4.1 四旋翼无人机动力学建模 Y
4.2 基于PID的无人机巡线控制器设计 Y
4.3 Simulink仿真与分析 Y
4.4 巡线飞行试验 Y
4.5 本章小结 Y
结论 Y
致谢 Y
参考文献Y
1 引言
1.1 研究背景及意义
无人机(Unmanned Aerial Vehicles, UAV)是利用无线电遥控和自备的程序控制装置操纵的不载人飞机[1]。目前无人机主要可分为固定翼无人机，旋翼无人机以及扑翼式无人机[2]。而旋翼无人机因其机动性好，起落受限制少，能适应多种复杂环境[3]，而被广泛运用于军事侦察、目标跟踪、地形勘探、输电线路维护[4]等领域，而四旋翼无人机则是其中最流行的一种。
无人机的导航通常采用惯性导航系统[5]（Inertial Navigation System, INS）和全球定位系统（Global Position System, GPS）,但是导航过程中惯性器件具有积累误差，对初始值过于敏感的缺点，而GPS又受环境约束，在室内和复杂环境下会难以获取信号，同时精度也往往满足不了无人机的要求。
考虑到视觉传感器在成本与信息采集效果上的优越性，并且机器视觉技术也逐步完善，视觉传感器正逐渐应用于无人机导航领域。同时，视觉传感器可以与惯性导航和GPS结合，提升导航精度[6]。此外，相比于无线电与GPS，视觉导引抗干扰性能更好[7]。
在无人机视觉方面，国外很多学者已经做出很多尝试。S. Saripalli展示了一种视觉导航和自动降落的算法[8]。H. Romero介绍了一种基于光流技术的方法在八旋翼无人机实时稳定中的应用[9]。C. Demonceaux通过从无人机捕获的视频序列计算其姿态[10]。Zeghlache采用滑膜控制有效的消除了四旋翼无人机的自震动现象[11]。Tan结合反步法对无人机进行动态建模使系统更为稳定[12]。Khaled Kaˆaniche与 Benjamin Champion提出了一种对地面标识物进行检测的图像处理算法[13]。A. E. Ortiz与N. Neogi 将彩色图像利用颜色通道进行解离得到基于RGB三个颜色通道的三个光流方程，对无人机定高情况下对无人机横向与纵向速度实现了很好的控制[14]。 C. S. Sharp与O. Shakernia提出针对具有矩形特征的地面标志物的角点检测算法[15]。 美国加大伯克利和麻省理工分别采用深度摄像机、多传感器组合获得位置信息的方式实现无人机的自主导航[16]。
近年来，国内无人机视觉也迅速发展。牛轶峰等人提出了采用视频图像融合的方法实现无人机自主飞行控制的策略[17]。王利民测试了结合POS（positioning and orientation system, 定位定向系统）数据进行定位，得到了较好结果[18]。宋述锡结合PID控制与模糊控制实现了无人机对路径的较好追踪[19]。赵亮，韩波等人将霍夫变换应用于对多个几何形状地面目标物的检测[20]。韩波等人结合了主分量分析法与支持向量机对标识物实现跟踪[21]。北京航空航天大学研究团队通过采用无人机双目立体视觉的灰度相关匹配的技术实现了室内走廊定位飞行[22]；浙江大学的研究团队在视觉辅助的基础上通过检测算法提取特征点目标，实现无人机的姿态检测[23]。
1.3 论文主要工作
本文主要实现了以下任务：
(1)搭建四旋翼无人机硬件平台，进行无人机硬件选型。
(2)编写图像处理程序，搭建PC上位机交互界面。
(3)对无人机进行动力学建模，搭建PID控制器，进行simulink仿真。
(4)在室内VICON环境下进行四旋翼无人机巡线飞行试验。
1.4 论文结构 基于视觉图像检测的无人机巡线飞行控制技术研究(2):http://www.chuibin.com/zidonghua/lunwen_205638.html