开云优惠体育网页版入口

专利名称：一种无人机自主精准着陆方法

专利类型：发明专利

专利申请号：CN202210543572.9

专利申请（专利权）人：国网冀北电力有限公司唐山供电公司,国家电网有限公司
权利人地址：河北省唐山市建设北路7号

专利发明（设计）人：徐其春,杨志才,张建军,郭晨晨,马亚运,葛磊蛟,花文平

专利摘要：本发明涉及一种无人机自主精准着陆方法，属于无人机控制方法技术领域。技术方案是：基于视觉定位，视觉跟踪技术，采用国际上通用的apriltag定位标记，KCF实时跟踪技术，结合RTK速度反馈和GPS速度反。迪至讼低酚布延时，毫秒级无人机位置反馈的性能指标。本发明的有益效果是：高空PID跟踪程序能够很好跟踪飞机动向，低空PID控制+乒乓控制的组合，有效提高了控制程序的鲁棒性，并有效降低延迟对控制系统稳定性的影响，满足在复杂天候条件下无人机控制所需的反馈通路的高时效性，为精准着陆控制提供必要的条件，使无人机的降落精度有了显著的提高。

主权利要求：
1.一种无人机自主精准着陆方法，其特征在于包含以下步骤：
步骤1，基于视觉定位和视觉跟踪的无人机精准定位技术，进行无人机定位理论和跟踪，针对应用场景中背景复杂，安全性要求高，误识别率需要低于5%，选取适合的定位形式，针对场景运动过程中图像的变化特点，选取符合要求的视频跟踪算法，验证上述算法和模型，从而确定整体性能最优的方案；
步骤2，基于PID控制和乒乓控制的控制算法，优化延迟时间不确定系统，确定算法的鲁棒性，根据飞机的数据辨识一套飞机的动态模型，作为理论仿真的基。⒏莘苫德涫钡奶氐，将降落阶段划分为高空段和低空段，采用不同的控制组合，使系统的安全性和实时性有较大的提高；
步骤3，基于RTK数据和GPS数据，同时结合积分补偿的硬件延时消除算法，在对摄像头硬件特性了解足够多的情况下，采用多数据源kalman滤波，速度积分补偿的方式，有效提高飞机位置的准确性，为控制算法提供可信度高的位置反馈量，提升系统的控制品质；
步骤4，在步骤2控制算法与步骤3的数据反馈基础上，在反馈量足够准确，反馈速度足够快的情况下，结合有效的控制理论和控制参数，保证无人机较高的降落精度；
所述步骤1中，视频跟踪算法用于对无人机挂载的摄像头空间位置和姿态进行精确定位，KCF跟踪算法解决定位识别时间较长，实时性较差的问题，应用AprilTag位姿估计觉定位系统，像素距离比更新速度更快；步骤1中，包含以下步骤：步骤1.1，研究视觉定位算法，从坐标变换原理入手，进行空间位姿公式推导；
步骤1.2，引入核函数到KCF视觉跟踪算法,将线性回归的样本输入进行非线性化映射，以对非线性模型进行回归，从而对跟踪模型进行更好地拟合，提高跟踪精度；
所述步骤1.1包括以下步骤：
步骤1.1.1，在飞行器着陆过程对其进行位置和姿态估计，进行坐标系空间的转换；涉及到的坐标系包括世界坐标系、机体坐标系、摄像机坐标系和图像坐标系；
步骤1.1.2，构建摄像机成像模型，包含针孔模型和CCD摄像机成像模型；
步骤1.1.3，根据步骤1.1.1中坐标系空间的转换和步骤1.1.2中摄像机成像模型，建立从物体空间点在摄像机坐标系下的坐标到对应像点在图像像素坐标系下的坐标的映射关系；
步骤1.1.4，建立从机体坐标系到摄像机坐标系的转换关系，根据图像信息得出飞行器在世界坐标系下的位置和姿态；
步骤1.1.5，对于AprilTag类位姿标定码，检测出码的正方形边缘后，根据自定义的规则进行解码；解码过程中允许遮挡码的部分内容，且不同大小的码可以在空白区域进行嵌套；
步骤1.1.6，对于SIFT特征匹配类码，匹配后过滤特征点，计算仿射变换矩阵；
步骤1.1.7，根据仿射变换矩阵推导XYZ各轴的旋转角度，同时将变换后的图片校正后得到像素距离比；
