基于图像识别的“无人机遥感概论”教学实验平台设计

李玉霞， 何 磊， 徐永鑫(1. 电子科技大学 a. 自动化工程学院; b. 光电信息学院, 成都 611731；. 成都信息工程大学 软件工程学院， 成都 6105)

0 引 言

“无人机遥感概论”课程主要包含无人机飞行原理、无人机控制系统、无人机遥感原理和无人机数字图像处理及应用等内容，分别属于航空航天、控制工程、遥感科学、图像处理等不同学科间的交叉内容。但是，在“无人机遥感概论”课程，这几部分内容不是独立的，而是融为一体、前后衔接的。其中，无人机飞行控制系统和无人机遥感原理是无人机图像处理的基础[1]，因为无人机图像处理中涉及到无人机飞行姿态参数，这些参数是靠无人机控制系统获取，同时无人机遥感成像原理是无人机图像校正、配准、拼接等环节的技术基础[2-3]。所以，“无人机遥感概论”课程是一个集成的、多学科的教学内容，如何能通过实验教学将课程交叉内容做到系统性、集成性和整合性是教学实验的关键问题。

四旋翼无人机具有机动灵活、成本低、质量轻、安全性强、体积小等特点[3-4]，是国内外信息技术的研究热点。目前，国内外学者对四旋翼无人机的飞行控制研究分为基于光流传感器的和基于摄像头的自主控制系统[5-6]。譬如，Meier等[7]基于PX4FLOW光流传感器实现四旋翼无人机的悬停和矩形轨迹跟踪等功能的；文献[7-9]中基于摄像头的视觉SLAM算法实现了四旋翼无人机的自主定位与导航。基于光流传感器的和基于摄像头的自主控制系统均取得一定的成果，但存在一些不足。譬如，基于光流传感器的自主控制系统中，光流传感器因为其算法上的既定局限容易产生位置漂移问题，不适合长时间长距离导航[7]。而在基于摄像头的自主控制系统中，SLAM 算法复杂程度高，很难实现机载运行[9-13]。并且上述研究只对定位等较为基础的指标进行了测试，距离实际应用尚有一定的距离。

本文根据“无人机遥感概论”课程的实验内容需求，设计一个基于图像处理与识别的“无人机遥感概论”教学实验平台。

1 搭建四旋翼无人机的教学实验系统

本实验平台设计的无人机控制系统结构如图1所示。系统包括飞行控制子系统、地面控制子系统及导航子系统，飞行控制子系统包括蓝牙接收机、ARM嵌入式控制器、单片机和四旋翼无人机机体。地面控制子系统包括遥控器和地面站控制电脑，能实时地显示无人机的飞行参数和状态。导航子系统包含单片机和摄像头OV7725。

图1 系统设计总框图

1.1 四旋翼飞行器

构建四旋翼飞行器硬件教学实验平台时，一般需考虑结构稳定性、负载能力、续航时间、控制信号转换可靠性等因素[2-4]。四旋翼飞行器有4个对称分布、同一水平面的旋翼，且旋翼结构和翼展半径相同。在四旋翼飞行器的支架端安装有对称的4个电动机，并设置有安放飞行控制处理器和外部设备的结构。本文依据以上特点和因素，搭建了四旋翼飞行器的主体结构如图2所示。该飞行器的主要性能参数如下：机身直径55 cm，高度26.5 cm。机身质量0.9 kg(不含电池)，安全起飞质量2.0 kg。采用3 300 mA·h(3S)的锂电池，飞行时间约12 min。

图2 四旋翼飞行器结构示意图

1.2 机载主控制器和传感器

本文采用基于ARM Cortex M4的低功耗微处理器STM32F407ZET6。其数据总线宽度是32位，最大时钟频率为168 MHz，并集成有高速嵌入式存储器和4 KB的后备SRAM，及2条APB总线、2条AHB总线和1个32位AHB总线矩阵的I/O。

