基于惯性导航的四翼无人机导航技术分析与应用

王若凝

摘 要：文章介绍了一种具有视觉和惯性运动估计系统的四旋翼机器人平台的研制。为了提供对无人机位置和速度的精确估计，文章将立体视觉里程计和惯性测量通过卡尔曼滤波器融合在一起，在动作感应和自主定位上进行实时实验，演示机器人平台的性能。

关键词：惯性导航;四翼无人机;导航技术

1 无人机惯性导航概述

无人驾驶飞行器（Unmanned Aerial Vehicles，UAV）是一种可以完成民用和军用任务而不会危及人类生命的飞行器。这种车辆的共同任务包括：搜索和救援行动、边远地区检查和传感、危险物质回收、实时森林火灾监测、敏感地区（边界、港口、输油管道）的监视等。无人机可以自主或半自主飞行，此外，它们是可以牺牲的或者可以恢复的。

无人机的一个基本要求是鲁棒的自主定位和导航。有关飞行器角度特性的信息通常是通过惯性传感器（陀螺仪、加速度计、惯性测量单元（IMU））来估算的，而估算无人机三维位置和平移速度最常用的方法是基于全球定位系统定位系统（GPS），它可以在大多数室外环境中使用。不幸的是，当无人机需要在室内或城市环境中导航时，GPS信号可能会很吵，甚至无法使用，导致车辆性能差或不良。以前的情况已经促使寻找替代的解决方案，以提供一个无人机的位置和速度估计。由一组复合传感器提供的数据融合已被证明是一种适当的方法来充分估计车辆的状态。然而，当使用迷你无人机，比如四旋翼直升机时，由于有效载荷的限制，传感器组和嵌入式电子设备应该谨慎选择。

本文介绍了利用立体视觉和惯性导航系统相结合的方法研制一种室内自主飞行的四旋翼无人机。关于无人机惯性传感器，本文已经为机器人直升机配备了一个可以提供车辆姿态的IMU。此外，还采用了反演对数速率传感器进行了测量。该无人机还配备了超声波传感器和大气压力传感器，以估计直升机在低空和高空飞行时的高度。嵌入式处理器读取无人机的位置和姿态信号，计算控制指令，完成无人机的任务。本文以开发成像和惯性传感器复合特性为主要思想，增加了立体视觉系统，从而增强了无人机传感器航天服的适应能力。利用惯性传感器可以精确地测量角速度和线加速度的快速变化。不幸的是，这些信号的集成会导致无限制的低频漂移，使得自主定位和导航成为一项复杂的任务。另一方面，当摄像机视场变化缓慢时，基于视觉的运动估计具有较好的准确性。除了惯性传感器和测量传感器外，还利用超声波测距仪对直升機的纬度进行估计。执行三个传感器数据的融合，每个输出信息可以用来补偿其他传感器固有的缺点。在本文的方法中，本文使用视觉里程测量来估计直升机的运动，这要求在相继的立体图像对上跟踪三角化的自然地标。基于视觉的测量结合了Kalman滤波器中的惯性和高度传感器信号，以提供无人机（x，y，z）位置和（x，y，z）翻转速度的精确估计[1]。

2 系统概览

本节介绍小型四旋翼机器人直升机的体系结构与一个非常适合的导航系统。小型四旋翼无人机拥有最大的垂直推进力，可以保持在空中飞行，这严重限制了可用于传感和计算的有效载荷数量。这种有效载荷限制限制了嵌入式计算机的流行选择，如PC-104、大口径摄像机和高保真IMU。相反，小型航空机器人依赖于超声波传感器，重量轻但质量较低的IMU，以及具有限制摄像头和视野的微型摄像机。通常情况下，小型传感器提供的设备比大型机器人平台中的同类设备要少[2]。

2.1  四旋翼系统

本文实验采用的四旋翼飞机使用了一组非架式部件。机身框架是MK-40，有一个40 cm的距离相同的轴转子。电动机是来自Robbe ROXXY的BL-Outrunner2827-35，连接了pro-tronik公司的toPM-30A电子速度控制器（esc）。本文选择这个司机-摩托车组合，因为它提出了更好的性能，从不同的组合测试。能源由Pro-Tronik的12v-2，200 mAh Li-Po电池提供。角度测量采用Microbotics MIDG II INS/GPSFig提供的。利用ADXRS610MEMS模拟速率传感器组成一组，对无人机惯性测量单元（UAVInertial Measurement Unit，UAV惯性测量单元）上的电子卡进行角速率测量。由于可以获得更快的角速率刷新速度，使无人机的姿态稳定性得到更好的改善，因此本文更倾向于采用模拟测量而不是基于IMU的测量方法。关于高度测量，直升机配备了一个lv maxsonarez4型超声波传感器，最大范围为6.45 m[3]。此外，它还配备了飞思卡尔mpxh6115a绝对压力传感器，用于在户外环境下进行高度估计。在电路板上安装了3个来自MEMSIC的轴向加速度传感器MXR9500MZ，用于在不久的将来估算较高速率下的平动速度和纬度角。还有一个电路用于测量蓄电池电压，以帮助确定电源何时进入低于运行值。Digi国际公司生产的XBEE09P 数字调制解调器能够实现四轴飞行器和远程监控地面站PC之间的双向无线通信。最后，该板还包括一个TexasInstrumentsTMS320F2812 DSP模块，它可以读取来自上述所有部件的输入信号。姿态稳定控制是在飞机上实时进行的，运行频率为500 Hz。

