性里程计的飞行控制器的型号为PX4。
在一个实施例中,S1中根据单应性矩阵和预设的虚拟控制误差函数得到第一控制误差向量,第一控制误差向量具体为:
在一个实施例中,S2中根据单应性矩阵设置扰动观测器,具体包括:
S21、根据单应性矩阵和旋翼无人机的数学模型设置旋翼无人机的视觉伺服模型;
S22、重写旋翼无人机的视觉伺服模型,得到包含扰动的动力学模型;
S23、设置包含扰动的动力学模型趋于稳定时对应的扰动观测器。
在一个实施例中,S23设置包含扰动的动力学模型趋于稳定时对应的扰动观测器,扰动观测器具体为:
具体地,根据单应性矩阵设置扰动观测器,过程如下:
其中,为第一控制误差向量/>的一阶导数,/>为反对称矩阵,/>为旋翼无人机相对机体坐标系的角速度,/>,/>为惯性坐标系下Z轴的单位向量,,/>为旋翼无人机受到的扰动量,扰动量包括扰动力和扰动力矩,/>为旋翼无人机在虚拟坐标系受到的扰动力,/>为旋翼无人机在机体坐标系上的外部扰动力,/>为旋翼无人机在机体坐标系下的扰动力矩,是一个三维向量,是一个正常数,/>为旋翼无人机在虚拟坐标系的线速度/>的一阶导数,/>为作用在旋翼无人机上的推力和重力之和,是一个三维向量,/>为作用在旋翼无人机上的推力和重力之和/>在虚拟坐标系上的表示,/>为旋翼无人机的重量,/>为重力加速度,/>为旋翼无人机的惯性矩阵,/>为机体坐标系相对于参考坐标系的旋转矩阵,/>为机体坐标系下的力矩,/>为推力,是一个一维的正值,/>为目标平面相对于参考坐标系的法向量,/>为参位置到目标平面的距离。
参见图4,图4是本发明一实施例中一种基于视觉的旋翼无人机抗扰动控制***中各坐标系间的关系示意图。
图4中示出了虚拟坐标系()和旋翼无人机的机体坐标系(/>)的关系,虚拟坐标系的原点和偏航角与旋翼无人机的机体坐标系的原点和偏航角一样,虚拟坐标系的俯仰角和翻滚角与参考坐标系(/>)的俯仰角和翻滚角一样,(不因旋翼无人机俯仰和翻滚运动改变),/>为惯性坐标系。
2)对旋翼无人机的视觉伺服模型进行重写,得到包含扰动的动力学模型:
式中,为旋翼无人机受到的扰动量,参数/>、/>、/>、/>、/>、/>均为过程变量,用于方便书写公式,无具体含义,/>为过程变量/>的二阶导数,/>为角速度积分量,/>为偏航旋转矩阵,/>为俯仰旋转矩阵和翻滚旋转矩阵的乘积,/>为推力,是一个一维的正值,/>为机体坐标系下的力矩。
3)设置包含扰动的动力学模型趋于稳定时对应的扰动观测器:
将第一控制误差向量和飞行控制器中惯性里程计读取的旋翼无人机的角速度输入至扰动观测器,经过处理,输出旋翼无人机的扰动量,扰动量包括扰动力和扰动力矩。
扰动观测器输出的扰动力基于视觉特征构建,能够在有限的时间内收敛至外界扰动力真实值,扰动观测器输出的扰动力矩则根据角速度构建,能够在有限的时间内收敛至外界扰动力矩真实值。
在一个实施例中,S3中根据第一控制误差向量和虚拟控制输入力设置视觉外环控制器,具体包括:
S31、根据第一控制误差向量构建第二控制误差向量;
S32、分别对第一控制误差向量和第二控制误差向量求一阶导数,并结合虚拟控制力得到视觉外环动态方程;
S33、设置视觉外环动态方程趋于稳定时对应的视觉外环控制器。
在一个实施例中,S33设置视觉外环动态方程趋于稳定时对应的视觉外环控制器,视觉外环控制器具体为:
具体地,根据第一控制误差向量设置视觉外环控制器,根据视觉外环控制器计算得到期望推力,过程如下:
1)基于反步法的思想,根据第一控制误差向量构建第二控制误差向量
预设虚拟控制输入力,分别对第一控制误差向量和第二控制控制误差向量求一阶导数,并结合预设的虚拟控制输入力得到视觉外环动态方程:
3)设置视觉外环动态方程趋于稳定时对应的视觉外环控制器:
4)将扰动观测器输出的扰动力输入至视觉外环控制器,经过处理,得到期望推力:
将公式(7)代入公式(2)-3,并对公式(2)-3求导,得到期望推力的计算公式:
在一个实施例中,S4中根据虚拟控制输入力设置姿态内环控制器,具体包括:
S41、根据虚拟控制输入力构建期望姿态矩阵;
S42、根据期望姿态矩阵在李群空间定义姿态误差向量和姿态角速度误差向量;
S43、分别对姿态误差向量和姿态角速度误差向量求一阶导数,得到姿态内环动态方程;
S44、根据姿态误差向量和姿态角速度误差向量设置滑膜面,结合姿态内环动态方程设置滑膜面趋于稳定时对应的姿态内环控制器。
在一个实施例中,S44根据姿态误差向量和姿态角速度误差向量设置滑膜面,滑膜面具体为:
在一个实施例中,S44结合姿态内环动态方程设置滑膜面趋于稳定时对应的姿态内环控制器,姿态内环控制器具体为:
式中,为期望控制力矩,/>为自适应控制率,/>为三维符号函数,,/>为滑膜面,/>为正常数,/>为扰动力矩/>的估计,/>为反对称矩阵,/>为旋翼无人机相在机体坐标系的角速度,/>为旋翼无人机的惯性矩阵,/>为中间变量,/>为正值,/>为包含姿态误差向量/>的表达式,/>为单位矩阵,/>为姿态角速度误差向量,/>为自适应控制率/>的一阶导数,/>为一个正常数,/>为机体坐标系相对于参考坐标系的旋转矩阵,/>为期望姿态矩阵,/>为期望角速度/>的一阶导数。