四旋翼飞行器控制平台采用传感器GY-86，它集成HMC5883L、MPU6050、MS5611三块芯片。HMC5883L是一种带有数字接口的弱磁传感器集成芯片，包括高分辨率HMC118X系列磁阻传感器、放大器、自动消磁驱动器等，用于罗盘和磁场检测；MPU6050是整合性6轴运动处理组件，以数字输出旋转矩阵、四元数、欧拉角格式的演算数据；MS5611是具有SPI和I2C总线接口的气压传感器。该高分辨率气压传感器包括压力传感器、模数转换器，用于提高转换速度并优化电流消耗。

2 基于扇型光电图像处理与识别的四旋翼无人机控制算法

2.1 PID飞行控制算法

实验平台采用优化的单环PID控制算法，结合光电图像处理算法对目标物进行识别，实现四旋翼无人机控制的教学实验[14-15]。位置式PID公式如下：

(1)

式中:Kp代表比例环节;ek代表偏差；Ki代表积分环节；Kd代表微分环节。

系统通过记录输入的值，即可以计算输出值，而PID系数需要实际测试中进行调节，如图3所示。

图3 PID调节仿真图

2.2 扇型光电图像处理与识别

本文引入扇形图像处理算法对机载实时获取的图像进行处理。首先，对OV7725摄像头收集到的图像进行二值化处理，然后，二值化的图像进行搜索，当扫描到连续几个黑点之后，判断为图像头；同理，搜索到图像尾的中点，可求得两点连线的倾斜角φ，利用旋转矩阵M把图像旋转为正图形，其表达式为：

(2)

沿着图像头到尾扫描1行，取得第1行的中间点，以图像头的中点为起点，向与图像头中点与图像尾中点连线的±θ1,±θ2,±θ3，…等方向进行搜索，其中tanθ1=1,tanθ2=1/2,…,tanθn=1/n，n越大描述特性越准确，可以按照实际需要进行选择。图4为处理前后的图像结果对比。

3 飞行实验测试

依据教学的特定场景和任务需求，本文在室内搭建了的教学实验场地，对四旋翼飞行器进行实验测试，场地如图5所示。

3.1 投掷铁片飞行实验

本文设计了投掷铁片任务，测试该四旋翼无人机系统能否完成从A区起飞，沿预设路线前行，自主识别指示线与其他地面情况成功抵达B区，并能否精确地投掷铁片，最后安全返回A区。具体测试方法为：在飞行器下摆放一小铁片，放置好示高装置，一键式启动，飞行器高于30 cm之后开始计时，在飞行器降落到A区之后，读取飞行时间，记录飞行器距离A区距离，记录此时小铁板的重量以及距离B区的距离。测试结果记录在表1。

(a) 图像处理前(b) 图像处理后

图5 测试场地俯视图(cm)

表1 四旋翼无人机投掷铁片试验测试

实验结果表明，该系统成功完成了指定任务，但在一定程度的外界干扰下，四旋翼在前行、返程过程中，会产生误判。大量测试结果显示该系统成功率可达到95%。

3.2 找寻铁片飞行实验

本文设计了找寻铁片任务，测试该四旋翼无人机系统能否完成从A区出发找寻到在B区随机放置的铁片，并能够成功返程。具体测试方法为：将四旋翼摆放在A区，小铁板摆放在B区任意位置，一键式起飞，在飞机离地30 cm之后开始计时，在飞行器降落到A区之后读取时间与距离A点的距离。试验结果表明，该系统可以完成该任务，但有一定的失误率。大量测试结果表示该失误率约为20%。

