IARC第7代任務(wù)的機載計算解決方案

　　1.3 避障部分

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

　　2 軟件結構

　　軟件結構主要可以分為4個(gè)部分：定位、目標識別與跟蹤、高度控制和避障。幾個(gè)模塊之間是互相獨立又互相聯(lián)系的，整個(gè)控制回路最后數據融合輸出到飛行器硬件平臺。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。軟件整體結構如圖6所示，下面分塊介紹逐個(gè)模塊的實(shí)現。

　　2.1 TLD算法

　　TLD(Tracking-Learning-Detecting)由英國薩利大學(xué)的Zdenek Kalal提出^[5]。TLD是一種穩定、魯棒、可靠的長(cháng)時(shí)間跟蹤算法。該算法研究的出發(fā)點(diǎn)是單獨地運用現有跟蹤算法或檢測算法都無(wú)法長(cháng)時(shí)間地跟蹤目標。Kalal創(chuàng )造性地將跟蹤算法和檢測算法相結合來(lái)解決跟蹤目標在被跟蹤過(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(xiàn)學(xué)習機制不斷更新跟蹤模塊的“顯著(zhù)特征點(diǎn)”和檢測模塊的目標模型及相關(guān)參數，從而使得跟蹤效果更加理想。

　　在此系統中，為了保持好的追蹤效果。根據地面機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)際捕捉到的地面機器人在圖像中的位置，控制框圖如圖7所示，根據實(shí)驗調整PD參數而使地面機器人保持在圖像的中央。圖8顯示了飛行器識別出的地面機器人，圖9顯示飛行器正在跟蹤地面機器人。

　　2.2 高度控制算法

　　根據實(shí)際飛行器實(shí)驗和悟空控制系統的說(shuō)明^[6]，測試到油門(mén)信號與飛行器的實(shí)際升降有對應關(guān)系，具體如圖10所示。油門(mén)PWM信號占空比分子在1000到2000之間變化，當在1450到1550之間時(shí)，悟空控制系統會(huì )使飛行器會(huì )自動(dòng)鎖定當前高度，根據這一特點(diǎn)設計了開(kāi)關(guān)控制器，當高度低于給定值將占空比分子設置成1580，這樣飛行器會(huì )緩緩上升。當高度高于給定值時(shí)設成1430，這樣飛行器緩緩下降。并設置實(shí)際值在給定值上下5cm不作控制，即自動(dòng)鎖定當前高度。如圖11，實(shí)驗時(shí)給定值在0.5m—1m—1.5m切換時(shí)，飛行器能及時(shí)達到給定值。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)調整達到設定高度。圖11中直線(xiàn)表示給定高度，綠線(xiàn)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 結束語(yǔ)

　　基于國際空中機器人大賽第7代任務(wù)，本文提出了一種機載設備的實(shí)現方法，并詳細介紹了該方法的硬件平臺和軟件模塊。此方法完成了定位、高度控制、障礙物規避和單一地面機器人識別與跟蹤。飛行器續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，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博弈，因此還需要更多的實(shí)驗以增加系統的魯棒性。

　　參考文獻：
　　[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)源機器人操作系統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