復(fù)雜地面環(huán)境下旋翼無人機應(yīng)急著陸系統(tǒng)

在任務(wù)中，程序失控、人為失誤飛行，甚至突然環(huán)境變化等緊急情況的概率也變得更高。面對此類緊急情況，在復(fù)雜的地面上緊急降落到最近的平坦地面尤為重要。

使用攝像頭計算平坦的地面作為著陸點，并直接控制無人機自主著陸，安全便捷地完成無人機的緊急著陸。

自主無人機飛行過程中程序變化頻繁，一些根本性的變化或短暫的疏忽可能會導(dǎo)致飛行錯誤。因此制定應(yīng)急安全著陸計劃以應(yīng)對突發(fā)故障以促進自主無人機的發(fā)展是必要的任務(wù)。

利用d435深度相機實時計算地面位置，利用地面位置在相機坐標系中的相對位置作為飛行導(dǎo)引。同時，利用無人機IMU數(shù)據(jù)、相對位置和GPS數(shù)據(jù)的姿態(tài)調(diào)整，完成緊急著陸。

無人機失控后，IMU數(shù)據(jù)是一個相對可靠的來源。使用IMU數(shù)據(jù)和GPS融合進行姿態(tài)控制，可以確保無人機在短時間內(nèi)工作。

使用攝像頭獲取深度圖找到實時圖像做特征匹配，計算出無人機運動的期望值。在飛行控制中輸入期望值，并調(diào)整無人機的角度以接近目標點。同時，進近過程采用PID閉環(huán)控制，使飛行過程快速穩(wěn)定。

緊急未知環(huán)境下基于單目視覺SLAM的無人機自主著陸

無人機落地研究需要考慮多方面因素和通用性，實用性有所提高。具體來說，主要挑戰(zhàn)包括以下幾點：

1：沒有GPS信號的自主控制。GPS的抗干擾能力極弱。如果無人機機載GPS信號接收器因電子干擾而發(fā)生故障，無人機將失去導(dǎo)航定位功能，從而無法安全降落。

2：緊急情況下的被動著陸。由于無人機的補償機制不允許故障無人機長時間繼續(xù)飛行，因此應(yīng)該開始選擇緊急降落的地點。雖然這是無奈之舉，但也是防止無人機落入人口密集地區(qū)的重要舉措。

3：在未知環(huán)境中自主降落。在軍事領(lǐng)域或救災(zāi)情況下，無人機需要執(zhí)行任務(wù)的地方多為未知環(huán)境或雜亂無章的環(huán)境。無人機必須能夠選擇合適的著陸點并安全著陸。

基于于視覺的無人機著陸方法：借助光學(xué)設(shè)備和圖像識別技術(shù)，無人機能夠自主識別著陸區(qū)域，重構(gòu)三維地形，實現(xiàn)自動返航和航線規(guī)劃，能夠以良好的策略降落機場并安全降落，將大大降低無人機對地面人員的傷害。

無人機使用單目相機掃描地面的關(guān)鍵幀和三維點云圖。然后，將三維點云圖轉(zhuǎn)換為網(wǎng)格圖，檢測合適的著陸區(qū)域，進行著陸。圖中下方的地圖以綠色顯示平坦區(qū)域，以紅色顯示高于地平線的區(qū)域。紅色的深度表示高度。地圖上方的藍線顯示了無人機在飛行過程中創(chuàng)建的關(guān)鍵幀，圖1中的左欄是關(guān)鍵幀的一部分。

當(dāng)無人機開始降落程序時，該方法可以估計無人機的位置和姿態(tài)，構(gòu)建環(huán)境的網(wǎng)格圖，并通過過濾算法選擇最適合降落的區(qū)域。演示了一種選擇著陸區(qū)域和視覺導(dǎo)航方法，該方法使用SLAM估計無人機的當(dāng)前位姿。

通過視覺SLAM建立了環(huán)境的三維點云圖。然后，通過SLAM算法提出的特征點的三維點云建立二維網(wǎng)格圖。每個網(wǎng)格的高度是通過將圖形的地圖點投影到相應(yīng)的網(wǎng)格中來計算的。然后，使用基于均值偏移的圖像分割算法對網(wǎng)格圖的高度進行平滑，劃分障礙物和地面，將高度相似的圖像塊組合在一起。該算法通過計算著陸區(qū)域與障礙物之間的空間距離，選擇距離障礙物最遠的區(qū)域作為過濾后的著陸區(qū)域。這樣就選擇了適合無人機降落的區(qū)域。無人機按照下降程序最終降落在安全區(qū)域。

無人機降落在附屬建筑樓層的視覺導(dǎo)航

基于視覺的無人機著陸導(dǎo)航

GPS 信號可能會丟失或受到干擾。擁擠的建筑物、人造結(jié)構(gòu)和密集的電力設(shè)施的城市環(huán)境對基于 GPS 的導(dǎo)航的可靠性構(gòu)成嚴重威脅。其次，商用 GPS 設(shè)備，尤其是消費級產(chǎn)品，不能提供高水平的定位精度。據(jù)報道，民用 GPS 的水平精度為 10~15 米，置信區(qū)間為 95%，垂直精度更差。

著陸過程分為四個步驟：（1）識別地標建筑，（2）定位無人機建立下滑路徑，（3）激活進場階段，（4）下降以著陸。在每一步，無人機的單目攝像頭圖像都被用作導(dǎo)航信息的主要來源，嵌入式氣壓計和 IMU（慣性測量單元）作為次要的感官數(shù)據(jù)源。

導(dǎo)航過程的功能劃分包括目標/對象圖像匹配、映射和定位、導(dǎo)航控制和錯誤恢復(fù)。

初始化精 確著陸過程的第 一步是使用存儲的指定位置圖像檢查正確的建筑工地。針對目標/目標識別的功能需求，我們采用了圖像特征匹配技術(shù)。我們將 OpenCV 庫中的 SIFT（尺度不變特征變換）特征檢測器用于我們的功能組件。圖1顯示了目標建筑工地的 SIFT 圖像匹配結(jié)果，紅圈部分匹配錯誤，通過 RANSAC 增強后匹配結(jié)果更好。該對象/目標圖像匹配功能是為了完成精 確著陸過程的地標識別步驟。