4 结 语

本文设计和实现了基于图像处理与识别的“无人机遥感概论”教学实验平台，该实验平台已经在电子科技大学全校公选课“无人机遥感概论”中得以实施，取得了良好的教学效果。学生通过该实验平台可以学习和掌握无人机飞行控制算法、图像处理与识别算法，并可以给无人机发送指令来完成特定的教学实验任务。通过教学实验锻炼了学生的实践能力和创新意识。相比其他文献，本文设计和实现的实验教学平台具有以下特点: ① 实现了一种机载的光电图像处理与识别算法，可以使学生通过熟悉算法从而设置实验参数达到控制无人机飞行的目的；② 将飞控系统与光电图像处理教学实验内容进行集成使用，学生通过教学实验内容，能完成沿预设轨迹跟踪巡逻、在目标区域精确投掷铁块以及寻找随机放置的铁块等教学实验，具有较好的教学实验功能，并通过教学实验平台学习提升学生的学习积极性和动手能力。

考虑到该教学实验平台主要面向本科生，所以本文设计的机载图像处理算法较为简易，在复杂场景下应用此教学实验平台时有一定误差。所以，在保证机载高效实时运行的前提下，如何激发学生进一步优化算法，并进行大量实验测试，提高识别率是下一步教学实验研究和改革的重点。

参考文献(References)：

[1] 盖文东，张 婧，李玉霞，等. 基于分布式仿真的智能控制实验教学平台设计[J]. 实验技术与管理，2016,33(3)：134-137.

[2] 张新英，余发军，刘 聪. 基于模糊PID控制的四旋翼无人机设计[J].实验室研究与探索，2017,36(4):56-59.

[3] LEISHMAN J G. Principles of Helicopter Aerodynamics[M]. New York: Cambridge University Press, 2000：98-105.

[4] 张 垚，鲜 斌，殷 强，等. 基于ARM处理器的四旋翼无人机自主控制系统研究[J]. 中国科学技术大学学报，2012，42(9)：753-760.

[5] Weiss S, Scaramuzza D, Siegwart D. Monocular-SLAM-based navigation for autonomous micro helicopters in GPS-denied environments[J]. Journal of Field Robotics, 2011,28(6) : 854-874.

[6] 于进勇，寇昆湖，陈 勇. 无人机模拟训练教学系统设计[J]. 实验室研究与探索，2014，33(7):221-224.

[7] Meier L, Tanskanen P, Fraundorfer F,etal. Pixhawk: A system for autonomous flight using onboard computer vision[C]∥2011 IEEE International Conference on Robotics and Automation (ICRA). Piscataway NJ,USA: IEEE, 2011: 2992 -2997.

[8] 王艳芬，丛潇雨，王 刚，等. 基于Simulink的Chirp-UWB通信系统综合实验设计[J].实验室研究与探索，2015，34(7):90-93.

[9] Weiss S, Achtelik M W, Lynen S,etal. Monocular vision for long-term micro aerial vehicle state estimation: A compendium[J].Journal of Field Robotics, 2013, 30(5) : 803-830.

[10] Papadopoulos S, Kompatsiaris Y, Vakali A,etal. Community detection in social media performance and application considerations[J]. Data Mining and Knowledge Discovery, 2012, 24: 515-554.

[11] 张云洲，胡禹超，吴成东. 三维姿态实时显示的小型无人机飞控仿真系统[J]. 实验室研究与探索，2015，34(1):73-78.

[12] 丁 琳，管小卫，朱 霞. 基于RSSI的集群实时定位系统设计[J]. 国外电子测量技术，2014,33(12):69-73

[13] Kcndoul F, Yu Z Y, Vonami K. Guidance and nonlinear control system for autonomous flight of minirotorcraft unmanned aerial vehicles[J]. Journal of Field Robotics, 2010，27(3):311-334.

[14] 郑学理，付敬奇. 基于PDR和RSSI的室内定位算法研究[J].仪器仪表学报，2015，36(5): 1177-1185.

[15] 刘辉邦，褚金奎，支 炜，等. 基于PID控制的无人机姿态测量系统设计[J].传感器与微系统，2013，32(8): 108-110.