一种基于双目立体视觉的无人机自主空中对接方法技术

本发明专利技术提供了一种基于双目立体视觉的无人机自主空中对接方法，包括以下步骤：首先针对对接目标的识别问题提出了基于YOLOv4的智能识别方法，随后构建了基于模型预测控制的轨迹规划方法，最后设计了基于PID

【技术实现步骤摘要】
一种基于双目立体视觉的无人机自主空中对接方法


[0001]本专利技术属于飞行器控制
，具体涉及一种基于双目立体视觉的无人机自主空中对接方法。

技术介绍

[0002]空中加油是当今航空领域增加航时与航程的最主要的手段之一，在军事领域被广泛应用于提高战斗机的续航与挂载能力，在民用领域主要用于增加经济型和安全性。而近年来，随着无人机技术的发展，无人机的应用范围越发的广泛，无人机不需要考虑人员的生命伤亡的风险，具备在高危环境仍然可以使用的特点。为了减轻受油机受油时的压力负荷，实现无人机的空中加油，有必要使空中加油技术自主化，实现高精度、高安全和高效率的自主空中加油。
[0003]空中加油包括5个阶段：会和、编队、对接、加油和退出，其中对接阶段对控制的要求最高，难度最大。自主空中对接的特点包含锥套运动的不确定性，加油机尾流和大气紊流对受油机运动的不确定性，受油机动力学模型的不确定性，对接初状态的不确定性，软管的甩鞭行为，慢动态，非最小相位等。
[0004]自主空中加油的主要问题是椎管与锥套的对接问题，导航和控制的精度都需要保持在极高的范围，对接的相对速度也需限制在很小的范围。在实际的加油过程中，需要先降低风险，保证飞行安全后再考虑对接的成功。在对接及输油阶段的机动性会大幅下降，因此必须高效地完成空中加油，需要在保证安全的基础上，以更高的效率执行。
[0005]基于此，提出一种基于双目立体视觉的无人机自主空中对接方法。

