无人机飞行模拟仿真平台设计

2022-11-16刘艳刘全德

科学技术与工程 2022年29期

刘艳，刘全德*

(1.大连大学信息工程学院，大连 116622； 2. 大连大学大连市环境感知与智能控制重点实验室，大连 116622)

随着全球卫星定位系统、地理信息系统、遥感等技术的迅速发展，无人机除应用于传统的航拍摄影、农业植保、环境监测等领域，近年来还被广泛应用于地形测绘、物资运输、应急救援等领域[1]。无人机的功能和应用领域越来越广泛，实际飞行时所面临的环境也愈加复杂。无人机开发过程中常需对飞机性能和品质进行全面测试，在真实火场、灾区、人流量大等复杂环境中不仅难以进行，且要耗费大量人力和物力[2]。为了缩短研发周期，降低成本，研制一种能模拟复杂环境的沉浸式飞行模拟仿真平台就显得尤为重要。

近年来，国内外针对无人机飞行模拟仿真的研究开展了大量工作，主要采用数字仿真和半物理仿真。苏奔[3]设计无人机全数字仿真模型，仿真方法成本低、操作简单，但仿真数据可信度不高。郑航[4]用Simulink建立动力学模型，用六自由度实物转台实时展示四旋翼无人机真实飞行姿态，增强了数据可信度，能较真实模拟实际飞行状况，但缺乏视景仿真。蒋祎等[5]建立小型多旋翼无人机六自由度动力学模型和运动学模型，使用JMAVSim建立可视化半实物仿真系统。Xian等[6]用惯性导航传感器实物取代数字模拟传感器，构建飞行模拟仿真平台，采用Flight Gear和Google Earth可视化方法展示四旋翼无人机的方位和飞行轨迹。Nguyen等[7]开发了一个用于测试四旋翼无人机半实物仿真系统通信安全的中间件，用Gazebo软件实现四旋翼无人机模型的三维可视化。综上，目前无人机仿真技术主要围绕无人机的动力学和运动学模型进行构建，无人机可视化问题没有很好的解决，可视化仿真过程中使用的JMAVSim、Flight Gear和Gazebo等仿真软件缺乏沉浸性和交互性，无法为复杂飞行控制算法研究提供有效支持。

现以四旋翼无人机为研究对象，依托数字孪生技术[8]建立揭示四旋翼动力特性的数字模型，研究基于虚幻4引擎(unreal engine 4，UE4)的虚拟场景开发技术，在高度逼真的三维虚拟未知、复杂环境下测试无人机数字模型感知周围复杂环境及避障性能，为无人机航迹定位与跟踪算法优化控制研究提供平台支撑。

1 无人机飞行模型仿真系统架构

从最初物理实体数据采集到最后服务层的显示与交互，所设计的无人机飞行模拟仿真平台由物理层、虚拟层、传输层和服务层组成[9]，如图1所示。

图1 无人机飞行模拟仿真系统架构

物理层是整个系统的基础，也是获取真实传感数据的唯一来源，采用Pixhawk感知姿态、位置等信息并实时传递给虚拟层。虚拟层是整个系统的核心部分，也是重点研究内容，由无人机数字模型和三维虚拟环境模型构成，实现对物理实体的精准建模和真实场景的复现。传输层是物理层和虚拟层之间的桥梁和纽带，通过传输网络和定义数据接口，采用Socket通信方案实现数据双向传递。服务层是人机交互的接口，利用地面站实现系统控制和运行状态重现功能。

2 F450无人机数字模型

数字模型是对物理实体对象在几何形状、物理属性和行为响应等方面的映射，建立高保真的无人机数字模型对保证无人机飞行模拟仿真平台的实用性十分重要。

2.1 几何模型

以四旋翼F450无人机为对象，采用CATIA软件构建其三维几何模型。为解决螺旋桨和机臂曲面建模难题，引入了曲面造型技术[10]，建立如图2(a)所示的四旋翼螺旋桨几何模型，力求在外观、尺寸和形状等方面与物理实体对象保持一致，同理，分别完成机身、机臂、脚架等模型配件的构建，并将它们按照实际尺寸和几何位置关系进行装配，得到如图2(b)所示的无人机F450物理实体的几何孪生映射，将其保存为STL格式文件并导入UE4中，通过蓝图类设置新骨架层次，解决属性标定问题，赋予F450几何模型物理属性和行为功能特性。

图2 三维四旋翼模型

2.2 物理数学模型

为实现F450模型的行为映射，设计了能反映无人机行为特性的四旋翼无人机物理框架结构模型，包括作动器模型，运动学、动力学模型和控制器模型，如图3所示。

图3 物理数学模型框架

无人机作动器主要承载着控制器脉冲宽度调制(pulse width modulation，PWM)信号转化为电机驱动力的作用，其物理数学模型可简化为一阶的惯性环节表示，即

(1)

式(1)中：τ为时间常数；s为微分算子；Ω为无刷直流电机产生的角速度。

无人机旋翼动力学物理数学模型表达式为

(2)

