一种点密度引导下的无人机地形匹配飞行控制系统的制作方法

本发明属于无人机领域，更具体的说涉及一种点密度引导下的无人机地形匹配飞行控制系统。

背景技术

无人机相比于载人飞行器，具有成本低、体积小、使用方便、成产和维护成本低、机动性强和生存能力强等优点。由于没有人员驾驶，无人机不受人员的生理和生命风险限制，适合执行情报收集、地质勘测、低空侦查和反恐打击等“枯燥和危险”的任务。随着科技的发展，无人机的生产成本进一步降低，开始往民用和科研等领域发展，如气体管道监控、区域覆盖监控、灾害紧急搜救、农业植保、公安消防和遥感测绘等。

随着现代化农业技术的发展，农用无人机的应用无疑是跨进高科技农业时代的重要标志，现在农用无人机越来越多地应用于喷洒农药、施肥等方面，农用无人机的出现节省了大量的人力劳动，而导航方法的精确性直接影响农用无人机工作效率。

无人机空中作业时，面临着山脉、建筑物、树木、输电线路等有形障碍物的安全威胁，以及禁飞区、危险区等无形障碍的约束。如果躲避不及就会发生坠机事件、产生安全隐患，甚至对操作者或者他人造成伤害；同时也会造成一定的经济损失。

目前解决无人机导航的方法有gps导航，实现自主导航的方法有红外线扫描绘制地图法，室内视觉系统导航法、惯性导航、无线电导航以及卫星导航等，这些导航技术应用在工作在山区、丘陵等地区的低成本农用无人机都存在一定的局限性。

所以急需要开发一种能够用于在山区、丘陵等地实现自主导航飞行，而成本较低的无人机自主导航系统。

技术实现要素：

本发明采用dem地理模型，提前规划好无人机飞行航线，把飞行航线提前输入到无人机中，无人机在飞行的过程中可不用在对飞行航线进行实时的解算，只需要安装预设的航线自主飞行即可，可以用于运算能力较低的无人机控制中心。

为了实时上述目的，本发明是通过以下技术方案实现的：所述的无人机地形匹配飞行控制系统包括以下几个步骤：

步骤1.建立飞行区域的dem模型；

步骤2.根据dem模型规划飞行航线；

步骤3.把飞行航线划分为多段短距离的飞行航线；

步骤4.对飞行航线做近似拟合航线；

步骤5.通过拟合航线确定无人机飞行控制函数。

进一步的，所述的步骤1建立飞行区域的dem模型，具体模型为基于tin的dem模型。

进一步的，所述的步骤3把飞行航线划分为多段短距离的飞行航线，具体步骤为：

step1.把整段飞行航线划分为多段短距离的飞行航线，每一段短距离的飞行航线之间的划分分界点为航迹点；

step2.规划出每一段短的飞行航线的飞行高度；

step3.计算出每一段飞行航线的航迹点空间坐标值；

进一步的，所述的步骤4对飞行航线做近似拟合航线，具体方法为，采用每一段飞行航线的航迹点空间坐标值作为拟合点，采用b样条曲线拟合算法，拟合近似航迹曲线。

进一步的，所述的步骤5通过拟合航线确定无人机飞行控制函数，具体方法为，采用飞行航线的拟合曲线作为pid飞控算法的输入量，通过pid飞控算法对无人机进行自动的飞行控制。

进一步的，所述的基于tin的dem模型，具体的采用tin算法中的基于栅格的三角网生成算法。

本发明有益效果：

1.本发明采用dem地理模型，提前规划好无人机飞行航线，把飞行航线提前输入到无人机中，无人机在飞行的过程中可不用在对飞行航线进行实时的解算，只需要安装预设的航线自主飞行即可。

2.使得无人机在复杂地理环境下也可以实现地形匹配的自主导航飞行，可以用于运算能力较低的低成本无人机控制中心。

3.使得无人机在不需要太多的硬件设备也可以实现复杂环境下的地形匹配自主导航功能。

附图说明

图1，为pid飞控算法框图；

具体实施方式

下面将结合本发明实施例和附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

所述的无人机飞行控制系统包括以下几个步骤：采用将飞行航线提前规划好，并且把整个飞行航线分解成一段段的短距离的飞行航线，然后做曲线拟合来得到飞行航线的拟合曲线，无人机只需要安装飞行航线的拟合曲线的控制参数进行飞行即可避免碰撞。