步骤1.1.8，根据单应变换矩阵就可以解出旋转角，从而得到飞机相机姿态。
2.根据权利要求1所述的一种无人机自主精准着陆方法，其特征在于：所述1.2包括以下步骤：步骤1.2.1，采集矩形框中的图像块，然后通过循环移位构建出目标物位于矩形框不同位置的训练样本集；
步骤1.2.2，根据目标物距离图像块中心的远近赋值不同的标签；由于训练样本集是由第一帧中图像块经过循环移位得到的，所以整个样本集就是一个循环矩阵，循环矩阵每一列的元素由上一列的元素进行循环下移得到，循环矩阵可以由傅里叶矩阵进行对角化，所以线性回归的训练可以由此进行计算加速；
步骤1.2.3，根据训练样本集及其标签训练一个线性回归模型；
步骤1.2.4，引入核函数将线性回归的样本输入进行非线性化映射，以对非线性模型进行回归。
3.根据权利要求1所述的一种无人机自主精准着陆方法，其特征在于：所述步骤2基于PID控制和乒乓控制的控制算法，采用不同的控制组合，使系统的安全性和实时性有较大的提高；步骤2包含以下步骤：步骤2.1，PID控制算法的自抗扰优化；
步骤2.2，乒乓控制系统构建；
步骤2.3，根据步骤2.1中PID控制算法的自抗扰优化和步骤2.2中乒乓控制系统构建，搭建PID?乒乓控制系统的总体框架。
4.根据权利要求3所述的一种无人机自主精准着陆方法，其特征在于：所述步骤2.1中，包含以下步骤：步骤2.1.1，对给定信号进行预处理，根据被控对象的承受能力安排过渡过程；过渡过程使误差渐近变化而不是突变，实现无超调并快速跟踪的控制目标，解决PID控制快速性和超调之间的矛盾；利用跟踪微分器可以跟踪信号的特点，在自抗扰控制器中，采用非线性跟踪微分器来安排过渡过程；
步骤2.1.2，用噪声放大效应很低的非线性微分跟踪器来提取给定信号的微分，用扩张观测器来提取反馈信号的微分；
步骤2.1.3，采用扩张状态观测器对作用于系统的总扰动进行实时估计，并给予补偿；
不引入积分反馈也可以实现无静差，避免了积分反馈的副作用。
5.根据权利要求1所述的一种无人机自主精准着陆方法，其特征在于：所述步骤3中，基于RTK数据和GPS数据，同时结合积分补偿的硬件延时消除算法，在对摄像头硬件特性了解足够多的情况下，采用多数据源kalman滤波和速度积分补偿的方式；具体包含以下步骤：步骤3.1，采用存储速度历史，进行积分作用后变为位置偏差，将这个位置偏差补偿和视觉定位的位置进行求和；存储的每一采样时刻的速度值和采样时长进行乘积，通过时间戳比对确定有效窗口长度后，对乘积进行求和，就能够得到实际的位置偏差的估计值；
++
步骤3.2，进行时间戳同步，采用C 中的互斥锁在积分估计线程和反馈结果计算线程之间实现数据共享，通过结构体中的时间戳变量可以方便的获取和比较采样时刻的先后；
步骤3.3，无人机精准自主降落中间件整体设计；无人机精准自主降落中间件为自主降落的一个C++类实现，采用模块化自底向上的设计思路，实现了码识别线程、KCF跟踪线程、积分估计线程以及位置获取函数和降落控制函数。
6.根据权利要求5所述的一种无人机自主精准着陆方法，其特征在于：所述步骤3.3中，包含以下步骤：步骤3.3.1，进行类的初始化和图片缓存初始化，并启动积分估计线程，码识别线程和KCF跟踪线程；
步骤3.3.2，根据设置的采样时间获取无人机速度并存入环形队列；
步骤3.3.3，进行AprilTag定位码的识别，并将识别结果存储到类的成员变量中；
步骤3.3.4，以成员变量中存储的码信息作为中心点划分ROI区域，并定期更新ROI区域范围；
步骤3.3.5，位置矫正，矫正后返回给PID?乒乓控制算法计算控制量；
步骤3.3.6，根据类初始化时的设定值进行分段，高空采用PID控制，低空采用带死区的PID?乒乓控制。