技术实现思路

[0006]本专利技术所要解决的技术问题在于针对上述现有技术的不足，提供一种基于双目立体视觉的无人机自主空中对接方法，以解决上述
技术介绍
中提出的问题。
[0007]为解决上述技术问题，本专利技术采用的技术方案是：一种基于双目立体视觉的无人机自主空中对接方法，包括以下步骤：
[0008]S1、针对对接目标的识别问题提出了基于YOLOv4的智能识别方法，实现对目标当前位置的定位和坐标解算；
[0009]S2、构建基于模型预测控制的轨迹规划方法；
[0010]S3、基于S1的位置信息以及S2中对轨迹的最优估计，构建基于PID
‑
干扰观测器的对接控制方法。
[0011]进一步的，所述的基于YOLOv4的智能识别方法是利用YOLOv4对加油锥套进行识别，根据YOLOv4的网络结构对目标锥套的中心像素坐标进行分析；
[0012]在YOLOv4网络中，锚框预测的结果是相对于先验框的偏移值，根据公式来求解边界框实际的中心像素点坐标(x
d
，y
d
)；
[0013][0014]其中，(t
x
，t
y
)为网络预测得到的坐标偏移值，
[0015](w
a
，h
a
)为真实的先验框尺寸，
[0016](x
a
，y
a
)为先验框的真实中心像素坐标；
[0017]YOLOv4网络通过输出三种尺寸不同的特征图来检测锥套，网络最终输出的张量结果可表示为：
[0018]D
out
＝N
×
N
×
[3
×
(C+4+1)][0019]其中，D
out
网络为最终输出的张量结果，
[0020]N
×
N为图像的尺寸，
[0021]C为需要检测类别的个数，
[0022]数字3为每个网格需要3个锚框，
[0023]数字4为边界框的中心像素坐标(x，y)和宽高(w，h)四个参数，
[0024]数字1表示了边界框的置信度；
[0025]最后，通过输出的目标宽高(w，h)值来判断此时锥套所占的像素面积是否大于给定值，以选择是否输出锥套的中心坐标并解算当前锥套的相对空间位置。
[0026]进一步的，在S2中，构建基于模型预测控制的轨迹规划方法是在预测模型中只考虑无人机位置控制，使用三阶积分器来考虑无人机的位置控制，使用辅助姿态控制器对干扰进行补偿；
[0027]系统状态可以表示为：
[0028]α＝[x
x
，v
x
，a
x
，x
y
，v
y
，a
y
，x
z
，v
z
，a
z
]T
[0029]其中，x
x
为x轴方向上的坐标，
[0030]v
x
为x轴方向上的速度，
[0031]a
x
为x轴方向上的加速度，
[0032]x
y
为y轴方向上的坐标，
[0033]v
y
为y轴方向上的速度，
[0034]a
y
为y轴方向上的加速度，
[0035]x
z
为z轴方向上的坐标，
[0036]v
z
为z轴方向上的速度，
[0037]a
z
为z轴方向上的加速度；
[0038]加加速度的控制命令可表示为：
[0039]β＝[j
x
，j
y
，j
z
]T
[0040]其中，j
x
为加加速度在x轴上的控制命令，
[0041]j
y
为加加速度在y轴上的控制命令，
[0042]j
z
为加加速度在z轴上的控制命令；
[0043]预测模型的状态空间方程为：
[0044][0045]其中，x为状态向量，是状态向量的导数，
[0046]u为状态输入矩阵，
[0047]y为状态输出矩阵，
[0048]A为系统矩阵，可以表示为：
[0049]A＝blkdiag{A
x
，A
y
，A
z
}
[0050]B为控制矩阵，可以表示为：
[0051]B＝blkdiag{B
x
，B
y
，B
z
}
[0052]blkdiag{
·
}表示块对角矩阵，且有：
[0053][0054]C为输出矩阵；
[0055]上述模型可以使用零阶保持器进行离散化，零阶保持器可以表示为：
[0056][0057]其中，h为采样时间，
[0058]A
d
可以表示为：
[0059]A
d
＝e
Ah
[0060]B
d
可以表示为：
[0061][0062]再定义一个合适的目标函数，目标函数的具体定义如下：
[0063][0064]其中，x
A
＝P
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双目立体视觉的无人机自主空中对接方法，其特征在于：包括以下步骤：S1、针对对接目标的识别问题提出了基于YOLOv4的智能识别方法，实现对目标当前位置的定位和坐标解算；S2、构建基于模型预测控制的轨迹规划方法；S3、基于S1的位置信息以及S2中对轨迹的最优估计，构建基于PID
‑
干扰观测器的对接控制方法。2.根据权利要求1所述的一种基于双目立体视觉的无人机自主空中对接方法，其特征在于，所述的基于YOLOv4的智能识别方法是利用YOLOv4对加油锥套进行识别，根据YOLOv4的网络结构对目标锥套的中心像素坐标进行分析；在YOLOv4网络中，锚框预测的结果是相对于先验框的偏移值，根据公式来求解边界框实际的中心像素点坐标(x
d
，y
d
)；其中，(t
x
，t
y
)为网络预测得到的坐标偏移值，(w
a
，h
a
)为真实的先验框尺寸，(x
a
，y
a
)为先验框的真实中心像素坐标；YOLOv4网络通过输出三种尺寸不同的特征图来检测锥套，网络最终输出的张量结果表示为：D
out
＝N
×
N
×
[3
×
(C+4+1)]其中，D
out
网络为最终输出的张量结果，N
×
N为图像的尺寸，C为需要检测类别的个数，数字3为每个网格需要3个锚框，数字4为边界框的中心像素坐标(x，y)和宽高(w，h)四个参数，数字1表示了边界框的置信度；最后，通过输出的目标宽高(w，h)值来判断此时锥套所占的像素面积是否大于给定值，以选择是否输出锥套的中心坐标并解算当前锥套的相对空间位置。3.根据权利要求2所述的一种基于双目立体视觉的无人机自主空中对接方法，其特征在于，在S2中，构建基于模型预测控制的轨迹规划方法是在预测模型中只考虑无人机位置控制，使用三阶积分器来考虑无人机的位置控制，使用辅助姿态控制器对干扰进行补偿；系统状态表示为：α＝[x
x
，v
x
，a
x
，x
y
，v
y
，a
y
，x
z
，v
z
，a
z
]
T
其中，x
x
为x轴方向上的坐标，v
x
为x轴方向上的速度，a
x
为x轴方向上的加速度，x
y
为y轴方向上的坐标，v
y
为y轴方向上的速度，a
y
为y轴方向上的加速度，x
z
为z轴方向上的坐标，
v
z
为z轴方向上的速度，a
z
为z轴方向上的加速度；加速度的控制命令表示为：β＝[j
x
，j
y
，j
z
]
T
其中，j
x
为加加速度在x轴上的控制命令，j
y
为加加速度在y轴上的控制命令，j
z
为加加速度在z轴上的控制命令；预测模型的状态空间方程为：其中，x为状态向量，是状态向量的导数，u为状态输入矩阵，y为状态输出矩阵，A为系统矩阵，表示为：A＝blkdiag{A
x
，A
y
，A
z
}B为控制矩阵，表示为：B＝blkdiag{B
x
，B
y
，B
z
}blkdiag{
·
}表示块对角矩阵，且有：C为输出矩阵；上述模型使用零阶保持器进行离散化，零阶保持器表示为：其中，h为采样时间，A
d
表示为：A
d
＝e
Ah
B
d
表示为：再定义一个合适的目标函数，目标函数的具体定义如下：其中，x
A
＝P
r
为相对位置，T
A
为时间估计，矩阵Q
A
∈R3×3为x
A
的权重系数，影响飞行速度，R3×3表示3阶实矩阵，矩阵W
A
∈R为T
A
的权重系数，与整个对接过程所需的时间有关，R表示实数域；
T
A
的计算方法为：其中，V
r
为相对速度，||P
r
||为相对位置的范数，V
r
.e
r
为V
r
在瞄准线上的从无人机到目标点的投影；基于模型预测控制的快速有效的重规划方法可弥补估计方法的误差，在双目相机检测到跟踪目标后，通过最小加加速度指标来保证无人机轨迹的平滑规划，该模型的目标函数表示为：其中，x

【专利技术属性】
技术研发人员：王斑，黄与陆，胡欣悦，付一方，李霓，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：