IARC第7代任務(wù)的機(jī)載計(jì)算解決方案

　　1.3 避障部分

　　避障部分主要由激光雷達(dá)組成，激光雷達(dá)測(cè)距系統(tǒng)包括一個(gè)單束窄帶激光器和一個(gè)接收系統(tǒng)。這里選用日本北陽(yáng)株式會(huì)社產(chǎn)的Hokuyo UTM-30LX激光雷達(dá)，如圖5所示，此款雷達(dá)有270度的測(cè)量范圍和30米的測(cè)試距離，總重270g，滿足飛行器避障模塊的要求。

　　2 軟件結(jié)構(gòu)

　　軟件結(jié)構(gòu)主要可以分為4個(gè)部分：定位、目標(biāo)識(shí)別與跟蹤、高度控制和避障。幾個(gè)模塊之間是互相獨(dú)立又互相聯(lián)系的，整個(gè)控制回路最后數(shù)據(jù)融合輸出到飛行器硬件平臺(tái)。在ROS框架下有很多開(kāi)源的包可以利用，各個(gè)軟件模塊都在ROS下實(shí)現(xiàn)。軟件整體結(jié)構(gòu)如圖6所示，下面分塊介紹逐個(gè)模塊的實(shí)現(xiàn)。

　　2.1 TLD算法

　　TLD(Tracking-Learning-Detecting)由英國(guó)薩利大學(xué)的Zdenek Kalal提出^[5]。TLD是一種穩(wěn)定、魯棒、可靠的長(zhǎng)時(shí)間跟蹤算法。該算法研究的出發(fā)點(diǎn)是單獨(dú)地運(yùn)用現(xiàn)有跟蹤算法或檢測(cè)算法都無(wú)法長(zhǎng)時(shí)間地跟蹤目標(biāo)。Kalal創(chuàng)造性地將跟蹤算法和檢測(cè)算法相結(jié)合來(lái)解決跟蹤目標(biāo)在被跟蹤過(guò)程中發(fā)生的形變、部分遮擋等問(wèn)題，同時(shí)，通過(guò)一種改進(jìn)的在線學(xué)習(xí)機(jī)制不斷更新跟蹤模塊的“顯著特征點(diǎn)”和檢測(cè)模塊的目標(biāo)模型及相關(guān)參數(shù)，從而使得跟蹤效果更加理想。

　　在此系統(tǒng)中，為了保持好的追蹤效果。根據(jù)地面機(jī)器人在圖像中的位置，引入一個(gè)PD控制器，使飛行器保持在地面機(jī)器人上方?？刂破鞯妮斎胧菙z像頭畫(huà)面中央的像素位置，反饋值是實(shí)際捕捉到的地面機(jī)器人在圖像中的位置，控制框圖如圖7所示，根據(jù)實(shí)驗(yàn)調(diào)整PD參數(shù)而使地面機(jī)器人保持在圖像的中央。圖8顯示了飛行器識(shí)別出的地面機(jī)器人，圖9顯示飛行器正在跟蹤地面機(jī)器人。

　　2.2 高度控制算法

　　根據(jù)實(shí)際飛行器實(shí)驗(yàn)和悟空控制系統(tǒng)的說(shuō)明^[6]，測(cè)試到油門(mén)信號(hào)與飛行器的實(shí)際升降有對(duì)應(yīng)關(guān)系，具體如圖10所示。油門(mén)PWM信號(hào)占空比分子在1000到2000之間變化，當(dāng)在1450到1550之間時(shí)，悟空控制系統(tǒng)會(huì)使飛行器會(huì)自動(dòng)鎖定當(dāng)前高度，根據(jù)這一特點(diǎn)設(shè)計(jì)了開(kāi)關(guān)控制器，當(dāng)高度低于給定值將占空比分子設(shè)置成1580，這樣飛行器會(huì)緩緩上升。當(dāng)高度高于給定值時(shí)設(shè)成1430，這樣飛行器緩緩下降。并設(shè)置實(shí)際值在給定值上下5cm不作控制，即自動(dòng)鎖定當(dāng)前高度。如圖11，實(shí)驗(yàn)時(shí)給定值在0.5m—1m—1.5m切換時(shí)，飛行器能及時(shí)達(dá)到給定值。在打舵的時(shí)候，飛行器高度會(huì)有所改變，該控制器也能及時(shí)調(diào)整達(dá)到設(shè)定高度。圖11中直線表示給定高度，綠線表示飛行器的實(shí)際高度，在時(shí)間10s附近開(kāi)啟高度控制器。

　　3 結(jié)束語(yǔ)

　　基于國(guó)際空中機(jī)器人大賽第7代任務(wù)，本文提出了一種機(jī)載設(shè)備的實(shí)現(xiàn)方法，并詳細(xì)介紹了該方法的硬件平臺(tái)和軟件模塊。此方法完成了定位、高度控制、障礙物規(guī)避和單一地面機(jī)器人識(shí)別與跟蹤。飛行器續(xù)航能力有限且比賽時(shí)間有一定要求，所以要完成比賽a階段的追趕目標(biāo)，上層的策略模塊還需要進(jìn)一步完善。比賽的b階段增加了飛行器的同臺(tái)博弈，因此還需要更多的實(shí)驗(yàn)以增加系統(tǒng)的魯棒性。

　　參考文獻(xiàn)：
　　[1]OpenSLAM - Open Source Navigation Software Repository[EB/OL]. http://www.openslam.org
　　[2]S.Grzonka, G. Grisetti and W. Burgard A Fully Autonomous Indoor Quadrotor[J]. IEEE Transactions on Robotics 2012
　　[3]張建偉,張立偉,等.開(kāi)源機(jī)器人操作系統(tǒng)ROS[M].科學(xué)出版社，2012
　　[4]R. Patrick Goebel. ROS By Example - Volume 1[M]. 2014
　　[5]Z. Kalal, K. Mikolajczyk and J. Matas Tracking-Learning-Detection[J]. Pattern Analysis and Machine Intelligence 2011
　　[6]大疆創(chuàng)新科技有限公司. Wookong-M快速入門(mén)手冊(cè)v1.12 [EB/OL]. 2014
　　[7]C. McCarthy, N. Barnes Performance of Optical Flow Techniques for Indoor Navigation with a Mobile Robot[C]. International Conference on Robotics and Automation 2004
　　[8]W. Burgard,D. Fox, and S.Thrun The dynamic window approach to collision avoidance[J]. IEEE Robotics and Automation 1997