7.根据权利要求1所述的一种无人机自主精准着陆方法，其特征在于：所述步骤4中，包含以下步骤：步骤4.1：应用步骤2中的控制算法；
步骤4.2：获取步骤3中无人机在高空、低空中的反馈数据；
步骤4.3：结合有效的控制理论和控制参数，控制无人机精准着陆。 说明书 : 一种无人机自主精准着陆方法技术领域[0001] 本发明涉及一种无人机自主精准着陆方法，属于无人机控制方法技术领域。背景技术[0002] 随着信息技术、通信技术和计算机技术等先进技术的不断发展，无人机在现代战争中的应用越来越广泛，成为了各国当前以及未来时期重要的发展对象。不仅在军事领域，在农业生产、灾害预警、遥感遥测和航空摄影等各个方面，无人机也扮演着越来越重要的角色。[0003] 无人机系统的控制是一种人在回路的控制，地面控制系统相当于有人飞行器的驾驶舱。地面操控人员通过地面控制系统对无人机飞行状态进行监控，并进行相应的调整和干预。地面控制系统是整个无人机系统的指挥中心，是控制无人机完成相关飞行任务的“大脑”。作为无人机操控和飞行任务制定终端，地面控制系统也被称为“任务规划与控制系统”。地面控制系统是无人机系统必不可少的组成部分，是无人机飞行安全和完成飞行任务的重要保障，对无人机地面控制系统的研发具有重大的实际意义。[0004] 无人机自主精准着陆技术的研究，是无人机在全自主作业过程中，返航到自动机场并精准降落是一个存在较大风险和技术难度的关键环节，对整个系统的稳定可靠具有非常大的影响。受限于自动机场停机坪面积、降落时气象条件的影响，无人机的降落精度和稳定性要求极高。发明内容[0005] 本发明目的是提供一种无人机自主精准着陆方法，基于视觉定位，视觉跟踪技术，采用国际上通用的apriltag定位标记，KCF实时跟踪技术，结合RTK速度反馈和GPS速度反。迪至讼低酚布延时，毫秒级无人机位置反馈的性能指标；高空PID跟踪程序能够很好跟踪飞机动向，低空PID控制+乒乓控制的组合，有效提高了控制程序的鲁棒性，并有效降低延迟对控制系统稳定性的影响，满足在复杂天候条件下无人机控制所需的反馈通路的高时效性，为精准着陆控制提供必要的条件，使无人机的降落精度有了显著的提高，有效地解决了背景技术中存在的上述问题。[0006] 本发明的技术方案是：一种无人机自主精准着陆方法，包含以下步骤：[0007] 步骤1，基于视觉定位和视觉跟踪的无人机精准定位技术，进行无人机定位理论和跟踪，针对应用场景中背景复杂，安全性要求高，误识别率需要低于5%，选取适合的定位形式，针对场景运动过程中图像的变化特点，选取符合要求的视频跟踪算法，验证上述算法和模型，从而确定整体性能最优的方案；[0008] 步骤2，基于PID控制和乒乓控制的控制算法，优化延迟时间不确定系统，确定算法的鲁棒性，根据飞机的数据辨识一套飞机的动态模型，作为理论仿真的基。⒏莘苫德涫钡奶氐，将降落阶段划分为高空段和低空段，采用不同的控制组合，使系统的安全性和实时性有较大的提高；[0009] 步骤3，基于RTK数据和GPS数据，同时结合积分补偿的硬件延时消除算法，在对摄像头硬件特性了解足够多的情况下，采用多数据源kalman滤波，速度积分补偿的方式，有效提高飞机位置的准确性，为控制算法提供可信度高的位置反馈量，提升系统的控制品质；[0010] 步骤4，在步骤2控制算法与步骤3的数据反馈基础上，在反馈量足够准确，反馈速度足够快的情况下，结合有效的控制理论和控制参数，保证无人机较高的降落精度。[0011] 所述步骤1中，视频跟踪算法用于对无人机挂载的摄像头空间位置和姿态进行精确定位，KCF跟踪算法主要解决定位识别时间较长，实时性较差的问题，应用AprilTag位姿估计觉定位系统，像素距离比等关键参数更新速度更快；步骤1中，包含以下步骤：[0012] 步骤1.1，研究视觉定位算法，从坐标变换原理入手，进行空间位姿公式推导；[0013] 步骤1.2，引入核函数到KCF视觉跟踪算法,将线性回归的样本输入进行非线性化映射，以对非线性模型进行回归，从而对跟踪模型进行更好地拟合，提高跟踪精度。