二值图像B(X，y)为：
[0041]其中:H(x，y)表示Η通道图像中坐标为(x，y)的像素灰度值。
[0042] 2c)对道路区域二值图像进行形态学膨胀、腐蚀运算，获得连续、完整的道路连通 区域，如图1(c)所示。
[0043] 2d)检测步骤2c)中提取的道路连通区域的外围轮廓，从而确定道路区域边缘，计 算道路边缘中心线，将中心线作为目标飞行轨迹，如图1(d)所示。
[0044] 步骤3:通过以上步骤实现对巡航道路轮廓的提取，从而得到无人机目标飞行轨迹 与实际位置的横向偏移量，在此基础上实现无人机的偏航控制，偏航控制器采用双模参数 自校正模糊控制，同时俯仰控制采用定速飞行，双模控制器设计的系统原理图如附图2所 示，其执行过程如下所示：
[0045] a、利用提取得到的道路中心线作为目标飞行轨迹，以目标飞行轨迹与无人机实际 位置偏差量值e、无人机当前高度值Η计算得到当量偏差值作为控制器的模式识 别判决量，t为当量系数，为高度对视角的影响系数，这里t为28。
[0046] b、根据模式识别判决量V，选用相应的控制器，当Ik'hre时选用参数自校正 模糊控制器，当I e' I〈V thre时选用PI控制器，^ thre为模式识别判决量阈值，这里V thre为20。
[0047] 当I e' I thre时选用参数自校正模糊控制器，参数自校正模糊控制器的控制流程 图如附图3所示，通过如下方法加以实现：
[0048] 1 )、输入输出变量的选择以及语言变量赋值表的建立。以道路中心线与无人机实 际位置的偏差量e和偏差量的变化率ec作为控制器的输入，偏航控制量u作为控制器的输 出，同时设置论域的大小:输入变量e的基本论域[-120，120 ]，输入语言变量的E的基本论域 为[-6-5-4-3-2-1-0+0+1+2+3+4+5+6]，误差量化因子初始值 1 = 6/120 = 1/20<^ 选取 8 个语 言值:PB、PM、PS、PO、NO、NS、匪、NB。输入语言变量EC以及输出语言变量U的论域选取和E- 致，语言变量赋值表如下表所示。
[0049] 表1语言变量E赋值表
[0052] 表2语言变量EC赋值表 [0053]
[0054] 表3语言变量U赋值表
[0057] 2 )、建立模糊参数调整器，调整器的输入为量化后的E以及无人机的高度值Η，由此 查询自适应控制器参数调整表得到控制器的调整倍数N，并得到新的量化因子ke'=ke*N、 kec ' = kec*N和比例因子ku ' = ku/N，并由此得到新的量化后的E和EC。参数表建立的规则是在 大误差时降低ke和k%，加大比例因子k u;在小误差时增大ke和k%，减小比例因子ku，自适应控 制器参数调整表如下：
[0058] 表4自适应控制器参数调整表
[0060] 3)、设计模糊控制规则库，模糊控制规则是对专家控制规则加以总结，根据总结的 结果建立控制规则表。根据模糊语句"if E and EC then U"得到相应的模糊关系Ri，从而 建立起模糊控制规则表，进一步的得到系统的模糊关系
在此基础上建立根据推 理合成规则，得到输出模糊集= (五X规^并将论域中所有元素进行遍历，从而得到 并建立起模糊控制器查询表。模糊控制规则表以及模糊控制器查询表如下所示：
[0061] 表5模糊控制规则表
[0064] 表6模糊控制器查询表
[0066] 4)、根据量化后的控制量，查询模糊控制器查询表，得到相应的输出量，并乘以比 例因子，得到输出的偏航控制量u，无人机根据此偏航控制量进而实现无人机的偏航控制， 进而实现精准的道路巡检。
【主权项】
