目标分类和识别任务中无人机自主飞行控制的智能体系结构

王可涵

(中航通飞研究院有限公司，广东 珠海 519090)

0 引言

无人驾驶飞行器(UAV)或无人机是一个术语，用于描述任何在没有机载操作员的情况下进行空中作业的系统。通过利用机载传感器和控制器来自主驱动控制站，通过利用机载传感器和控制器，远程遥控无人机。一个自主无人机系统是机械电子学、先进航空学和软件的整合[1]。目前的进展包括小型规模的应用、纳米电子学、改进的计算力，包括在繁琐、不整洁以及危险的条件下的工作能力。当今的无人驾驶系统的目标是实现更大的功能和自主运行。无人机的研究和应用是因为微型技术的进步、高度的可及性、低成本、可操作性和多目的[2-3]。这些应用包括数据收集、监测、空中监视、搜索和救援、调查、遥感和远程控制。然而，这些应用中的许多控制取决于人类的手动飞行控制[4]。

1 研究方法和材料

1.1 研究材料

当仿真并不总是保证系统性能与应用于物理无人机时相似时，那么仿真/再创造测试不能简单地替代物理无人机。这项工作的研究方法使用了一种真正的无人机，商业上称为Bebop2的无人机。提出了一种用于无人机自主飞行控制和路径规划的代理体系结构。然后开发测试环境，其中包括无人机控制和图像处理的许多平台和库。这种无人机是一种低成本的轻型、强大和创新的四轴飞行器，它是一个小型无人机，因为它的尺寸非常小。内置摄像头有广角镜头和电子图像稳定，拍摄全高清。有四个转子风扇，通过快速旋转帮助提升其主体和其他有效载荷。研究了它的规格和特征，以确定无人机自主执行的任务设置。与固定翼无人机相比，多旋翼直升机具有机动性、起降容易、体积小、价格低廉、漂浮能力强等优点。因此，四轴飞行器越来越适合完成这样的任务。无论在创新、易用性、低成本等方面取得进展，四轴飞行器在这些问题上的广泛应用都是罕见的。

1.2 研究方法

机器人操作系统ROS是机器人技术中的开源编程中间件(例如，一组用于机器人编程的编程结构)。它有助于构建经常使用的异构PC集合，例如，设备概念、低级控制、函数执行、过程之间的消息解析和包处理。基于ROS运行的过程集合显示在一个图表设计结构中，处理发生在多个传感器和执行器中可能接收、发送、控制、计划、状态和不同消息的节点中[5-6]。将ROS与UAV连接，表达了使用UAV应用程序连接ROS的概述。在ROS中，MFC和AFC模块都适用，通过实现控制的多线程编程，两者的组合是可能的。通常，MFC拥有进程优先级，并且可以覆盖AFC。ROS中包含了许多程序。它们被分为：（1）用于构建和共享基于ROS的软件的无语言和平台的设备。（2）ROS客户库执行，以及由应用程序链接的代码组成的使用至少一个ROS客户库。ROS有与语言无关的工具，主要的客户库是用C++，Python和Lisp。它包括许多软件包，例如，设备驱动程序、机器人原型、数据类型、计划、观察、并发定位和测绘、娱乐仪器，以及促进完成这项工作的不同算法。在一个项目中使用C语言编程，结合并编译了多板块的步骤。OpenCV分析视频并提取图像中的物体特征。它识别并跟踪基于颜色和形状测量的物体。

2 自主性能可视化评估

光流或轨迹跟踪可以产生相当精确的结果，是一种低成本的室内定位技术。该技术利用无人机机载向下摄像头对无人机进行定位。相机定期捕捉低质量的图像流。轨迹跟踪技术包括从图像中提取和映射定位数据的处理和位置估计算法。