[0014] 所述步骤1.1包括以下步骤：[0015] 步骤1.1.1，在飞行器着陆过程对其进行位置和姿态估计，进行坐标系空间的转换；涉及到的坐标系包括世界坐标系、机体坐标系、摄像机坐标系和图像坐标系；[0016] 步骤1.1.2，构建摄像机成像模型，包含针孔模型和CCD摄像机成像模型；[0017] 步骤1.1.3，根据步骤1.1.1中坐标变换和步骤1.1.2中摄像机成像模型，建立从物体空间点在摄像机坐标系下的坐标到对应像点在图像像素坐标系下的坐标的映射关系；[0018] 步骤1.1.4，建立从机体坐标系到摄像机坐标系的转换关系，根据图像信息得出飞行器在世界坐标系下的位置和姿态；[0019] 步骤1.1.5，对于AprilTag类位姿标定码，检测出码的正方形边缘后，根据自定义的规则进行解码；解码过程中允许遮挡码的部分内容，且不同大小的码可以在空白区域进行嵌套；[0020] 步骤1.1.6，对于SIFT特征匹配类码，匹配后过滤特征点，计算仿射变换矩阵；[0021] 步骤1.1.7，根据仿射变换矩阵推导XYZ各轴的旋转角度，同时将变换后的图片校正后得到像素距离比；[0022] 步骤1.1.8，根据单应变换矩阵就可以解出旋转角，从而得到飞机相机姿态。[0023] 所述1.2包括以下步骤：[0024] 步骤1.2.1，采集矩形框中的图像块，然后通过循环移位构建出目标物位于矩形框不同位置的训练样本集；[0025] 步骤1.2.2，根据目标物距离图像块中心的远近赋值不同的标签；由于训练样本集是由第一帧中图像块经过循环移位得到的，所以整个样本集就是一个循环矩阵，循环矩阵每一列的元素由上一列的元素进行循环下移得到，循环矩阵可以由傅里叶矩阵进行对角化，所以线性回归的训练可以由此进行计算加速；[0026] 步骤1.2.3，根据训练样本集及其标签训练一个线性回归模型；[0027] 步骤1.2.4，引入核函数将线性回归的样本输入进行非线性化映射，以对非线性模型进行回归；。[0028] 所述步骤2基于PID控制和乒乓控制的控制算法，采用不同的控制组合，使系统的安全性和实时性有较大的提高；步骤2包含以下步骤：[0029] 步骤2.1，PID控制算法的自抗扰优化；[0030] 步骤2.2，乒乓控制系统构建；[0031] 步骤2.3，根据步骤2.1中PID控制算法的自抗扰优化和步骤2.2中乒乓控制系统构建，搭建PID?乒乓控制系统的总体框架。[0032] 所述步骤2.1中，包含以下步骤：[0033] 步骤2.1.1，对给定信号进行预处理，根据被控对象的承受能力安排过渡过程；过渡过程使误差渐近变化而不是突变，实现无超调并快速跟踪的控制目标，解决PID控制快速性和超调之间的矛盾；利用跟踪微分器可以跟踪信号的特点，在自抗扰控制器中，采用非线性跟踪微分器来安排过渡过程；[0034] 步骤2.1.2，用噪声放大效应很低的非线性微分跟踪器来提取给定信号的微分，用扩张观测器来提取反馈信号的微分；[0035] 步骤2.1.3，采用扩张状态观测器对作用于系统的总扰动进行实时估计，并给予补偿；不引入积分反馈也可以实现无静差，避免了积分反馈的副作用。