2.2  视觉与惯性导航系统设计

为了进行视觉和惯性导航研究，为直升机配备了来自ids376×240px的单色uEye照相机，视野为75°。这些照相机安装在一个35厘米基线的立体底座上，朝前放置。在立体声工作台的中央部分安装了额外的3DM-GX3 IMU，用于提供加速度测量。摄像头和IMU连接到由Ascending Technologies开发的嵌入式飞行上网本板。这个迷你地球计算程序处理下一组任务。首先，它同步uEye相机，读取它们的图像并以jpeg格式压缩它们。其次，它与IMU通信，读取加速度数据。该程序生成一个包含图像和加速度值的数据缓冲区。最后，这个缓冲区通过无线通信发送到监控的地面站PC。一旦接收到缓冲区，就会对图像进行解压缩，并读取加速值。然后，利用在2.4 GHz地面站PC上运行的VO估计应用程序对图像进行处理。

2.3  地面监督站

监控地面站由一台运行监察应用程序的电脑、一个飞行模拟器操纵杆、一个双向无线数据传输链接和一个接收Flying netbook发送的数据的WiFi链接组成。无线数据链用于接收和保存飞行器定期发送的信息，这有助于描述其在实验中的性能，也用于发送控制指令以稳定直升机的位置。控制命令可以由用户（通过飞行操纵杆）发送，也可以通过监察应用程序发送。计算机视觉程序对实时立体图像和视觉测量数据进行处理，以实现VO的估计和数据融合。该算法提取的信息被放置在一个固定的内存段上，该内存段与监察应用程序共享。

3 控制实验分析

第一个实验是在没有安装视觉和惯性运动测试系统的情况下进行直升机的自主飞行。正如前面提到的，四旋翼的姿态不稳定是由一个算法运行在嵌入式DSP在频率为                 500 Hz。这个工作频率保证了平台的欧拉角始终接近理想值。在第一个实验中，为了验证飞行器的性能，在诱导的偏航角、空翻角和侧倾角处进行了外部扰动实验。在直升机的适当性能得到验证后，安装了视觉和惯性动作检测系统，并进行了一系列新的测试。本文注意到，尽管增加了额外的有效载荷，直升机的性能并没有降低。为了评估视觉和惯性导航系统的性能，本文进行了一系列实时实验。在这些测试中，当直升机在非结构化环境下飞行时，平台测量的角速度。第一个实验是比较VO估计的欧拉角和Microbotics IMU提供的欧拉角，后者被认为是四旋翼的实际定向试验。在这个实验中，直升机的倾斜运动是手动产生的（使用操纵杆）。

接下来，本文进行了第二个实验，由人工控制的四旋翼飞行在一个弹道上方形成一个150×300 cm的区域，高度固定在50 cm。第一个动作是向前移动150 cm。接下来，四旋翼向右流动了300 cm。此时，进行了150 cm的后向移位。最后，四旋翼向左飞行了300 cm，以便到达起飞时的同一位置。该系统实现了许可飞行器所描述的运动的可接受的计时。  900 cm的飞行轨迹是在45 s内完成的。

最后本文进行了第三次实验，通过手动控制四旋翼飞机的飞行，直升机的飞行高度在50～200 cm变化。用视觉和惯性融合（连续线）估计的高度与用超声波传感器（虚线）估计的高度相似，但仍然存在一些差異，本文认为这些差异是VO 算法中的异常值导致的，并且仍在努力解决这些问题。在以前的实验中，来自视觉惯性导航系统的数据被估计为      13 Hz。本文实验发现，这种工作频率适用于位置控制。

4 结语

综上，本文介绍了一种四旋翼无人机的研制过程，该无人机装备了可视化和非可视化导航系统，使直升机能够在不使用 GPS 或人工可视地标的情况下完全估计其状态。本文利用卡尔曼滤波器将视觉测量、惯性测量加速度数据和高度传感器信号结合起来，以提供描述平台行为的状态精确估计。

[参考文献]

[1]蒋浩.基于RTK技术的农业机械自动导航系统研究[D].杭州：浙江大学，2019.

[2]林睿喆.基于惯性/GPS/光流的无人机组合导航研究[D].西安：西安电子科技大学，2018.

[3]方峥.长航无人机多源信息融合自主导航及其仿真关键技术研究[D].南京：南京航空航天大学，2014.

（编辑 傅金睿）