式(2)中：Ti和Ωi分别为第i号无刷直流电机产生的推力和角速度；根据电机转动方向，k表示推力因子k1或阻力因子k2，由式(3)确定，即

(3)

式(3)中：CT和CP分别为推力和阻力系数；ρ为空气密度；D为螺旋桨直径。为客观反映螺旋桨物理实体的行为及设计性能，采用F450物理实体数据作为建模数据，如表1所示。

表1 螺旋桨特性表

无人机的上升、横滚、俯仰和偏航运动所需推力由4个电机转速决定，可建模为

(4)

式(4)中：U1为螺旋桨产生的总推力；U2、U3和U4分别为实现滚转、俯仰和偏航运动时的总推力。

四旋翼刚体运动学数学数学模型用平移加速度和转动加速度的形式组合描述[11-12]，可建模为

(5)

为提高系统响应速度，降低积分过大的滞后性对系统响应性能的影响，控制器采用了如图4所示的串级控制结构[13]。通过外环比例P控制加快姿态调节，内环使用比例-积分-微分(proportion-integration-differentiation，PID)调节消除四旋翼无人机飞行中的震荡和过冲现象，提高系统鲁棒性。

图4 目标串级控制系统

2.3 F450无人机行为数字映射

根据2.2节中物理数学模型，基于Simulink中利用Aerospace Blockset和UAV Toolbox工具箱建立的仿真模型如图5所示，其中包括作动器模块，动力学和运动学模块和三维虚拟仿真模块。

为赋予2.1节中无人机几何模型动态行为特性，基于C++动态DLL通信设计一个如图6所示的中间件，解决Simulink与UE4间的通信接口问题，实现F450无人机行为数字映射，即由图5中数学模型的反馈数据来驱动UE4中无人机三维模型运动。

为完成无人机模拟飞行仿真实验中数字模型与虚环境的沉浸式交互，在图6中增设鱼眼相机模块用于感知周围环境并反馈至数字模型，实现无人机与三维环境的交互。

图6 中间件

3 三维虚拟场景映射

建立可映射物理世界的虚拟世界是飞行模拟实验的基石。为此，构建了真实飞行场景的孪生虚拟模型。虚拟场景的构建元素最为关键的是建筑物，使用3ds Max构建仿真对象，虽然可获得较为真实的效果，但建模速度过慢。为此，提出一种多元融合的三维可视化虚拟场景建模法，根据建筑物特征属性相似归一原则划分为标志性建筑物(如图书馆，体育场)和非标志性建筑物(如宿舍楼，教学楼)。用 3ds Max对标志性建筑物进行精细化建模，从遥感图像中提取建筑物的矢量网格，再利用 City Engine 软件对非标志建筑物进行大范围建模，并将3ds Max和City Engine的模型在UE4中进行一体化多元融合，具体建模流程如图7所示。

图7 三维场景建模流程

3.1 精细化建模

以某校园图书馆为例，首先，对场景中的重要建筑物进行精细化建模，将其CAD数据导入 3ds Max 里，经过捕捉、挤出、倒角、插入处理后，再利用矩形工具勾勒墙体边缘。其次，依据建筑物顶面的高度及其结构，在模型的不同区域中添加不同材质、纹理元素，增加建筑物主体质感和逼真度，如图8所示。

图8 3ds Max楼体

为降低模型的冗余和复杂性，提高模型的运行速度，提出一种曲面数量优化方法。在建模过程中，去除相连建筑物拼接区域中不可见的内表面，减少无效曲面的产生，避免大量复制结构化模型产生的冗余。对于水平和垂直结构，最小化布尔运算次数，减小模型复杂性。为最大限度地减少模型数量，优化模型修改器中精细阈值，在保障建筑物真实性的基础上，提高模型的运行速度。

3.2 大范围建模

大范围建模主要解决非标志建筑物、树木和道路建模，为提高建模速度，基于规则法本文利用City Engine进行大范围矢量数据建模。传统倾斜摄影技术以建筑屋顶为标准的矢量数据提取方法，存在的建筑物倾斜、移位和缺失问题会导致建模偏差[14]。如图9所示，以建筑底部为标准，使用FAME-Net网络对航空遥感图像建筑物数据集进行训练，规避传统方法存在的提取偏差，提取建筑物的矢量数据。

图9 矢量网格数据

计算机生成的体系结构(computer generated architecture，CGA)规则是构建大范围建模法的核心，主要关注建模速度和效率，可忽略建筑物的部分细节信息。为此，根据建筑物的结构类型、楼层高度、屋顶颜色编写建模规则，大批量快速生成相应类型的建筑物，建筑物细节与规则的约束力有关，规则越多，模型细节刻画越完善。

以某校园场景为例，为了建立CGA规则，需要找出建筑物层数和高度之间的关系，测量了研究区域内一些建筑物的高度和层数，并绘制表2。

表2 建筑物高度与层数

根据表2拟合得到建筑高度和楼层数之间的关系式为

H=3.46N+0.69

(6)

将建筑物具体地拆分为各个小的结构部件，根据建筑物结构、楼层高度和颜色进行大范围规则构建，利用贴图函数对建筑物的门、窗、屋顶、外墙进行纹理贴图，部分CGA代码如下。