[0036] 所述步骤3中，基于RTK数据和GPS数据，同时结合积分补偿的硬件延时消除算法，在对摄像头硬件特性了解足够多的情况下，采用多数据源kalman滤波和速度积分补偿的方式；具体包含以下步骤：[0037] 步骤3.1，采用存储速度历史，进行积分作用后变为位置偏差，将这个位置偏差补偿和视觉定位的位置进行求和；存储的每一采样时刻的速度值和采样时长进行乘积，通过时间戳比对确定有效窗口长度后，对乘积进行求和，就能够得到实际的位置偏差的估计值；[0038] 步骤3.2，进行时间戳同步，采用C++中的互斥锁在积分估计线程和反馈结果计算线程两个线程之间实现数据共享，通过结构体中的时间戳变量可以方便的获取和比较采样时刻的先后；[0039] 步骤3.3，无人机精准自主降落中间件整体设计；无人机精准自主降落中间件为自主降落的一个C++类实现，采用模块化自底向上的设计思路，实现了码识别线程、KCF跟踪线程、积分估计线程以及位置获取函数和降落控制函数。[0040] 所述步骤3.3中，包含以下步骤：[0041] 步骤3.3.1，进行类的初始化和图片缓存初始化，并启动积分估计线程，码识别线程和KCF跟踪线程；[0042] 步骤3.3.2，根据设置的采样时间获取无人机速度并存入环形队列；[0043] 步骤3.3.3，进行AprilTag定位码的识别，并将识别结果存储到类的成员变量中；[0044] 步骤3.3.4，以成员变量中存储的码信息作为中心点划分ROI区域，并定期更新ROI区域范围；[0045] 步骤3.3.5，位置矫正，矫正后返回给PID?乒乓控制函数计算控制量；[0046] 步骤3.3.6，根据类初始化时的设定值进行分段，高空采用PID控制，低空采用带死区的PID?乒乓控制。[0047] 所述步骤4中，包含以下步骤：[0048] 步骤4.1：应用步骤2中的控制算法；[0049] 步骤4.2：获取步骤3中无人机在高空、低空中的反馈数据；[0050] 步骤4.3：结合有效的控制理论和控制参数，控制无人机精准着陆。[0051] 本发明的有益效果是：基于视觉定位，视觉跟踪技术，采用国际上通用的apriltag定位标记，KCF实时跟踪技术，结合RTK速度反馈和GPS速度反。迪至讼低酚布延时，毫秒级无人机位置反馈的性能指标；高空PID跟踪程序能够很好跟踪飞机动向，低空PID控制+乒乓控制的组合，有效提高了控制程序的鲁棒性，并有效降低延迟对控制系统稳定性的影响，满足在复杂天候条件下无人机控制所需的反馈通路的高时效性，为精准着陆控制提供必要的条件，使无人机的降落精度有了显著的提高。附图说明[0052] 图1为本发明方法的流程图；[0053] 图2为本发明方法的飞行器视觉着陆各坐标系对应关系；[0054] 图3为本发明方法的乒乓控制的原理图[0055] 图4为本发明方法的PID?乒乓控制控制系统框图；[0056] 图5为本发明方法的积分补偿基本原理图；[0057] 图6为本发明方法的时间戳同步流程图；[0058] 图7为本发明方法的无人机精准自主降落中间件整体框图；[0059] 图8为本发明的初始化模块内部流程图。具体实施方式[0060] 下面结合附图与实施例对本发明技术方案作进一步详细的说明，这是本发明的较佳实施例。应当理解，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例；需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。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。[0061] 一种无人机自主精准着陆方法，包含以下步骤：[0062] 步骤1，基于视觉定位和视觉跟踪的无人机精准定位技术，进行无人机定位理论和跟踪，针对应用场景中背景复杂，安全性要求高，误识别率需要低于5%，选取适合的定位形式，针对场景运动过程中图像的变化特点，选取符合要求的视频跟踪算法，验证上述算法和模型，从而确定整体性能最优的方案；[0063] 步骤2，基于PID控制和乒乓控制的控制算法，优化延迟时间不确定系统，确定算法的鲁棒性，根据飞机的数据辨识一套飞机的动态模型，作为理论仿真的基。