具体地,设置姿态内环控制器,根据姿态内环控制器计算出期望控制力矩,过程如下:
式中,为期望姿态矩阵,/>为期望姿态矩阵的X、Y、Z轴的向量,/>为期望偏航向量,/>为设置的虚拟控制输入力,/>为中间变量,假设/>,在旋翼无人机实际飞行中,/>为偏航旋转矩阵,/>为旋翼无人机期望的偏航角,/>为旋翼无人机的重量,/>为重力加速度,/>为控制参数。
2)在李群空间定义姿态误差向量和姿态角速度误差向量:
3)对姿态误差向量和姿态角速度误差向量分别求关于时间的一阶导数,得到姿态内环动态方程:
4)根据姿态误差向量和姿态角速度误差向量设置滑膜面:
式中,为期望控制力矩,/>为自适应控制率,/>为滑膜面,/>为三维符号函数,/>,/>为扰动力矩/>的估计,/>为正常数,为包含姿态误差向量/>的表达式,根据姿态内环动态方程推导得出的,/>为中间变量,/>为期望角速度/>的一阶导数。
为了解决滑膜控制过程中存在抖振问题,设置如下的自适应控制率:
6)将扰动力矩输入姿态内环控制器,经过处理输出期望控制力矩。
在旋翼无人机自主飞行途中,不断的解算期望推力和力矩,同时将控制量输入控制器中,对旋翼无人机进行一个姿态的控制,从而实现旋翼无人机的自主飞行。
一种基于视觉的旋翼无人机抗扰动控制***,使用基于视觉的旋翼无人机抗扰动控制方法对旋翼无人机进行控制,***包括:旋翼无人机、相机、机载处理器和飞行控制器,
相机设置于旋翼无人机的正下方,用于实时采集周围环境图像;
飞行控制器设置于旋翼无人机上,飞行控制器包括惯性测量单元,惯性测量单元用于实时测量旋翼无人机的角速度;
机载处理器设置于旋翼无人机上,机载处理器中设置了视觉外环控制器和姿态内环控制器,机载处理器通过视觉外环控制器和姿态内环控制器对周围环境图像和旋翼无人机的角速度进行处理,得到期望推力和期望控制力矩;
飞行控制器与机载处理器网络连接,用于接收机载处理器输出的期望推力和期望控制力矩,并通过期望推力和期望控制力矩控制旋翼无人机的飞行。
具体地,参见图5,图5为本发明一实施例中一种基于视觉的旋翼无人机抗扰动控制***的结构示意图。
一种基于视觉的旋翼无人机抗扰动控制***,包括一架旋翼无人机4、飞行控制器3,相机2和机载处理器1;其中机载处理器1安装在旋翼无人机正上方,相机2需安装在旋翼无人机正下方且视野向下,其中摄像头的视野范围为90°,刷新频率为50HZ,图片像素大小为640×480。
相机2实时采集旋翼无人机4的周围环境图像,飞行控制器3中的惯性传感器实时采集旋翼无人机的角速度;
机载处理器1接收旋翼无人机4的周围环境图像和角速度,经过处理输出期望推力和期望控制力矩;
飞行控制器3根据机载处理器1输出的期望推力和期望控制力矩对旋翼无人机4进行控制。
作为本实施例的一个改进,旋翼无人机平台选用阿木实验室的 JCV-600 无人机开发平台。
作为本实施例的一个改进,机载处理器1选用Intel 的 NUC11PAHi7卫星电脑。
作为本实施例的一个改进,相机2选用大恒图像的 VEN-161 系列相机。
上述一种基于视觉抗扰动的旋翼无人机控制方法及***,通过设计基于视觉特征的扰动观测器,可以快速精准的估计自身的受到的扰动量大小;提出了一种基于自适应滑膜理论的姿态内环控制器,通过姿态内环控制器输出的期望控制力矩可以快速控制旋翼无人机的姿态;利用单应性特征法作为基础,相较于采用特征和光流等方法,其具有更强的鲁棒性和更高的效率。该方法控制的旋翼无人机能够在外界存在扰动的条件下稳定运行,仅由旋翼无人机自身的机载处理器进行自主控制,相比于传统的控制方法,该方法对场景具有很强的鲁棒性,即使在更复杂环境的条件下也能实现自主飞行。
以上对本发明所提供的一种基于视觉的旋翼无人机抗扰动控制方法进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的核心思想。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,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种基于视觉的旋翼无人机抗扰动控制方法,其特征在于,所述方法包括:
S1、通过相机实时采集周围环境图像,通过飞行控制器中的惯性里程计实时采集旋翼无人机的角速度,机载处理器接收周围环境图像并处理得到单应性矩阵,根据所述单应性矩阵和预设的虚拟控制误差函数得到第一控制误差向量;
S2、根据所述单应性矩阵设置扰动观测器,所述扰动观测器根据所述第一控制误差向量和所述角速度估计旋翼无人机的外部扰动量,所述外部扰动量包括外部扰动力和外部扰动力矩;
