基于足球比赛路径规划的农用无人机定位和导航研究

杜 恒

(河南工业职业技术学院，河南 南阳 473000)

0 引言

无人机是无人驾驶航空飞行器的简称，具有遥控、动力和导航装置，能够执行多种类型的任务。无人机诞生于1914年，在军事需求的推动下取得了较快的进步。发展至今，无人机已经形成了一个庞大的家族，用途涉及到社会的各个方面，其中的军用无人机代表着该领域的最高水平[1]。早期的无人机为固定翼，后来在技术的推动下出现了旋翼无人机。与固定翼无人机相比，旋翼无人机的飞行高度有限，速度也较慢；但旋翼无人机的机动性更强，可以垂直起降、空中悬停及大幅度转弯，设计制造的难度小，且有效载荷较大[2]。上述优点使得旋翼无人机在农业领域得到了广泛应用，具体内容包括农药喷洒、农田信息监测和农业保险勘察等，不仅极大地提高了作业效率，还推动了农业生产的现代化和智能化[3-5]。

在起飞之前，地面站会根据作业的内容和环境条件规划出合理的航线，无人机按照规划的航线飞行并完成作业。但是，在实际飞行中，无人机会受到复杂气象、环境条件和载荷变化的影响，导致实际航线与规划航线之间出现偏差。航线的偏差影响无人机的作业效果，不合理的航线和飞行动作缩短续航能力，降低了作业效率。因此，对航线的控制精度是反映农用无人机性能的重要指标，能够为无人机优势的发挥提供保障。无人机的航线控制以定位和导航为前提，即在确定无人机实时位置的基础上，根据下一步的目标发出导航指令，调节无人机的方向和速度，使其按照规划的航线飞行。

农业机械的定位和自动导航可以追溯到20世纪的80年代，开创了农业机械的无人驾驶时代。随着计算机视觉和卫星技术在农业上的应用，农业机械定位和导航的精度大幅提高，应用范围也得到了扩展[6]。目前，美国的GPS、俄罗斯的GLONASS和中国的北斗是3种成熟的卫星定位导航系统，它们通过电子地图和卫星信号进行实时定位及导航，提高了农业机械的自动化程度[7]。

农用无人机作为一种新型技术汇集的设备平台，实时定位和自动导航是其必备的功能，也是顺利完成农业操作的要求。在诞生初期，农用无人机的飞行控制由人工完成，操作的负荷和难度都较大，对航线的控制效果也不理想。在引入了各种新型技术，并对航线规划算法进行优化后，农用无人机的定位和导航精度得到了提升[8]。另外，人们对无人机的航线控制也进行了研究，韩泉泉等设计了基于二维坐标的航线控制律，在仿真试验中表现出良好的航线跟随性能[9]。吴俊成等基于诱导航线开发出新的协调控制方法，可以精确控制多无人机编队的飞行状态[10]。

航线规划是农用无人机定位和导航的依据，合理的航线有利于提高定位和导航精度。足球比赛机器人的控制原理与农用无人机类似，因此足球比赛路径规划方法可以为无人机定位和导航提供参考。足球机器人系统由视觉、决策、无线通讯和机器人4部分组成，路径规划由决策部分完成，是主导比赛结果的关键。足球比赛路径规划的内容是在存在障碍物的陌生环境中，依据比赛规则搜寻由起点到达终点的合理避碰路线[11]。足球比赛路径规划的方法有多种，大致可以分为全局规划法和局部规划法，都有各自的优缺点。柳长安等基于FIRA机器人的仿真平台对Position函数模型进行了改进，提高了对比赛中具体情况的适应能力[12]。黄彦文等在模糊逻辑方法修正势场函数的基础上提出了一种改进的路径规划算法，并在实际应用中得到了检验[13]。研究人员还将足球比赛机器人的路径规划和决策方法应用到采摘机器人上，根据采摘机器人的特性设计智能定位和导航系统，实现了与农业机械的结合[14-15]。

作为各种新型技术汇聚的平台，无人机拥有智能决策系统和算法运行的条件。本研究将足球比赛路径规划的人工势场模型与农用无人机相结合，设计更为合理适用的无人机定位和导航方法，为无人机航线精确控制提供新的途径。

1 人工势场模型

人工势场是一种足球比赛路径的局部规划方法，核心思想是以电磁场理论为基础的抽象力场。无人机与足球机器人一样，运动过程中都存在目标体和障碍物，它们是路径规划需要考虑的因素。目标点周围存在针对无人机的引力场，障碍物周围存在针对无人机的斥力场，两种力场的强度和方向符合电磁理论的规律。引力场和斥力场共同组成人工势场，其特性用势场函数进行描述。人工势场模型通过搜索势场函数下降最快的方向形成无人机的运动路径，则可以尽量避免碰撞障碍物，并尽快地接近目标体。人工势场模型的结构和算法都比较简单，适合进行无人机的实时控制，能够规划得到平滑的路径，有利于发挥无人机的机动特性和避障能力。