⒏莘苫德涫钡奶氐，将降落阶段划分为高空段和低空段，采用不同的控制组合，使系统的安全性和实时性有较大的提高；[0064] 步骤3，基于RTK数据和GPS数据，同时结合积分补偿的硬件延时消除算法，在对摄像头硬件特性了解足够多的情况下，采用多数据源kalman滤波，速度积分补偿的方式，有效提高飞机位置的准确性，为控制算法提供可信度高的位置反馈量，提升系统的控制品质；[0065] 步骤4，在步骤2控制算法与步骤3的数据反馈基础上，在反馈量足够准确，反馈速度足够快的情况下，结合有效的控制理论和控制参数，保证无人机较高的降落精度。[0066] 所述步骤1中，视频跟踪算法用于对无人机挂载的摄像头空间位置和姿态进行精确定位，KCF跟踪算法主要解决定位识别时间较长，实时性较差的问题，应用AprilTag位姿估计觉定位系统，像素距离比等关键参数更新速度更快；步骤1中，包含以下步骤：[0067] 步骤1.1，研究视觉定位算法，从坐标变换原理入手，进行空间位姿公式推导；[0068] 步骤1.2，引入核函数到KCF视觉跟踪算法,将线性回归的样本输入进行非线性化映射，以对非线性模型进行回归，从而对跟踪模型进行更好地拟合，提高跟踪精度。[0069] 所述步骤1.1包括以下步骤：[0070] 步骤1.1.1，在飞行器着陆过程对其进行位置和姿态估计，进行坐标系空间的转换；涉及到的坐标系包括世界坐标系、机体坐标系、摄像机坐标系和图像坐标系；[0071] 步骤1.1.2，构建摄像机成像模型，包含针孔模型和CCD摄像机成像模型；[0072] 步骤1.1.3，根据步骤1.1.1中坐标变换和步骤1.1.2中摄像机成像模型，建立从物体空间点在摄像机坐标系下的坐标到对应像点在图像像素坐标系下的坐标的映射关系；[0073] 步骤1.1.4，建立从机体坐标系到摄像机坐标系的转换关系，根据图像信息得出飞行器在世界坐标系下的位置和姿态；[0074] 步骤1.1.5，对于AprilTag类位姿标定码，检测出码的正方形边缘后，根据自定义的规则进行解码；解码过程中允许遮挡码的部分内容，且不同大小的码可以在空白区域进行嵌套；[0075] 步骤1.1.6，对于SIFT特征匹配类码，匹配后过滤特征点，计算仿射变换矩阵；[0076] 步骤1.1.7，根据仿射变换矩阵推导XYZ各轴的旋转角度，同时将变换后的图片校正后得到像素距离比；[0077] 步骤1.1.8，根据单应变换矩阵就可以解出旋转角，从而得到飞机相机姿态。[0078] 所述1.2包括以下步骤：[0079] 步骤1.2.1，采集矩形框中的图像块，然后通过循环移位构建出目标物位于矩形框不同位置的训练样本集；[0080] 步骤1.2.2，根据目标物距离图像块中心的远近赋值不同的标签；由于训练样本集是由第一帧中图像块经过循环移位得到的，所以整个样本集就是一个循环矩阵，循环矩阵每一列的元素由上一列的元素进行循环下移得到，循环矩阵可以由傅里叶矩阵进行对角化，所以线性回归的训练可以由此进行计算加速；[0081] 步骤1.2.3，根据训练样本集及其标签训练一个线性回归模型；[0082] 步骤1.2.4，引入核函数将线性回归的样本输入进行非线性化映射，以对非线性模型进行回归；。[0083] 所述步骤2基于PID控制和乒乓控制的控制算法，采用不同的控制组合，使系统的安全性和实时性有较大的提高；步骤2包含以下步骤：[0084] 步骤2.1，PID控制算法的自抗扰优化；[0085] 步骤2.2，乒乓控制系统构建；[0086] 步骤2.3，根据步骤2.1中PID控制算法的自抗扰优化和步骤2.2中乒乓控制系统构建，搭建PID?乒乓控制系统的总体框架。