S3、设置虚拟控制输入力,根据所述第一控制误差向量和所述虚拟控制输入力设置视觉外环控制器,将所述外部扰动力输入至所述视觉外环控制器,经过处理,得到期望推力,将所述期望推力通过所述机载处理器输出;
S4、根据所述虚拟控制输入力设置姿态内环控制器,将所述外部扰动力矩输入至所述姿态内环控制器,经过处理,得到期望控制力矩,将所述期望控制力矩通过所述机载处理器输出;
S5、飞行控制器接收所述机载处理器输出的期望推力和期望控制力矩,并根据所述期望推力和期望控制力矩控制所述旋翼无人机的鲁棒飞行。
3.如权利要求2所述的基于视觉的旋翼无人机抗扰动控制方法,其特征在于,所述S2中根据所述单应性矩阵设置扰动观测器,具体包括:
S21、根据所述单应性矩阵和旋翼无人机的数学模型设置旋翼无人机的视觉伺服模型;
S22、重写所述旋翼无人机的视觉伺服模型,得到包含扰动的动力学模型;
S23、设置所述包含扰动的动力学模型趋于稳定时对应的扰动观测器。
5.如权利要求4所述的基于视觉的旋翼无人机抗扰动控制方法,其特征在于,所述S3中根据所述第一控制误差向量和所述虚拟控制输入力设置视觉外环控制器,具体包括:
S31、根据所述第一控制误差向量构建第二控制误差向量;
S32、分别对所述第一控制误差向量和第二控制误差向量求一阶导数,并结合所述虚拟控制输入力得到视觉外环动态方程;
S33、设置所述视觉外环动态方程趋于稳定时对应的视觉外环控制器。
7.如权利要求6所述的基于视觉的旋翼无人机抗扰动控制方法,其特征在于,所述S4中根据所述虚拟控制输入力设置姿态内环控制器,具体包括:
S41、根据所述虚拟控制输入力构建期望姿态矩阵;
S42、根据所述期望姿态矩阵在李群空间定义姿态误差向量和姿态角速度误差向量;
S43、分别对所述姿态误差向量和姿态角速度误差向量求一阶导数,得到姿态内环动态方程;
S44、根据所述姿态误差向量和姿态角速度误差向量设置滑膜面,结合所述姿态内环动态方程设置滑膜面趋于稳定时对应的姿态内环控制器。
9.如权利要求8所述的基于视觉的旋翼无人机抗扰动控制方法,其特征在于,所述S44结合所述姿态内环动态方程设置滑膜面趋于稳定时对应的姿态内环控制器,所述姿态内环控制器具体为:
10.一种基于视觉的旋翼无人机抗扰动控制***,其特征在于,使用权利要求1-9任一项所述的基于视觉的旋翼无人机抗扰动控制方法对旋翼无人机进行控制,所述***包括:旋翼无人机、相机、机载处理器和飞行控制器,
所述相机设置于所述旋翼无人机的正下方,用于实时采集周围环境图像;
所述飞行控制器设置于所述旋翼无人机上,所述飞行控制器包括惯性测量单元,所述惯性测量单元用于实时测量所述旋翼无人机的角速度;
所述机载处理器设置于所述旋翼无人机上,所述机载处理器中设置了视觉外环控制器和姿态内环控制器,所述机载处理器通过所述视觉外环控制器和姿态内环控制器对所述周围环境图像和所述旋翼无人机的角速度进行处理,得到期望推力和期望控制力矩;
所述飞行控制器与所述机载处理器网络连接,用于接收所述机载处理器输出的期望推力和期望控制力矩,并通过所述期望推力和期望控制力矩控制所述旋翼无人机的飞行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310443703.0A CN116149193B (zh) | 2023-04-24 | 2023-04-24 | 一种基于视觉的旋翼无人机抗扰动控制方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310443703.0A CN116149193B (zh) | 2023-04-24 | 2023-04-24 | 一种基于视觉的旋翼无人机抗扰动控制方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116149193A CN116149193A (zh) | 2023-05-23 |
CN116149193B true CN116149193B (zh) | 2023-06-23 |
Family
ID=86352906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310443703.0A Active CN116149193B (zh) | 2023-04-24 | 2023-04-24 | 一种基于视觉的旋翼无人机抗扰动控制方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116149193B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116643501B (zh) * | 2023-07-18 | 2023-10-24 | 湖南大学 | 稳定性约束下的空中作业机器人可变阻抗控制方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1901153A1 (en) * | 2006-09-12 | 2008-03-19 | OFFIS e.V. | Control system for unmanned 4-rotor-helicopter |
