劉一航，鐘繼康

?

基于四旋翼無人機新型控制方式

劉一航，鐘繼康

（武漢理工大學機電工程學院，湖北 武漢 430070）

目前四軸飛行器的技術日趨成熟，針對于四軸飛行器的研究已經(jīng)從研究方向轉化為應用方向，是目前較為合適的無人飛行開發(fā)平臺。與此相對應的是我國的國土面積廣闊，地形復雜多變，采用車輛等地面交通工具相對速度較慢，其在針對于植物調查統(tǒng)計方面速度較慢，因此目前所采取的主要模式為衛(wèi)星遙感與地面人力普查相結合。隨著四軸飛行器的商業(yè)化以及平民化，四軸飛行器結合視覺識別可以有效解決此類問題。探討了在國有機耕農(nóng)場環(huán)境下四軸飛行器的新型控制以及使用方式，望對完善我國的機器人操控科技有一定的指導意義。

四軸飛行器；新型控制方式；植物保護；視覺識別

1 四軸飛行器（硬件平臺）

1.1 四軸飛行器的現(xiàn)狀

四軸無人機又稱四軸飛行器，其采用Linux系統(tǒng)作為其核心架構，機械結構相對較為簡單。目前國內(nèi)的商用無人機技術已經(jīng)相對成熟，以DJI為代表的國內(nèi)的公司的無人機的性能相對優(yōu)異。目前對四軸無人機的研究已經(jīng)從科研方向轉換為應用方向，主要與機器視覺等技術結合，并且目前商用無人機的開發(fā)可以與現(xiàn)在的開源代碼相結合做出一定的優(yōu)化，將復雜的機器人開發(fā)變得簡易化。

1.2 商用飛行器的優(yōu)勢特點

1.2.1 二次開發(fā)簡單

目前的商用無人機一般都為二次開發(fā)留下了接口，可以快速通過二次開發(fā)接口對無人機進行二次開發(fā)。以DJI為例，DJI在官網(wǎng)上就有對應的二次開發(fā)工具提供，這些二次開發(fā)工具的開發(fā)環(huán)境一般為Linux等開源系統(tǒng)。這些二次開發(fā)工具（sdk編寫器）在二次開發(fā)中表現(xiàn)了可靠的特性。

1.2.2 支持先進傳感器和執(zhí)行器

無人機具有一定的兼容性，在飛控芯片允許的情況下可以與其他類型的傳感器相結合，直接嵌入到原有的系統(tǒng)中。無人機常用的傳感器包括紅外線傳感器、超聲波傳感器等多種類型的傳感器做外部開發(fā)。在實際的二次開發(fā)中，建議使用相對較為先進的傳感器，減少環(huán)境對于傳感器的干擾，可以有效提升傳感器的抗干擾能力。

1.2.3 支持多種類型的終端進行控制

無人機可以接受多種終端進行控制，包括移動終端（手機等具有通訊能力的裝置）、計算機（固定通訊終端）和專門的搖桿遙控器，同時無人機支持多終端交換信息。無人機支持多種語言（c語言，python）進行控制，對于程序編寫的語言種類要求相對較低。

1.2.4 安全性高

目前的商用無人機采用的系統(tǒng)高度安全化，商用無人機的飛控系統(tǒng)一般需要無人機的攝像頭正常工作后才可以控制無人機。同樣，目前的商用四軸飛行器一般具有防撞壁功能和檢測到無人機處于較為危險的環(huán)境下自動返回的功能。自己的二次開發(fā)工具所撰寫的程序的優(yōu)先級低于無人機的飛控系統(tǒng)的優(yōu)先級，可以有效保證機體的安全。

1.3 四軸飛行器的不足之處

目前四軸飛行器盡管具有諸多的優(yōu)勢，但是依然存在一些不足。一方面由于目前大部分機器人的操作系統(tǒng)的基礎內(nèi)核都是Linux系統(tǒng)，而Linux系統(tǒng)與現(xiàn)在較為常用的視窗系統(tǒng)的操作模式不同，為熟練掌握無人機的二次開發(fā)必須有效掌握Linux系統(tǒng)。另一方面，商用四軸飛行器仍然是一種飛行器，在飛行的過程中需要考慮到氣動力的影響。一些復雜的動作或者風向風力的改變都會對飛行器本身的飛行姿態(tài)造成一定的影響。由此可知，該系統(tǒng)現(xiàn)在的二次開發(fā)還是針對于技術人員，無人機的操作使用還是針對于受過一定訓練的人員。在今后的發(fā)展中，四軸飛行器的飛控建議針對于高空復雜氣流，并且簡化二次開發(fā)采用模塊化編程，從而拓寬四軸無人機的應用范圍。

2 基于四軸無人機的機耕農(nóng)場的新型使用方案

2.1 四軸飛行器的實際飛行姿態(tài)以及控制方案

四軸無人機的空間自由度為6，但是其僅有4個主動構件提供原動力，因此其屬于一種典型的欠驅動系統(tǒng)，相對能實現(xiàn)的飛行姿態(tài)較少。

2.1.1 垂直運動

四旋翼無人機的旋翼在旋轉的會產(chǎn)生扭矩，飛行過程會對機身造成一定的影響，因此在實際使用中采用兩對相反旋轉的電機進行控制。四個旋翼扭轉的過程當中會發(fā)生升力，在軸和軸的擾動量較小的情況下改變四個旋翼轉速同步增添或減小是垂直活動的關鍵。

2.1.2 前后運動與側航運動

無人機的前后運動以及測航運動都屬于在和軸方向上的運動，而四旋翼無人機產(chǎn)生的升力方向是針對于垂直方向上，水平面內(nèi)的運動需要產(chǎn)生一定程度的傾斜，產(chǎn)生一定程度的水平分量。

2.2 實際無人機的控制方案

2.2.1 通信控制方法

無人機的通信控制主要是基于Mavlink協(xié)議進行傳輸，該協(xié)議遵循LGPL開源協(xié)議。該協(xié)議的連接方式有兩種，第一是串口通信，第二是基于TCP/UDP協(xié)議的無線網(wǎng)絡通信。其串行通信是使用XBee模塊進行通信，但是其數(shù)據(jù)波特率僅有1 152 000 bps，串行口通信在高頻傳輸大量信息的時候可能發(fā)生丟包，導致信息傳輸出現(xiàn)嚴重問題。因此，本項目選擇了高速SPO轉WIFI模塊進行傳輸，這種串行外設接口（SPI）屬于告訴同步串行輸入輸出接口，并且支持16級深度發(fā)生接受FIFO，可以有效降低飛控系統(tǒng)的資源占用。

2.2.2 圖片識別

作品針對機耕農(nóng)場的冬季小麥的成熟與收割，小麥成熟的一個顯著特點就是小麥會從青色逐漸轉變?yōu)榱咙S色。撂荒或者輪耕的土地所呈現(xiàn)的土黃色為一種暗黃色，暗黃色相較于成熟的亮黃色的亮度、飽滿度都相對較低。因此在針對機耕農(nóng)場的冬小麥收割期的植物進行有效監(jiān)察的前提下，本項目選擇主要以顏色識別為核心的識別模式。本項目采用其他較為復雜的識別手段，對于提升識別冬小麥成熟的能力相對有限，而需要占用較多的運算資源識別速度較慢。顏色識別主要需要的算法為二值化算法即RGB轉HSV算法。具體如圖3和圖4所示。

max=max（，，）；

min=min（，，）；

=max（，，）；

=（max－min）/max；

if（=max）=（－）/（max－min）*60；

if（=max）=120+（－）/（max－min）*60；

if（=max）=240+（－）/（max－min）*60；

if（<0）=+360；

小麥成熟前為青色，其RGB值為0，255，255，轉化為HSV數(shù)學模型后為180，1，255.小麥成熟后為黃色，其RGB值為255，255，0，轉化為HSV數(shù)學模型后為60，1，255.其識別僅計算灰度即可，黃色與青色在HSV模型下為互補色，識別起來相對快速。

在識別確認了黃色色塊后，軟件將進行形狀識別，圖片所拍攝的畫面承載的土地大小一定，在得到灰度圖后灰度接近60的部分將會采用畫圓的方法簡單的畫出成熟小麥的外框區(qū)域。得到其大致成熟區(qū)域的外形后，將根據(jù)圖片比例與圖形比例計算出成熟區(qū)域占據(jù)整體區(qū)域的比例，在計算出比例后將會將數(shù)據(jù)上傳給上位機。

圖1 RGB顏色模型

圖2 HSV顏色模型

3 機耕農(nóng)場無人機的監(jiān)察方案的具體實施

四軸飛行無人機的飛控系統(tǒng)會與地面終端實時交換位置信息以及圖片信息，地面終端會通過GIS定位數(shù)據(jù)以及無人機傳輸回來的圖片數(shù)據(jù)分析分析無人機實時位置。在分析圖片數(shù)據(jù)的過程中，會借助Camshift跟隨算法，幫助計算具體的無人機的位置坐標，有效地對自身位置判斷。

無人機所搭載的飛控系統(tǒng)的處理能力相對較弱，并且在實時處理的過程中會根據(jù)衛(wèi)星的定位數(shù)據(jù)以及實際情況，對于無人機所拍攝到的實時數(shù)據(jù)進行傳輸以及存儲在自身攜帶的SD卡。在無人機的控制過程中，導航控制、算法功能以及數(shù)據(jù)的實時傳輸有效保證了操控的準確性和實時性。

無人機傳輸?shù)恼掌瑢鶕?jù)拍攝的實際位置進行綜合分析最終進行編號，并且這些圖片最終會匯集成為一張云圖，云圖上包括大量的實時的植物生長階段的數(shù)據(jù)。

無人機在對整個環(huán)境的監(jiān)測中會根據(jù)實際情況采取不同的圖像識別手段，例如在判斷經(jīng)濟作物的成熟中主要采用顏色識別，判斷經(jīng)濟作物的種植密度以及種植的間距的情況下主要采用紋理識別。

在不同的環(huán)境下對于機耕農(nóng)場進行監(jiān)察，需要對應針對其圖片特征進行有效采集以及匯總至數(shù)據(jù)庫內(nèi)，根據(jù)實際需要選擇對應的功能。

4 結論與不足

4.1 在開闊環(huán)境下具有良好的任務完成能力

四軸飛行器的飛行受到氣象條件以及地形限制較為嚴重，而在光線條件較好并且處于微風環(huán)境下的開闊地、四軸飛行器所表現(xiàn)出來的完成任務能力較好。因其在光線較好的情況拍攝的圖片亮度較高，飽和度以及色域相較于光線較差環(huán)境下拍攝的圖片更加明顯，區(qū)分度更高。這樣可以有效降低無人機飛控系統(tǒng)在圖像識別上的資源分配，可以將相對較多的資源分配給飛行姿態(tài)的控制。

4.2 僅能針對于部分問題進行對應性的解決

在實際的使用過程中，無人機本身的飛控系統(tǒng)的運算能力以及其自身機械設計上的運載能力會受到極大的限制。在使用過程中，必須要針對于專門的問題進行對應的調整，優(yōu)化資源分配以及二次調試。在針對復雜問題的解決情況下，無人機的飛行姿態(tài)、電力、執(zhí)行任務對于飛控系統(tǒng)的資源占用情況都需要進行針對性優(yōu)化。

［1］彭向陽，鐘清，饒章權，等.基于無人機紫外檢測的輸電線路電暈放電缺陷智能診斷技術［J］.高電壓技術，2014（8）：2292-2298.

［2］汪沛，羅錫文，周志艷，等.基于微小型無人機的遙感信息獲取關鍵技術綜述［J］.農(nóng)業(yè)工程學報，2014（18）：1-12.

［3］李宗南，陳仲新，王利民，等.基于小型無人機遙感的玉米倒伏面積提取［J］.農(nóng)業(yè)工程學報，2014（19）：207-213.

［4］彭向陽，陳馳，饒章權，等.基于無人機多傳感器數(shù)據(jù)采集的電力線路安全巡檢及智能診斷［J］.高電壓技術，2015（1）：159-166.

2095－6835（2018）24－0049－03

V279

A

10.15913/j.cnki.kjycx.2018.24.049

〔編輯：嚴麗琴〕