1. 一种多旋翼无人机的智能道路巡检控制方法，包括W下几个步骤： 步骤1:通过云台控制单元控制机载云台图像传感器，使图像传感器垂直向下，图像传 感器获取得到无人机正下方图像信息； 步骤2:通过无人机搭载的图像传感器获取路面图像信息，通过图像处理提取得到道路 中屯、线； 步骤3:利用提取得到的道路中屯、线与无人机实际位置的偏差值进行无人机的飞行控 审IJ，在确定控制底层驱动后，只进行无人机俯仰与偏航控制，对于俯仰控制，采用定速飞行； 对于偏航控制，采用双模参数自校正模糊PID控制。2. 根据权利要求1所述的一种多旋翼无人机的智能道路巡检控制方法，所述的步骤2中 通过图像处理提取得到道路中屯、线的具体步骤如下： (1) 将拍摄得到的图像从RGB颜色空间转换到HSV颜色空间； (2) 提取Η通道图像，通过颜色区间分割道路区域； (3) 对道路区域进行形态学膨胀运算，消除道路上物体造成的空桐； (4) 提取得到道路边缘，将得到的道路边缘中屯、线作为目标飞行轨迹。3. 根据权利要求1所述的一种多旋翼无人机的智能道路巡检控制方法，所述的步骤3中 偏航控制所采用的双模参数自校正模糊PID的实现步骤如下： (1) 利用提取得到的道路中屯、线与无人机实际位置得到横向位置偏差量值e、W及无人 机当前高度信息Η作为控制器的模式识别判决量； (2) 根据模式识别判决量e，同时设置模式识别判决量阔值ethrel，在误差值e〉ethrei时应 用参数自校准模糊控制，在误差值e ^ ethrel时，应用PI控制； (3) 误差值e〉ethrei时，参数自校正模糊控制器设计如下： stepl: W道路中屯、线与无人机实际位置的横向偏差量e和偏差量的变化率ec作为控制 器的输入，偏航控制量U作为控制器的输出；同时设置论域的大小:输入变量偏差值eW及偏 差变化率ec的论域范围分别为：[6。1。，6。3、]、[6如1。，6如3、]，输出变量偏航控制量11的论域范 围为：[Umin，Umax]，同时根据输入变量偏差、偏差变化率W及输出变量的论域范围的大小设 置输入语言变量E、ECW及输出语言变量U的论域分别为Χ、Υ、Ζ，根据输入、输出语言变量论 域的大小选取模糊语言值，并建立起模糊语言与语言变量相对应的变量赋值表，语言变量 赋值表根据需要的控制精度W及实际控制经验进行建立;此后，进行输入变量的模糊化，W 预先设定的量化因子ke、ke。分别乘W采样得到的横向偏差量e和偏差的变化率ec由此得到 量化后的E和EC; step2:建立模糊参数调整器，调整器的输入为量化后的EW及无人机的高度值H，由此 查询自适应控制器参数调整表得到控制器的调整倍数N，并得到新的量化因子ke'=ke*N、 kec'=kec*N和比例因子ku'=ku/N，式中的ku为预先设定的比例因子，并由此得到新的量化 后的E和EC; step3:设计模糊控制规则库:根据论域中每一条输入经模糊控制规则库得到的输出， 建立模糊控制器查询表;根据模糊语句"if E and EC then U"得到相应的模糊关系将 每条模糊关系进行归纳，建立起模糊控制规则表，得到总的模糊关系戈巧,，模糊控制器 /二1 查询表的建立是根据输入语言变量E和EC论域中所有元素 Χ、Υ作模糊运算 C/ = ? Εν 并将论域中所有元素进行遍历，最终得到； step4:根据量化后的控制量，查询模糊控制器查询表，得到相应的输出量Υ，并乘W比 例因子ku'，得到输出的偏航控制量U;无人机根据偏航控制量实现无人机的偏航控制； (4)误差值e含ethrei时，应用PI控制器即比例积分控制器，实现无人机的偏航控制。
【专利摘要】本发明公开了一种多旋翼无人机的智能道路巡检控制方法，包括步骤1：通过云台控制单元控制机载云台图像传感器，使图像传感器垂直向下，图像传感器获取得到无人机正下方图像信息。步骤2：通过无人机搭载的图像传感器获取路面图像信息，通过图像处理提取得到道路中心线。步骤3：利用提取得到的道路中心线与无人机实际位置的偏差值进行无人机的飞行控制。同时为了降低控制的耦合性，在设计好控制底层驱动后只进行无人机的俯仰与偏航控制。对于俯仰控制，采用定速飞行；对于偏航控制，采用双模参数自校正模糊PID控制。本发明应用无人机进行道路巡检，可以很大程度上降低现有的应用巡逻车辆进行道路巡检的成本，同时巡检的视野范围广，不受道路交通状况的限制。
【IPC分类】G05D1/08
【公开号】CN105549603
【申请号】CN201510890484
【发明人】王云鹏, 余贵珍, 王章宇, 于海洋, 马亚龙
【申请人】北京航空航天大学
【公开日】2016年5月4日
【申请日】2015年12月7日