CN113138608A (zh) * | 2021-05-10 | 2021-07-20 | 新疆大学 | 一种使用扰动观测器和非线性速度观测器的四旋翼无人机视觉伺服控制方法 |
CN113189875A (zh) * | 2021-04-29 | 2021-07-30 | 湖南大学 | 一种基于圆形特征的无人机在移动平台上鲁棒着陆方法 |
CN113359472A (zh) * | 2021-07-02 | 2021-09-07 | 北京理工大学 | 一种四旋翼无人机自适应鲁棒轨迹跟踪控制方法 |
CN114089779A (zh) * | 2021-11-24 | 2022-02-25 | 湖南大学 | Gps拒止环境下空中机器人视觉自主控制方法及*** |
CN115366109A (zh) * | 2022-09-23 | 2022-11-22 | 北京航空航天大学杭州创新研究院 | 一种旋翼飞行机械臂复合分层抗干扰方法 |
CN115480583A (zh) * | 2022-09-22 | 2022-12-16 | 福州大学 | 飞行作业机器人的视觉伺服跟踪与阻抗控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10520943B2 (en) * | 2016-08-12 | 2019-12-31 | Skydio, Inc. | Unmanned aerial image capture platform |
-
2023
- 2023-04-24 CN CN202310443703.0A patent/CN116149193B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1901153A1 (en) * | 2006-09-12 | 2008-03-19 | OFFIS e.V. | Control system for unmanned 4-rotor-helicopter |
CN113189875A (zh) * | 2021-04-29 | 2021-07-30 | 湖南大学 | 一种基于圆形特征的无人机在移动平台上鲁棒着陆方法 |
CN113138608A (zh) * | 2021-05-10 | 2021-07-20 | 新疆大学 | 一种使用扰动观测器和非线性速度观测器的四旋翼无人机视觉伺服控制方法 |
CN113359472A (zh) * | 2021-07-02 | 2021-09-07 | 北京理工大学 | 一种四旋翼无人机自适应鲁棒轨迹跟踪控制方法 |
CN114089779A (zh) * | 2021-11-24 | 2022-02-25 | 湖南大学 | Gps拒止环境下空中机器人视觉自主控制方法及*** |
CN115480583A (zh) * | 2022-09-22 | 2022-12-16 | 福州大学 | 飞行作业机器人的视觉伺服跟踪与阻抗控制方法 |
CN115366109A (zh) * | 2022-09-23 | 2022-11-22 | 北京航空航天大学杭州创新研究院 | 一种旋翼飞行机械臂复合分层抗干扰方法 |
Non-Patent Citations (4)
Title |
---|
《An onboard-eye-to-hand visual servo and task coordination control for aerial manipulator based on a spherical model》;Ningbin Lai等;《Mechatronics》(第82期);第1-11页 * |
《Dynamic Image-Based Visual Servoing of Unmanned Aerial Vehicles under Disturbances》;Yanjie Chen等;《Advanced Robotics and Mechatronics》;第31-36页 * |
旋翼飞行机械臂的混合视觉伺服和分层控制方法;孙敬陶;钟杭;王耀南;李希;;仪器仪表学报(第07期);第56-65页 * |
旋翼飞行机械臂***的混合视觉伺服控制;孙敬陶;王耀南;谭建豪;钟杭;李瑞涵;;控制理论与应用(第04期);第505-515页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116149193A (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nekoukar et al. | Robust path tracking of a quadrotor using adaptive fuzzy terminal sliding mode control | |