1.1 引力函数

人工势场模型中无人机的目标点是下一个作业点，障碍物为超过无人机飞行高度的树木、建筑和电力设施等。与足球机器人不同，无人机的目标点和障碍物一般都处于静止状态，因此导航控制的算法较足球机器人更为容易。建立无人机作业区域的直角坐标系，X轴和Y轴分别表示作业区域的横向和纵向坐标。在坐标系中标定无人机(U)、目标点(T)和障碍物的位置(O)，无人机和目标点只有1个，障碍物可以同时出现多个。无人机的初始速度为V0，坐标系中对无人机路径产生影响的引力场只有1个，如图1所示。引力函数的计算公式参照黄彦文等的研究，以无人机与目标点之间的距离和相对速度为自变量[13]。

图1 无人机的直角坐标系

1.2 斥力函数

根据实际情况，并不是作业区域内的所有障碍物都会同时对无人机的路径产生影响，只有那些与无人机的距离小于一定阈值的障碍物才会产生斥力场。在图1中，只有3个障碍物产生了针对无人机的斥力场，斥力函数的计算公式也是参照黄彦文等的研究，以无人机与障碍物之间的距离和相对速度为自变量[13]。引力场和斥力场共同作用形成势场合力，使无人机的飞行轨迹发生改变，速度由V0变为V1，保持着原有的速率，但是方向沿顺时针偏转了θ角度，如图1所示。

2 人工势场模型

2.1 斥力函数的修正

2.2 势场函数的修正

在整个作业区域中，无人机、障碍物和下一个目标点的位置是影响无人机路径规划的主要因素。此外，路径规划还需要考虑作业区域的形状、所有目标点和障碍物的分布，才能制定出相适应的飞行路径策略。为了消除人工势场对精确度要求较高的局限性，引入模糊逻辑控制方法，将无人机的飞行数据库直接转化为控制指令，以适应复杂环境下的航线控制。

模糊逻辑控制包括模糊变量、模糊知识库和模糊推理机3个部分：模糊变量以无人机状态和目标任务作为输入量，以人工势场中的最大和最小避障距离作为输出量；推理机以知识库为依据，通过简单的三角隶属函数对输入量进行分析处理，最后输出无人机的最佳避障距离。

图2 多个障碍物的人工势场

3 无人机定位和导航

3.1 无人机系统

无人机平台为大疆Phantom 4 Advanced型植保无人机，整体质量5kg，续航时间为30min。无人机采用北斗和GLONASS双模式定位，无线传输距离可以达到7km。地面站安装大疆DJIGS Pro版软件，可以规划无人机的路径并实时控制飞行姿态。无人机飞行控制系统以Intel586型工控计算机为核心，采用闭环结构。系统软件在Windows10操作系统中运行，人工势场的代码用MatLab工具箱编写。

无人机装载各种传感器用于飞行状态的采集，包括XV-8000CB型角速度传感器、CZ3-X-Y型加速度传感器、BA5803型气压高度传感器及中科能慧的NHFS47型风速风向传感器等。航线控制设备包括方向舵、副翼舵和升降舵，舵面根据路径规划算法提供的方案进行相应的偏转，改变无人机的飞行方向和姿态，从而实现避障的功能。

3.2 定位和导航

无人机地面站首先建立作业区域的直角坐标系，然后标定其中的障碍物数量和位置。无人机的位置通过卫星定位系统获得，并且实时跟踪无人机的运动方向和速度。根据植保无人机的药液喷幅确定方格，然后以方格为单元将作业区域网格化，在路径的规划中以人工势场合力方向上的相邻方格作为无人机的目标点。

地面站按照人工势场方法规划无人机的航线，并设定飞行参数。作业过程中，控制中心实时接收传感器采集的数据和无人机的飞行状态，计算实际位置偏离设定航线的距离，并根据所处的人工势场函数发出控制指令。指令发送给飞行姿态控制设备，实现对无人机的定位和导航，如图3所示。

图3 无人机定位和导航流程

4 仿真试验

2017年，在本单位的棉花田中开展仿真试验，对无人机进行定位和导航，同时执行喷药作业。作业区域为不规则的近似长方形，较均匀地分布6个不同形状的障碍物，包括乔木、电线塔、农田设施和空地。无人机飞行高度为5m，速度4m/s，标准喷幅为5m。仿真试验的结果如图4所示。其中，白色部分为作业区域，黑色块为障碍物，无人机的航线用带有箭头的黑色线条表示。试验结果表明：基于足球比赛路径规划对无人机进行定位和导航，可以使喷洒的药液覆盖率达到98%，无人机飞行的距离和时间相比人工控制减少了20%，航线中的急剧转向次数也大幅减少，作业效率得到了提高。

图4 仿真试验中的无人机航线

5 结论

将足球比赛路径规划的人工势场模型与农用无人机相结合，给出了农用无人机定位和导航方法。人工势场由引力场和斥力场共同组成，利用势场函数进行描述。模型搜索势场函数下降最快的方向形成无人机的运动路径，可以尽量避免碰撞障碍物，并尽快地接近目标体。根据实际情况，对斥力函数和势场函数进行了修正。试验结果表明：该方法定位和导航的无人机药液喷洒覆盖率达到98%，飞行距离和时间相比人工控制减少了20%，航线中的急剧转向次数也大幅减少，作业效率得到了提高，能够为农用无人机航线精确控制提供新的途径。