步骤1.建立飞行区域的dem模型；建立飞行区域的基于tin的dem模型，tin为不规则三角网的缩写，tin在地理信息系统中有广泛应用，根据区域的有限个点集将区域划分为相等的三角面网络，数字高程有连续的三角面组成，三角面的形状和大小取决于不规则分布的测点的位置和密度，能够避免地形平坦时的数据冗余，又能按地形特征点表示数字高程特征。

低精度的dem地理模型在dem网站上是可以免费提供下载的，但是高精度的dem模型是需要自己根据需要进行制作。在无人机飞行过程中由于无人机的控制精度很高，所以需要高精度的dem模型，通常我们采用基于tin算法来生成高精度的基于tin的dem模型，本发明采用tin算法中的基于栅格的三角网生成算法，所述的基于栅格的三角网生成算法的具体方法如下：

a.泰森多边形的形成；

通过数学形态学方法，采用形态变换原理通过对栅格数据形态结构的变换而实现数据的结构分析和特征提取。其中二值形态学(函数值域定义在0或1)，是将图形视作集合，通过集合逻辑运算与集合形态变换，在结构元作用下转换到新的形态结构。凡是与数据点对应的像素灰度值1，其它的为像素灰度值为0，参考点所在的像素灰度值为1，其它像素的灰度值为0，则可对这个二值影像进行形态变换建立tin。

设x为参考点像素集合，则除去这些参考点后的剩余部分即x的余集x^c的骨架，即为tin的泰森多边形。

连续影像a的骨架sk(a)就是a的最大内切圆的圆心集合。利用条件序惯细化形态变换可求得骨架，且能保证a中各分量的拓扑邻接关系。其结果为连续单像元宽度以及各向同性的像元集合。具体算法如下：

设ck为半径为k的栅格圆环，a为影像的一个子集，令

a0＝a

选用结构元li(i＝1，2，...8)，则

sk(a)＝ao{lk}；(ak)(2)

即a的骨架由a的条件序贯细化变换生成。迭代终止条件为

则以上骨架算法得到sk(x^c)，即所需要的泰森多边形。

b.三角网的形成；

若x为参考点集，pi∈x是x的任意一参考点，将与pi所在的泰森多边形相邻的泰森多边形中的参考点与pi相连接，就构成了以pi为顶点的所有的三角形的边。其步骤为：

(i)将pi所在多边形扩张至边界，(即y的骨架)

则将pi进行条件序贯扩张，直至充满该泰森多边形，同时不越过多边形的边界。

(ii)提取与pi所在泰森多边形di相邻的多边形集合。首先作h对di的扩张，跨越边界，然后将di的元素去掉，剩下di的边界与相邻多边形的元素，再作条件序贯扩张，条件是不超越边界(即x^c的骨架)。di相邻多边形的集合d′i：

(iii)提取d′i中属于x的点，即提取位于与pi所在泰森多边形相邻的泰森多边形中的参考点集：

qi＝d′i∩x(6)

依次连接pi与qi中的点，生成tin相应的边。

对x中的每一点作相同的处理，记录网点邻接以及有关信息并存储，就构建

了基于tin三角网的dem地面模型。

步骤2.根据dem模型规划飞行航线；更具dem模型选取适合飞行的航线，计算出航线的总路程和飞行的高度。

步骤3.把飞行航线划分为多段短距离的飞行航线；具体步骤为：

step1.把整段飞行航线划分为多段短距离的飞行航线，每一段短距离的飞行航线之间的划分分界点为航迹点。航迹点划分在飞行航线的拐点位置，也称为飞行航线的控制点。所有航迹点组合在一起即为标题中所述的点密度。

step2.规划出每一段短的飞行航线的飞行高度；在每一段短距离的航线中确定无人机的飞行高度，无人机的每一段飞行高度可以不同，也可以相同，要改变无人机的飞行高度，只需要改变两个航迹点的高度即可完成。

step3.计算出每一段飞行航线的航迹点空间坐标值；通过步骤1和2计算出来的dem模型和确定的飞行航线，来确定航线中无人机的航迹点空间坐标值。

步骤4.对飞行航线做近似拟合航线；所述的步骤4对飞行航线做近似拟合航线，具体方法为，采用每一段飞行航线的航迹点空间坐标值作为拟合点，采用b样条曲线拟合算法，拟合近似航迹曲线。b样条曲线拟合的总方程如下所示：