1.Building-->

2.comp(f){ front: FrontFacade | side: SideFacade | top: Roof }

3.Lot -->

4. extrude(FLOORCOUNT * floor_height) Building

5.FrontFacade -->

6.setup Projection(0, scope.xy, 1.5, 1, 1)

7. setup Projection(2, scope.xy, scope.sx, scope.sy)

8. split(y){groundfloor_height: Groundfloor | { ～floor_height: Floor }* }

9.SideFacade -->

10.setup Projection(0, scope.xy, 1.5, 1, 1)

11. setup Projection(2, scope.xy, scope.sx, scope.sy)

12. split(y){ groundfloor_height: Floor | { ～floor_height: Floor }* }

此外，除了建筑物模型之外，花草树木、路灯和道路部分使用现有规则进行建立，生成校园的三维虚拟场景如图10所示。

图10 批量建模

3.3 模型多元融合

为了提高仿真的沉浸性和交互性，在UE4中导入数字高程图(digital elevation map，DEM)数据进行凹凸不平的地形设计。以GDEMV2高程数据集作为原始数据源，但海量DEM数据会影响后续虚拟场景的运行速度，同时描述地形平坦和复杂地区的数据量大小不一，需要对原始DEM数据进行处理。为此，对原始数据进行插值和降噪处理，提高数据利用率。然后，将地形数据导入Global Mapper进行三维扩展，以获得hfz格式的地形文件。之后，根据高程图的宽和高，在World Machine中设置分辨率与数据范围，以获得兼容UE4的RAW16格式的高度图文件。为在UE4中进行场景的多元融合，导入RAW16格式的高度图，选择与遥感图像对应的材质，以创建凹凸不一的真实三维地形，将3ds Max和City Engine所建构的建筑物按照同等比例导入UE4中，置于所建三维地形之上，为解决模型间的动态交互，不同的对象之间添加碰撞设置，实现场景从二维静态到三维动态的转化，如图11所示。

图11 校园三维场景

4 实验与性能分析

4.1 实验环境与配置

为验证所构建仿真平台的有效性，进行了数字模型在虚拟场景中的交互测试实验和飞行姿态控制实验。如图12所示，仿真实验平台由Pixhawk自驾仪、无人机数字模型，三维虚拟环境数字映射模型和F450无人机遥控器及接收机4个部分组成。运行数字模型和三维虚拟环境的PC机配置是：Intel 酷睿i5 8300H处理器、16 G内存、NVIDIA GeForce GTX 1060显卡。Pixhawk和PC机之间采用USB进行信息交互。考虑PC机中运行的Simulink模块无法解析USB串口数据信号，基于Robotics System Toolbox UAV Library编写了MavlinkSerial_Receive和MavlinkSerial_Send函数，按照Mavlink链路通信协议[15]实现了Pixhawk与Simulink之间通信。

图12 仿真实验平台

4.2 虚拟场景沉浸和交互性能测试

为进行虚拟场景的沉浸性和交互式测试，令无人机数字模型运行在图11(a)所构建校园正门场景中进行自主飞行，如图13所示，由于三维虚拟场景构建是真实场景孪生映射，山脉和地势与真实环境保持一致，场景中树木、红旗等元素也会随风而动，整个场景具有较好的沉浸性。当无人机数字模型处于虚拟场景中图13圆圈位置时，左下角小框内是鱼眼相机实时感知到的周围环境信息，此时，无人机感知到障碍物旗帜，由于场景中的碰撞设置，届时将执行躲避障碍物的动作，与环境具有较好的交互性，可为三维勘测、避障等性能测试提供技术支撑。

图13 虚拟场景沉浸性和交互式测试

4.3 飞行姿态重现功能测试

为更直观地测试无人机在虚拟场景中的姿态控制模拟效果，选择在图11(b)所构建无障碍的体育场进行姿态控制性能测试，当遥控器分别做出滚转、俯仰和偏航指令时，如图14所示，无人机能较迅速地做出相应动作。

图14 无人机运动姿态测试

为进一步验证无人机虚拟仿真平台的姿态跟踪性能, 分别从期望姿态与实际姿态之间的横滚角误差、俯仰角误差和偏航角误差进行分析, 结果如图15所示。0～20 s只加油门提升高度，没有进行姿态变换，俯仰角、横滚角和偏航角均为0°；20～120 s飞行过程中进行了姿态角度的多次随机调整，实际俯仰角、滚转角和偏航角跟随期望姿态曲线发生变化，能在1 s内达到期望姿态角，且超调量小于2%，几乎没有稳态误差。

测试过程中，选取图15中40 s时刻无人机的运动状态作为参考，并在虚拟仿真环境中验证该时上述结果表明，刻的实时运动状态显示效果，此时横滚角为15°，俯仰角8°，偏航角20°，如图16所示。四旋翼无人机数字模型能较好地跟随遥控器姿态控制指令，虚拟仿真姿态与预期姿态曲线变化一致，在三维环境中能够实时进行姿态变换，验证了无人机数字模型和飞行模拟仿真平台的有效性。