[0087] 所述步骤2.1中，包含以下步骤：[0088] 步骤2.1.1，对给定信号进行预处理，根据被控对象的承受能力安排过渡过程；过渡过程使误差渐近变化而不是突变，实现无超调并快速跟踪的控制目标，解决PID控制快速性和超调之间的矛盾；利用跟踪微分器可以跟踪信号的特点，在自抗扰控制器中，采用非线性跟踪微分器来安排过渡过程；[0089] 步骤2.1.2，用噪声放大效应很低的非线性微分跟踪器来提取给定信号的微分，用扩张观测器来提取反馈信号的微分；[0090] 步骤2.1.3，采用扩张状态观测器对作用于系统的总扰动进行实时估计，并给予补偿；不引入积分反馈也可以实现无静差，避免了积分反馈的副作用。[0091] 所述步骤3中，基于RTK数据和GPS数据，同时结合积分补偿的硬件延时消除算法，在对摄像头硬件特性了解足够多的情况下，采用多数据源kalman滤波和速度积分补偿的方式；具体包含以下步骤：[0092] 步骤3.1，采用存储速度历史，进行积分作用后变为位置偏差，将这个位置偏差补偿和视觉定位的位置进行求和；存储的每一采样时刻的速度值和采样时长进行乘积，通过时间戳比对确定有效窗口长度后，对乘积进行求和，就能够得到实际的位置偏差的估计值；[0093] 步骤3.2，进行时间戳同步，采用C++中的互斥锁在积分估计线程和反馈结果计算线程两个线程之间实现数据共享，通过结构体中的时间戳变量可以方便的获取和比较采样时刻的先后；[0094] 步骤3.3，无人机精准自主降落中间件整体设计；无人机精准自主降落中间件为自主降落的一个C++类实现，采用模块化自底向上的设计思路，实现了码识别线程、KCF跟踪线程、积分估计线程以及位置获取函数和降落控制函数。[0095] 所述步骤3.3中，包含以下步骤：[0096] 步骤3.3.1，进行类的初始化和图片缓存初始化，并启动积分估计线程，码识别线程和KCF跟踪线程；[0097] 步骤3.3.2，根据设置的采样时间获取无人机速度并存入环形队列；[0098] 步骤3.3.3，进行AprilTag定位码的识别，并将识别结果存储到类的成员变量中；[0099] 步骤3.3.4，以成员变量中存储的码信息作为中心点划分ROI区域，并定期更新ROI区域范围；[0100] 步骤3.3.5，位置矫正，矫正后返回给PID?乒乓控制函数计算控制量；[0101] 步骤3.3.6，根据类初始化时的设定值进行分段，高空采用PID控制，低空采用带死区的PID?乒乓控制。[0102] 所述步骤4中，包含以下步骤：[0103] 步骤4.1：应用步骤2中的控制算法；[0104] 步骤4.2：获取步骤3中无人机在高空、低空中的反馈数据；[0105] 步骤4.3：结合有效的控制理论和控制参数，控制无人机精准着陆。[0106] 综上所述，本发明首先采用AprilTag定位标记，KCF实时跟踪技术，结合RTK速度反馈和GPS速度反。迪至讼低酚布延时，毫秒级无人机位置反馈的性能指标；然后采用高空PID控制，低空PID控制+乒乓控制相结合的方案，高空PID跟踪程序能够很好跟踪飞机动向，低空PID控制+乒乓控制的组合，有效提高了控制程序的鲁棒性，并有效降低延迟对控制系统稳定性的影响；其次充分利用无人机提供的速度信息，采用积分插值方式，结合Kalman滤波技术，有效消除了镜头硬件延时280ms，对提高控制系统稳定性具有重要意义；最后实现了多旋翼无人机在各种情况下的精准降落，可以方便的用于固定式机巢和移动式机巢，实现机巢的固定部署和移动部署，有效拓展了多旋翼无人机的实用领域。[0107] 本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。

专利地区：河北

专利申请日期：2022-05-19

专利公开日期：2024-11-22

专利公告号：CN114779798B