其中pi(i＝0,1...n)是飞行航线的航迹点，fi,k(t)则是k阶b样条基函数。

在三维空间中，如果n+1个航迹点的坐标分别为(x0,y0,z0)...(xn,yn,zn)，则三维b样条曲线的坐标可以由以下公式决定：

t的最大值和最小值取决于所选取的航迹点个数。

b样条基函数fi,k(t)由以下所给出的(9)和(10)式递归算式得到：

其中knot称为节点函数，由下式确定：

飞行航线确定时，希望设计的b样条曲线在出发点开始和在目标点终止，且有确定的切向量，即无人机初始速度向量。所以采用开放b样条曲线形式，由公司(11)生成开放均匀的整形节点函数。开放b样条的多项式曲线通过第一个和最后一个航迹点，其中k值决定曲线的平滑程度，k值越大，曲线越平滑，航线计算中，如果k值过大则飞行航迹会与实际规划航线不匹配，所以选取k＝3，这样拟合航线和规划航线最匹配。

最后利用b样条拟合曲线飞行航线生成步骤为，(1)根据dem模型规划的航线，所划分的航迹点数据(p0,p1,p2,...pn)，设置无人机起飞位置为p0，降落位置为pn，p0,p1,p2,…pn为所有航迹控制点，通过公式(7)即可得到飞行航线拟合曲线。

步骤5.通过拟合航线确定无人机飞行控制函数。具体方法为，采用飞行航线的拟合曲线作为pid飞控算法的输入量，通过pid飞控算法对无人机进行自动的飞行控制。pid控制是将误差信号p，积分i，微分d通过线性组合构成控制量，称之为pid控制。由于控制回路包含了x,y,z三个控制量，因此设计3个独立的控制器对无人机飞行进行控制。无人机的gps位置传感器和姿态传感器的输入信号作为无人机当前位置的反馈信号输入，规划航线的b样本拟合的飞行航线曲线作为无人机飞行的控制信号输入。首先作四旋翼无人机动力学方程，如下：

其中，为偏航角，θ为俯仰角，为滚转角，sin函数和cos函数分别用s和c表示，m为无人机质量，g为引力常数，ix,iy,iz为机体绕三轴的转动惯性。

然后确定pid控制率，设kp,ki,kd分别为比例项，积分项和微分项系数，由式(12)可以推导出位置控制回路方程如下所示：

其中，xd,yd,zd为gps位置传感器测量到的加速度积分得到的位移量。

姿态控制回路也有ψ为偏航角，θ为俯仰角，为滚转角三个控制量，设kp,ki,kd分别为比例项，积分项和微分项系数，由式(12)可以推导出姿态控制回路方程如下所示：

其中，θd,φd为姿态传感器测量到的加速度积分得到的位移量。

通过上述几个步骤，先通过基于栅格的三角网生成算法，生成目标飞行区域的基于tin高精度的dem模型。在生成的高dem模型上规划出飞行航线，在飞行航线的拐点处把飞行航线划分为无数的小段飞行航线，划分的拐点即为航迹点；通过b样条曲线拟合算法生成载入无人的飞行航线，在通过与无人机自带的姿态传感器与gps位置传感器相结合，飞行航线作为pid控制的给定控制量输入信号，姿态传感器与gps位置传感器作为pid控制的反馈量，使用pid控制算法即可使得无人机具有地形匹配的自主飞行功能。

最后说明的是，以上优选实施例仅用于说明本发明的技术方案，而非限制尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解可以在形式上和细节上对其做出各种改变，而不偏离本发明的保护范围。