AU2017344750B2 (en) | Thrust vectored multicopters | |
Mokhtari et al. | Disturbance observer based hierarchical control of coaxial-rotor UAV | |
Lee et al. | Adaptive image-based visual servoing for an underactuated quadrotor system | |
Herissé et al. | Landing a VTOL unmanned aerial vehicle on a moving platform using optical flow | |
Dhadekar et al. | Robust control of quadrotor using uncertainty and disturbance estimation | |
Bhargavapuri et al. | Vision-based autonomous tracking and landing of a fully-actuated rotorcraft | |
Purwin et al. | Performing and extending aggressive maneuvers using iterative learning control | |
Mills et al. | Vision based control for fixed wing UAVs inspecting locally linear infrastructure using skid-to-turn maneuvers | |
Zhao et al. | Vision-based tracking control of quadrotor with backstepping sliding mode control | |
CN116149193B (zh) | 一种基于视觉的旋翼无人机抗扰动控制方法及*** | |
Yang et al. | An optimized image-based visual servo control for fixed-wing unmanned aerial vehicle target tracking with fixed camera | |
Hoang et al. | Vision-based target tracking and autonomous landing of a quadrotor on a ground vehicle | |
CN106292297B (zh) | 基于pid控制器和l1自适应控制器的姿态控制方法 | |
Potena et al. | Effective target aware visual navigation for uavs | |
CN109062242B (zh) | 一种新的旋翼无人机控制方法 | |
CN113138608A (zh) | 一种使用扰动观测器和非线性速度观测器的四旋翼无人机视觉伺服控制方法 | |
CN114089779B (zh) | Gps拒止环境下空中机器人视觉自主控制方法及*** | |
CN116360492B (zh) | 一种扑翼飞行机器人目标跟踪方法及*** | |
Qin et al. | Visual-based tracking and control algorithm design for quadcopter UAV | |
Ceren et al. | Vision-based servo control of a quadrotor air vehicle | |
Abdessameud et al. | Dynamic image-based tracking control for VTOL UAVs | |
Liu et al. | Visual-based online control of gimbal on the uav for target tracking | |
Shi et al. | Design of Quadrotor Intelligent Rescue UAV Based on UAV Vision | |
Liu et al. | Learning-Based Compound Docking Control for UAV Aerial Recovery: Methodology and Implementation |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |