基于光流的固定翼小型无人机自主着陆控制

吴政隆, 李 杰, 关震宇, 牛三库, 杨成伟, 李 扬

(1. 北京理工大学机电学院, 北京 100081; 2. 北京机电工程研究所, 北京 100074;3. 新兴重工集团有限公司, 北京 100070)



基于光流的固定翼小型无人机自主着陆控制

吴政隆1, 李 杰1, 关震宇2, 牛三库1, 杨成伟1, 李 扬3

(1. 北京理工大学机电学院, 北京 100081; 2. 北京机电工程研究所, 北京 100074;3. 新兴重工集团有限公司, 北京 100070)

以固定翼小型无人机的自主着陆控制为研究背景,提出了一种基于光流的固定翼小型无人机自主着陆控制方法。该方法首先在分析固定翼飞行器着陆段运动特性的基础上,将着陆阶段的控制解耦为对飞行器的横向控制和纵向控制,然后以跑道线作为特征,计算其稀疏直线光流场,并结合摄像机模型以及光流场和速度场之间的关系,用跑道线的水平流作为系统反馈,设计控制系统。最后在Simulink环境下搭建动态仿真系统,仿真结果表明,使用本文方法可以有效实现飞行器的自主着陆控制。

固定翼飞行器; 着陆控制; 光流; 控制设计

0 引 言

传统飞行器特别是民航飞机的着陆方法依赖于着陆导引系统(landing guidance system,LGS),LGS可为飞机提供精确的方位、下滑角和距离等引导信息,飞机依据这些信息对准跑道并按给定的下滑角进场和着陆,以保证接地点的偏差在规定的范围以内。目前导引系统包括仪表着陆系统、地面控制进场系统、微波着陆系统3种,上述系统都依赖地基导引系统,同时也需要复杂的机载传感设备来完成飞行器的着陆控制。

小型无人机受其使用环境和有效载荷的限制,很多时候并不具备在地面导引系统指挥下进行着陆的条件,因此研究基于机载视觉设备的无人机着陆方法就成为了题中之义。传统无人机视觉辅助着陆主要使用具有一定几何形状的图形作为飞行器位姿测量的参照,采用计算机视觉技术提取并进行解算,最终实现对飞行器实际姿态的估计[1-10]。这些方法普遍存在以下问题:

(1) 该类方法需要固定的地面指示标志,在野外环境下难以获取类似指示物;

(2) 传统基于光流动着陆方案使用全局光流场控制飞行器,计算复杂且对于噪声较为敏感;

(3) 传统算法主要适用于垂直起降飞行器,对固定翼飞行器而言,标志物难以长期在视场中留存,因此很难获得精确的位姿估计用于飞行器的着陆控制。

文献[11]表明,昆虫可以利用其视网膜上的图像膨胀速度来估计着陆时机,而不需要知道精确的距离和速度;文献[12]指出,昆虫在着陆时,只需要在一定的着陆角度下,保持光流值不变。因此对飞行器着陆控制而言,需要进行的就是在保持光流值不变的情况下减小平动速度[13]。

本文提出了一种基于直线稀疏光流场的小型无人机着陆控制方法,使用视场中存在的诸如跑道的直线特征,导引飞行器实现自主着陆。该控制方法无需知道飞行器相对跑道的精确位置以及速度,无需计算全局光流场,仅借助视场中跑道线的稀疏光流场即可完成进近-着陆导引控制;无需复杂的指示目标,同时适用于滑翔降落飞行器和垂直降落飞行器的使用要求。

1 基于光流场的飞行器着陆原理

文献[14]研究了昆虫视网膜上光流场与现实世界速度场之间的关系,如图1所示。其中h为离地面高度;f为摄像机焦距;v为飞行速度方向;αret为光轴与速度方向的夹角;γ为像素点与光轴的夹角。

图1 昆虫视网膜上光流场与现实世界速度场的关系Fig.1 Relation between optical flow on the insect retina and velocity field of the real world

当昆虫以v的速度前向运动时,投影在其视网膜上的速度可计为

(1)

当光轴与速度方向重合,即αret=0时,式(1)可写成

(2)

此时,越远离光轴的像素点将具有越大的光流矢量。可以注意到,根据式(2),保持光流矢量vret不变,当v→0,h→0时,即可完成飞行器着陆,这就是使用光流场进行飞行器着陆的基本原理。

依据文献[14]所论述的基于光流的着陆原理,文献[18-19]将其应用于无人飞行器着陆控制。文献[18]利用光流传感器和气压计进行数据融合,来进行飞行器着陆控制中距离地面高度的估计和控制。文献[19]利用摄像头获取的光流信息提出了一种非线性控制器,控制无人飞行器在运动的平台上起降。

2 固定翼飞行器着陆过程分析

滑翔降落固定翼飞行器着陆阶段可以分为3个部分,如图2所示。进近段,是指飞机在机场上空对准跑道下降的阶段,这个阶段需要使机身纵轴对准跑道;在对准跑道之后,飞机减速,进入下滑段,在此阶段对飞行器的要求是:稳定的速度和发动机推力,稳定的下降率,稳定而合适的姿态,稳定的航向。当飞机下滑到离地面7～8 m高度时,进入拉平-飘落段。到1 m左右高度时飞机拉平,以平行地面姿态下降,称为平飘,后轮着陆,滑跑,减速,直至滑出跑道,进入滑行道,驶向机坪[15]。

图2 固定翼飞行器着陆过程Fig.2 Landing process of fixed wing aircraft

根据上述过程,飞行器的轨迹控制可以被简化为一个在姿态稳定情况下的水平方向航迹控制问题;而在下滑段,则可以简化为一个在姿态稳定情况下的垂直高度-速度控制问题。因此,整个飞行器着陆阶段控制,特别是进近段和下滑段,其飞行控制可以解耦为垂直和水平两个通道的航迹控制问题。

3 基于光流的飞行器着陆进近段横向控制

飞行器在进近段需要解决的主要问题是使机体纵轴尽快对准跑道。基于此,本节主要研究使用光流来导引飞行器的进近段横向控制。

进近段坐标系定义如图3所示,图4是跑道线在图像坐标系上的成像示意,其中粗黑线为跑道线,任取一条平行于x轴的直线,与两条跑道线相交于a,b点。

图3 进近段大地坐标系、机体坐标系、摄像机坐标系以及 图像坐标系定义 Fig.3 Definition of earth coordinate, body coordinate, camera coordinate and image coordinate in approach segment

图4 跑道线在图像坐标系上成像示意Fig.4 Runway lines in the image coordinate

坐标系定义如下:

大地坐标系OW-XWYWZW,原点取在跑道中线上一点,以飞行器进近方向反方向为ZW轴正方向,YW轴正方向指向天空;

机体坐标系Ob-XbYbZb,原点取在飞行器质心,以机体纵轴为Zb轴,Yb轴正方向指向地心;

摄像机坐标系OC-XCYCZC,原点取在光心,以向下为YC正方向;

图像坐标系o-xy,原点取在图像中心,以向下方向为y轴正方向。

取跑道上一点A,坐标为(XW,YW,ZW),则A在图像平面上形成的光流满足：

(3)

式中,[ua,va]T为a点的光流;[xa,ya]T为a点在图像坐标系o-xy下的坐标;[ηXC,ηYC,ηZC]T为摄像机在摄像机坐标系OC-XCYCZC3个方向的速度分量;[ωXC,ωYC,ωZC]T是摄像机坐标系OC-XCYCZC三轴的角速度。

(4)

由于飞行器在进近段需要保持飞行姿态和速度稳定。因此,对飞行器在进近段的运动作如下假设:

假设 1 飞行器由自驾仪锁定姿态,只发生平移运动,不发生滚转运动,本文中,令ZW∥Zb,XW∥Xb,YW∥Yb,如图3所示;

假设 2 进近段飞行器仅在Zb轴和Xb轴方向上发生运动且速度保持恒定,不发生Yb轴上的运动;

假设 3 不失一般性,设摄像机固连飞行器质心,即OC-XCYCZC与Ob-XbYbZb重合。

取大地上一点,设其在大地坐标系上坐标为(XW,YW,ZW),则其在摄像机坐标系中的坐标为

(5)

式中,R为摄像机坐标系到大地坐标系的旋转矩阵;T为平移向量。

由假设1和假设3有

R=-I3×3

(6)

则根据图3有

(7)

式(7)即构建了图像坐标系到大地坐标系之间的关系。

由于该点在大地上,YW=0,式(7)可以写成

(8)

由假设2,ηYb=0,式(4)可变形为

(9)

对形如图4的情况,点a和点b分别平行于x轴直线与两条跑道线的交点,因此有

ya=yb

(10)

由式(9),两点上的平移光流场分别为

(11)

(12)

将式(10)代入式(11)和式(12),可知平移光流场中有

va=vb

(13)

由文献[2]中的摄像机模型可知:

(14)

(15)

(16)

由式(10)可知

(17)

由式(8)可知

YCa=YCb=offset_Y

(18)

将式(18)代入式(17),可得ZCa=ZCb,代入式(8),即有ZWa=ZWb,则可得

(19)

由于ZW轴是跑道的中心线,因此有

XWb=-XWa

(20)

所以将式(19)变形为

(21)

根据低速小型无人机的进近过程特性,可作如下简化:

(22)

式中,C为常数。将式(22)代入式(21)可得

(23)

当且仅当飞行器纵轴对准机场跑道中心线时

offset_X=0

此时有

(24)

在实际使用中,使用单个点的平移光流会带来一定的误差,因此使用线光流场的统计特征来进行控制。

定义直线平均水平流:

(25)

当两条直线稀疏光流场满足平均水平流之和为0,即认为飞行器纵轴对准跑道中心线。

由本节假设,进近段的对准控制可以简化为飞行器在锁定姿态情况下的偏航控制。文献[16]中,将飞行器的偏航控制简化为一个二阶系统,以此为基础,构建了基于光流的飞行器进近段对准控制系统,如图5所示。

图5 基于光流的飞行器进近段航向控制系统框图Fig.5 Heading control system based on optical flow block diagram in aircraft approach segment

4 基于光流的飞行器着陆下滑段纵向控制

固定翼飞行器在下滑段需要解决的主要问题是控制飞行器在垂直速度减小的同时降低高度,理想情况是在起落架接触跑道时垂直速度也衰减为0,从而减小触地过载。基于此,本小节主要研究使用直线稀疏光流场来导引飞行器的下滑段的着陆控制。

下滑段坐标系定义如图6所示,其中粗黑线为跑道线。坐标系定义如下。

大地坐标系:OW-XWYWZW,原点取在跑道中线上飞行器的期望接地点,以飞行器进近速度方向反方向为ZW轴正方向,YW轴正方向指向天空;

机体坐标系:Ob-XbYbZb,原点取在飞行器质心,以机体纵轴为Zb轴,Yb轴正方向指向地心;

摄像机2坐标系:OC2-XC2YC2ZC2,原点取在光心,以向下为ZC2正方向;

图像坐标系2:o2-x2y2,原点取在图像中心,以飞行器进近速度方向反方向为y2轴正方向。

图6 下滑段大地坐标系、机体坐标系、摄像机坐标系以及 图像坐标系定义 Fig.6 Definition of earth coordinate, body coordinate, camera coordinate and image coordinate in slide segment

对下滑段的轨迹控制是建立在进近段控制的基础上。当飞行器进入下滑段时,根据6.1节所示,在下滑段飞行器需要尽量满足以下条件:

(1) 稳定的速度和发动机推力;

(2) 稳定的下降率;

(3) 稳定而合适的姿态;

(4) 稳定的航向。

基于以上,作如下假设:

假设 4 飞行器由自驾仪锁定姿态,只发生平移运动,不发生滚转运动,本文中,令ZW∥Zb,XW∥Xb,YW∥Yb,如图6所示;

假设 5 下降段飞行器在Zb轴和Yb轴方向上发生运动,不发生Xb轴上的运动;

假设 6 不失一般性,摄像机2固连飞行器质心,即点OC2与Ob重合。

如前文所述,飞行器下滑段控制主要是对Yb方向上速度ηYb、水平偏移量offset_Y的控制,接下来对此进行分析。

Yb方向上的着陆控制依赖于摄像机2。取跑道上一点A,坐标为(XW, YW, ZW),则A在图像平面2上形成的光流满足

(26)

式中,[ua2,va2]T为A点在图像平面2上的光流,ua2为水平流,va2为垂直流;[xa2,ya2]T为a点在图像坐标系2 o2-x2y2下的坐标;[ηXC2,ηYC2,ηZC2]T为摄像机2在OC2-XC2YC2ZC23个方向的速度分量;RC2是摄像机2绕OC2-XC2YC2ZC2三轴的角速度;Rb是摄像机2绕机体坐标系三轴的角速度。

(27)

(28)

由假设4和假设6可知

(29)

其中,令XW=WR/2,offset_Y-YW=DisV。则跑道在图像平面2上的水平流可以描述为

(30)

为了减小光流场计算中带来的误差,使用平均水平流来描述图像的水平光流。

则平均水平流定义为

(31)

其中

(32)

由上述假设和分析,下滑段的对准控制可以简化为飞行器在锁定姿态和水平速度情况下的下降控制。文献[16]中指出,可以将飞行器的下降控制简化为一个二阶系统,以此为基础,构建基于光流的飞行器下降段着陆控制系统,如图7所示。

图7 基于光流的飞行器下滑段纵向控制系统框图Fig.7 Longitudinal control system based on optical flow block diagram in aircraft slide segment

5 仿真与分析

在Matlab 2012b平台上,使用Simulink模块构建仿真环境,对上述算法进行仿真,总体仿真系统包括控制子系统、运动学子系统、虚拟现实子系统和计算机视觉子系统。其中控制子系统(control subsystem)负责对控制器设计及控制策略进行仿真,运动学子系统(motion subsystem)负责对飞行器运动模型进行仿真,虚拟现实子系统(VR subsystem)采用Matlab自带的Visual Reality工具建立三维场景模型,并输出实际场景到计算机视觉子系统(computer vision subsystem),后者是视觉算法部分,负责计算场景的稀疏直线光流信息,并将计算结果反馈回控制子系统,构建完整的控制反馈回路。

仿真框架如图8所示。

图8 仿真系统总体架构Fig.8 Architecture of simulation system

5.1 仿真设置与说明

(1) 稀疏直线光流场计算

本文提出的基于光流着陆方法中,稀疏直线光流场的计算至关重要。由图5和图7可知,控制系统的反馈环节即是计算的光流场,所以稀疏直线光流场计算方法的抗噪性能直接决定了在跑道边缘存在干扰的情况下飞行器着陆控制性能。本文将对稀疏直线光流场计算的抗噪性能进行分析。

(2) 着陆控制

飞行器模型采用文献[17]中所述的无人机模型。v为空速,根据其辨识数据,飞行器偏航舵偏角与偏航过载之间的传递函数为

(33)

飞行器俯仰舵偏角与俯仰过载之间的传递函数为

(34)

系统仿真参数如表1所示。

表1 仿真参数表

为比较验证本文提出的基于光流的固定翼小型无人机自主着陆控制方法,本文将参考文献[2]提出的一种基于视觉的自主着陆方法作为对比方法。文献[2]中的方法利用飞行器前置摄像检测并跟踪地面上显著特征的标志物,并保持标志物出现在图像平面的中心,通过归零飞行器的俯仰角和偏航角偏差来进行飞行器的着陆控制。

5.2 光流场计算及抗噪分析

运行图8所示的仿真系统,飞行器起飞后从Matlab的VR场景获取实时图像。VR场景中,稀疏直线光流场计算结果如图9所示。

图9 VR环境下直线稀疏光流场计算结果Fig.9 Calculation result of linear sparse optical flow field in VR

图10为跑道线局部的稀疏光流场细节图,从中可以看出，该稀疏直线光流场可以精确描述跑道线边缘附近的运动情况。

图10 跑道线局部稀疏直线光流场Fig.10 Local linear sparse optical flow field of runway line

在采集的图像序列中加入均值为0,方差为1的高斯白噪声,计算稀疏直线光流场,局部细节图如图11所示。从图中可以看出,稀疏直线光流场的计算基本没有受到影响。取加噪前后跑道线边缘附近点对应的光流值,计算各个点平均角误差为5.83°,因此还是可以描述跑道线边缘附近的运动趋势。

图11 加噪跑道线局部稀疏直线光流场Fig.11 Local linear sparse optical flow field of runway line adding noise

由以上仿真结果可以看出,本文使用的稀疏直线光流场计算方法具有一定的抗噪性能。这是因为本文提出的直线光流场计算方法是基于Hough变换的,即该算法的抗噪能力取决于Hough变换本身的抗噪性能。由于Hough变化时是利用图像局部度量来计算参数的,因而对噪声干扰或遮盖引起边界发生间断的情况具有较好的容错性和鲁棒性。

5.3 飞行器着陆控制仿真

为叙述方便,本文提出的着陆控制方法简称为方法1,文献[2]提出的方法称为方法2。

(1) 飞行器进近段横向控制仿真

方法1和方法2输出的横向过载曲线如图12所示,横向速度曲线如图13所示,横向位移曲线如图14所示。由仿真结果可以看出,进行横向运动控制的时候,方法2最大横向过载为4.5 m/s2,最大横向速度为17 m/s;方法1最大横向过载为3.7 m/s2,最大横向速度为7 m/s。从控制的调整时间长短上看,方法1比方法2要更快些,方法1在20 s的时候基本已完成了跑道线的对准。在控制的精度上,方法2在横向控制调整结束时飞行器并没有完全对准跑道,还有2 m的误差,而方法1已大约在20 s的时候就已经完成了跑道线的对准。

图12 横向过载曲线Fig.12 Lateral acceleration curves

图13 横向速度曲线Fig.13 Lateral velocity curves

图14 横向位移曲线Fig.14 Lateral displacement curves

(2) 飞行器下滑段纵向控制仿真

由于飞行器靠近地面时,跑道线会由于扩张在视场中不可见,因此本算法仅仿真到距离地面10 m的情况。方法1和方法2输出的纵向过载曲线如图15所示,速度曲线如图16所示,下降高度曲线如图17所示。由仿真结果可以看出,进行纵向运动控制的时候,方法2最大纵向过载为3.2 m/s2,最大下降速度为21.5 m/s;方法1最大纵向过载为2.8 m/s2,最大下降速度为17 m/s。从控制的调整时间长短上看,方法1所用的时间和方法2差不多,可以在40 s内使飞行器由300 m下降到10 m高度。从图19所示的高度下降曲线来看, 0～15 s内,方法2对应的下降轨迹比方法1对应的下降轨迹平缓;15～40 s内,方法2对应的下降轨迹比方法1对应的下降轨迹要陡峭,尤其在15～25 s内,方法2使得飞行器快速下降高度,其对应的过载和下降速度呈现出较为剧烈的变化。此外,在40 s时,方法1对应的下降速度减小到1 m/s,而方法2对应的下降速度为5 m/s。总体来看,方法1控制的下降曲线比方法2更平稳。

图15 纵向过载曲线Fig.15 Longitudinal acceleration curves

图16 纵向速度曲线Fig.16 Longitudinal velocity curves

图17 高度下降曲线Fig.17 Altitude decline curve

6 结 论

本文针对小型固定翼无人机着陆阶段面临的控制需求,将着陆阶段的控制解耦为对无人机的横向控制和纵向控制,通过提取跑道边界线计算直线稀疏光流场,之后依据摄像机模型以及光流的运动场模型,设计了无人机的横向和纵向控制方案。仿真结果表明,本文使用的稀疏直线光流场计算方法具有一定的抗噪性能,在仅有跑道线稀疏直线光流信息的情况下,被控对象可以完成对跑道中线的对准和下滑段的高度-速度控制;本控制方法在进近段可控制飞行器在20 s内对准跑道,且横向过载不超过4 m/s2;在下滑段可控制飞行器在40 s内由300 m沿指数曲线平稳下降到10 m高度,同时垂直速度减小到小于1 m/s,且下降加速度不超过±3 m/ s2,完全满足无人机着陆控制的需求。

[1] Tang D Q, Li F, Shen N, et al. UAV attitude and position estimation for vision-based landing[C]∥Proc.oftheInternationalConferenceonElectronicandMechanicalEngineeringandInformationTechnology, 2011: 4446-4450.

[2] Huh S, Shim D H.A vision-based automatic landing method for fixed-wing UAVs[J].JournalofIntelligentandRoboticSystems, 2010, 57(1): 217-231.

[3] Millet P T, Ready B B, McLain W T. Vision based precision landings of a tailsitter UAV[C]∥Proc.oftheAIAAGuidance,Navigation,andControlConference, 2009:5680-5689.

[4] Ma J Y, Qiu W C, Zhao J, et al.Robust L2E estimation of transformation for non-rigid registration[J].IEEETrans.onSignalProcessing, 2015, 63(5):1115-1129.

[5] Zhou J, Wang X M, Wang X Y. Automatic landing control of UAV based on optical guidance[C]∥Proc.oftheInternationalConferenceonIndustrialControlandElectronicsEngineering, 2012:152-155.

[6] Kong W W, Zhang D B, Wang X, et al. Autonomous landing of an UAV with a ground-based actuated infrared stereo vision system[C]∥Proc.oftheIEEE/RSJInternationalConferenceonIntelligentRobotsandSystems, 2013:2963-2970.

[7] Laiacker M, Kondak K, Schwarzbach M, et al. Vision aided automatic landing system for fixed wing UAV[C]∥Proc.oftheIEEE/RSJInternationalConferenceonIntelligentRobotsandSystems,2013:2971-2976.

[8] Kim H J,Kim M, Lim H, et al. Fully autonomous vision-based net-recovery landing system for a fixed-wing UAV[J].IEEE/ASMETrans.onMechatronics, 2013,18(4):1320-1333.

[9] Gui Y, Guo P Y, Zhang H L,et al. Airborne vision-based navigation method for UAV accuracy landing using infrared lamps[J].JournalofIntelligent&RoboticSystems, 2013,72(2):197-218.

[10] Cheng H, Chen Y H, Li X K,et al.Autonomous takeoff, tracking and landing of a UAV on a moving UGV using onboard monocular vision[C]∥Proc.ofthe32ndChineseControlConference, 2013:5895-5901.

[11] Chahl J S, Srinivasan M V, Zhang S W. Landing strategies in honeybees and applications to uninhabited airborne vehicles[J].TheInternationalJournalofRoboticsResearch, 2004, 23(2): 101-110.

[12] Netter T, Francheschini N. A robotic aircraft that follows terrain using a neuromorphic eye[C]∥Proc.oftheIEEEInternationalConferenceonIntelligentRobotsandSystems, 2002: 129-134.

[13] Liu X M, Chen W C, Xing X L, et al. Terrain following and autonomous landing using optical flow[J].JournalofBeijingUniversityofAeronauticsandAstronautics, 2012, 38(1): 98-105.(刘小明, 陈万春, 邢晓岚,等. 光流控制地形跟随与自动着陆[J]. 北京航空航天大学学报, 2012, 38(1): 98-105.)

[14] Barrows G L, Chahl J S, Srinivasan M V. Biomimetic visual sensing and flight control[C]∥Proc.oftheBristolUAVConference, 2002: 159-168.

[15] Qiu C. Reasearch on HCI design of cockpit based on cognitive features of pilots[D]. Nanjing: Southeast University, 2009.(仇岑. 基于飞行员认知特点的驾驶舱人机界面设计研究[D].南京:东南大学,2009.)

[16] Lin D F, Wang H, Wang J, et al.Autopilotdesignandguidancelawanalysisfortacticalmissiles[M].Beijing: Beijing Institute of Technology Press,2012.(林德福, 王辉, 王江, 等. 战术导弹自动驾驶仪设计与制导律分析[M]. 北京: 北京理工大学出版社, 2012.)

[17] Yuan X D. Reasearch on uncertainty analysis and compensation control of loitering missile in the initial phase[D].Beijing: Beijing Institute of Technology,2013.(袁晓东.巡飞弹初始段的不确定性分析及补偿控制研究[D].北京:北京理工大学, 2013.)

[18] Barber D B, Griffiths S R, Mclain T W, et al. Autonomous landing of miniature aerial vehicles[J].JournalofAerospaceComputingInformation&Communication, 2015, 4(5): 770-784.

[19] Herisseé B, Hamel T, Mahony R, et al. The landing problem of a VTOL unmanned aerial vehicle on a moving platform using optical flow[C]∥Proc.oftheIEEE/RSJInternationalConferenceonIntelligentRobots&Systems, 2010:1600-1605.

杨成伟(1986-),通信作者,男,助理教授，博士,主要研究方向为无人系统导航、仿生控制。

E-mail:yangchengwei2009@126.com

李 扬(1989-),男,助理工程师，硕士,主要研究方向为光流导航。

E-mail:liyangcr@126.com

Optical flow-based autonomous landing control for fixed-wing small UAV

WU Zheng-long1, LI Jie1, GUAN Zhen-yu2, NIU San-ku1, YANG Cheng-wei1, LI Yang3

(1.SchoolofMechatronicalEngineering,BeijingInstituteofTechnology,Beijing100081,China;2.BeijingInstituteofElectro-MechanicalEngineeringInstitute,Beijing100074,China;3.XinxingHeavyIndustriesGroupCompanyLimited,Beijing100070,China)

With the fixed-wing of small unmanned aerial vehicle (UAV) autonomous landing control as the research background, an optical flow-based autonomous landing control for fixed-wing small UAV is proposesd. Firstly, the fixed-wing UAV movement characteristics of the landing phase is analyzed, with the vehicle control decoupled into lateral and longitudinal control. Secondly, the runway line is featured and the sparse linear optical flow field is calculated. Then the camera model is combined with the relationship between the optical flow field and the velocity field, setting the runway line horizontal flow as the feedback of the system to design the control system. Finally, a dynamic simulation system is built in the Simulink environment.The simulation results show that the UAV autonomous landing control is effectively realized through this proposed method.

fixed-wing unmanned aerial vehicle (UAV); landing control; optical flow; control design

2015-12-02;

2016-10-21;网络优先出版日期:2016-10-27。

国防科工局基础科研项目(B2220132013)资助课题

TP 273

A

10.3969/j.issn.1001-506X.2016.12.22

吴政隆(1988-),男,博士研究生,主要研究方向为飞行器控制与制导、视觉避障。

E-mail:wuzl-2006@126.com

李 杰(1969-),男,教授,博士,主要研究方向为无人系统设计。

E-mail:lijie @bit.edu.cn

关震宇(1987-),男,工程师，博士,主要研究方向为光流场计算、系统设计。

E-mail:guanzhenyu886@126.com

牛三库(1984-),男,博士研究生,主要研究方向为无人系统控制。

E-mail:niusanku@live.com

网络优先出版地址:http://www.cnki.net/kcms/detail/11.2422.TN.20161027.1554.006.html