二维光流技术的基本原理是对低质量图像进行连续处理。图像的位置数据是通过第一幅图像提供初始参考，第二幅图像提供的运动差异。可视化系统响应的目的是发现预期性能和实际性能之间的任何异常/不匹配。该模型由可视化任务网格(VMG)模块和性能质量评估(PQA)模块组成。每65ms，PQA和VMG模块交互更新无人机在VMG地图上的轨迹。VMG绘制了无人机实现的路径轨迹，并突出了无人机系统实现的里程碑。PQA模块包括距离测量和轨迹跟踪算法。PQA模块的主要任务是测量绘制的轨迹数据在VMG地图上的距离，以判断性能质量，基于定位粒子表示的穿越距离来实现目标。

图1描述了APVA模型。此外，在对所经过的路径和被检测对象进行每次测试后，由操作员对VMG进行观察，以便进一步评估。VMG映射包含竞技场和场景的领域特定知识。领域知识是对环境的对象和内容以及无人机在环境中的位置的描述。在未确定区域内自主搜索目标已经被许多研究关注。最近，机器人领域的研究人员利用无人机搭载先进传感器，并试图开发自动化框架，执行复杂的搜索和调查任务。这类任务的一些例子是在发生自然灾害的地区，在正常的人类环境中寻找幸存者，或在军事环境中寻找敌对目标。在许多调查方法中，搜索区域被分割成单元，通常是传感器印象的范围，当一个单元(或区域)进入传感器印象，它被认为是“搜索”的目标/目标，如果目标存在，它们被有效地区分。这种技术可能涉及彻底/全面的搜索，它覆盖所有可能的搜索空间。我们专门为测试场地的室内实地测量测试量身定制搜索和调查任务。这块地四周被分隔物和一个封闭的屋顶包围着。

图1 APVA模型

然后定义多类对象和标签，如表1。这些物品被放置在竞技场的地板上。当无人机检测并识别所有需要的物体时，调查任务结束。图2显示了测试领域的概述。搜索和调查任务的实验场景要求机动和寻找测试领域中的多个目标/物体。本工作采用了无人机的启发式搜索技术，无人机的视野范围有限，只有2m2。无人机的代理使用随机行动来搜索目标。

表1 所选对象及其形状和颜色

图2 测试领域的概述

3 自主无人机系统

本文所提出的自主无人机系统的体系结构包括无人机、测试环境、计算机系统(包括平台和库)、人工操作员的MFC和AFC代理操作员。本文主要研究一种无人机系统的AFC设计，试图将一些适用于无人机领域的概念，从目标导向和基于行为的架构中应用到自主飞行控制(AFC)系统架构的建模中。采用系统的理论基础，目标导向的特征观察它的环境，并动态地考虑选择并发的目标，从中生成计划并投入资源来实现这些目标。无人机系统的AFC架构给出了本文提出的无人机系统的AFC架构由数据采集、感知、定位、测绘、控制和规划模块组成。数据采集模块对于任何配备机载传感器的系统都是必要的。在第一阶段，传感器获取并处理原始数据，供其他系统模块使用。感知模块通过数据采集模块对从环境和无人机自身获取的数据进行检测和分类。

4 结语

近年来，研究人员在警务、机场、体育、法庭、仓储和工厂等活动中引入了许多室内无人机的应用，包括调查、摄影、监视、监测和遥感任务。然而，在室内环境中，由于不同的MFC错误，不建议人工远程操作这类车辆。因此，需要一个稳定的AFC架构，在室内环境中准确运行。提出了一种用于室内环境下无人机AFC的代理体系结构。该体系结构包括数据采集、感知、定位、映射、控制和规划模块。它考虑执行与无人机能力兼容的不同任务，在一个真实的调查任务场景中测试了AFC代理架构，其中无人机必须检测和识别目标。测试结果显示，与人工操作人员的性能相比，该体系结构在任务时间、电池功耗和导航路线质量方面的效率更高。未来的工作包括使用新的推理机制改进体系结构，并在更复杂的场景中对其进行测试。