語音控制無人機初探

朱立鑫 崔韞鑫

摘要：隨著無人機技術(shù)的迅猛發(fā)展，控制無人機的方式也在不斷革新。研究在開源地面站上實現(xiàn)無人機語音指令控制技術(shù)，可使操作更加便捷。通過簡潔、友好的語音界面就可與控制系統(tǒng)進行深入信息交互，完成語音指令所代表復(fù)雜控制內(nèi)容。

由于本文僅為語音控制無人機初探，主要介紹通過特定的一種方式實現(xiàn)語音控制。本文以開源地面站Mission Planner作為基礎(chǔ)進行軟件開發(fā)，利用Windows自帶的語音識別模塊進行識別及其在無人機控制中的應(yīng)用為研究內(nèi)容，借此來簡化無人機控制流程、提供一種簡潔的語音指令控制界面，重點研究了語音識別技術(shù)在無人機控制上的應(yīng)用。

關(guān)鍵詞：語音識別；無人機；地面站

語音識別技術(shù)是一種人機交互技術(shù)。語言作為信息溝通的最主要方式，可為人機交互使用時提供其它方式不可替代的直接和便利。因此，將語音識別這種人機交互手段應(yīng)用于無人機控制方面，可以為操作人員提供一種簡便的語音指令控制界面，使操作更加便捷。

一、語音控制無人機研究現(xiàn)狀

2001年，美國斯坦福大學(xué)研制出WITAS多模態(tài)對話系統(tǒng)用于控制無人機設(shè)備。隨后，語音控制技術(shù)高速發(fā)展。目前，我國民用無人機領(lǐng)域內(nèi)，語音控制無人機已成為下一發(fā)展階段。

二、語音控制無人機總體設(shè)計

本人主要從三個方面介紹語音控制無人機，即語音識別技術(shù)、指令控制及地面站軟件開發(fā)。

三、無人機語音識別技術(shù)

本文主要介紹通過使用C#和Speech SDK來進行語音識別。本文介紹的語音識別功能，其實就是利用Windows的語音引擎，它包含在Speech SDK開發(fā)包中。我們就是使用此開發(fā)包根據(jù)自己的需要開發(fā)程序。

Speech SDK包含語音識別SR引擎和語音合成SS引擎兩種語音引擎。語音識別引擎用于識別語音命令，調(diào)用接口完成某個功能，實現(xiàn)語音控制。語音合成引擎用于將文字轉(zhuǎn)換成語音輸出。

語音識別引擎分兩種模式識別：文本識別模式和命令識別模式。此兩種模式的主要區(qū)別在于識別過程中使用的匹配字典不同。前者使用的是通用字典，特點是覆蓋的詞匯量大，因為詞匯量大直接導(dǎo)致識別的精度降低，識別速度較慢。后者的字典需要開發(fā)者自己編寫，這種方式由開發(fā)者定義詞匯的數(shù)量，大大降低匹配過程中需要檢索的詞匯量，提高了識別速度，同時因為候選項極少，所以一般不會識別錯誤。

由于控制無人機飛行僅需要幾個特定的指令，而且對識別率要求較高，所以選用命令識別模式進行語音識別開發(fā)。

四、無人機飛行協(xié)議及控制指令

（一）MAVLink簡介

Mavlink協(xié)議是在串口通訊基礎(chǔ)上的一種更高層的開源通訊協(xié)議，主要應(yīng)用在微型飛行器（micro aerial vehicle）的通訊上。Mavlink是為小型飛行器和地面站通訊時常常用到的那些數(shù)據(jù)制定一種發(fā)送和接收的規(guī)則并加入了校驗（checksum）功能。

如圖所示，每個消息幀都是上述的結(jié)構(gòu)，除了灰色外，其他的格子都代表了一個字節(jié)的數(shù)據(jù)。灰色格子里面的數(shù)據(jù)長度是不固定的。

紅色的是起始標(biāo)志位（STX）。這個標(biāo)志位用于MAVLink消息幀接收端進行消息解碼。

第二個格子代表的是PAYLOAD的字節(jié)長度（LEN），范圍從0～255。

第三個格子代表的是本次消息幀的序號（SEQ），每次發(fā)完一個消息，這個字節(jié)的內(nèi)容會加1，加到255后會從0重新開始。這個序號用于MAVLink消息幀接收端計算消息丟失比例。

第四個格子代表發(fā)送本條消息幀的設(shè)備的系統(tǒng)編號（SYS）。

第五個格子代表了發(fā)送本條消息幀的設(shè)備的單元編號（COMP）。

第六個格子代表了有效載荷中消息包的編號（MSG），MAVLink消息幀接收端根據(jù)這個編號來確定有效載荷里的消息包并根據(jù)編號選擇對應(yīng)的方式來處理有效載荷里的信息包。

最后兩個字節(jié)是16位校驗位，CKB是高八位，CKA是低八位。校驗碼由CRC16算法得到。

（二）地面站和飛控的通訊流程

無人機連接好MP地面站后，都會主動向地面站發(fā)送心跳包、飛行器姿態(tài)、系統(tǒng)狀態(tài)等組成的數(shù)據(jù)流。地面站會在剛連接上飛控時發(fā)送命令，請求飛控傳回所有參數(shù)，飛控根據(jù)自己的情況判斷是否接受地面站的請求，并根據(jù)不同的命令執(zhí)行相應(yīng)的操作。

MP地面站比較成熟，在軟件內(nèi)已經(jīng)預(yù)設(shè)了無人機飛行所需的各種指令。這些指令通過MAVLink協(xié)議傳遞給飛控，從而實現(xiàn)對無人機的控制。我們只需在地面站中找到這些指令，將語音識別結(jié)果與這些指令相對應(yīng)就可以實現(xiàn)對無人機的語音控制。

五、地面站軟件開發(fā)

Mission Planner是一個功能齊全的開源地面站應(yīng)用程序。本人在此軟件的基礎(chǔ)上進行二次開發(fā)，加入語音識別模塊，將識別結(jié)果與無人機飛行命令相對應(yīng)，從而實現(xiàn)對無人機的語音控制。

實現(xiàn)語音控制用到的MP地面站內(nèi)的飛行指令，主要是導(dǎo)航命令。導(dǎo)航命令是用于控制無人機的運動，包括起飛、航路點和移動至周圍和著陸。

本人用到的導(dǎo)航命令：

MAV_CMD_NAV_TAKEOFF：從地面起飛（發(fā)射）。實現(xiàn)“起飛”指令。

MAV_CMD_NAV_RETURN_TO_LAUNCH：返回Home位置或就近的集結(jié)點。Home的位置是飛行器解鎖位置。實現(xiàn)“返航”指令。

MAV_CMD_NAV_LAND：在當(dāng)前或指定位置降落。實現(xiàn)“降落”指令。

MAV_CMD_NAV_GUIDED_ENABLE：啟用引導(dǎo)控制模式切換到外部控制器。在GUIDED模式下，在預(yù)先建立的三維坐標(biāo)系中，引導(dǎo)無人機在空間中實現(xiàn)“前進”、“后退”、“向左”、“向右”、“上升”、“下降”等指令。

六、總結(jié)

本文以開源地面站Mission Planner作為基礎(chǔ)進行軟件開發(fā)，利用Windows自帶的語音識別模塊進行識別及其在無人機控制中的應(yīng)用為研究內(nèi)容，借此簡化無人機控制流程、提供一種簡潔的語音指令控制界面，實現(xiàn)了語音控制無人機功能。

本文僅為語音控制無人機初探，主要介紹通過特定的一種方式實現(xiàn)語音控制，僅僅是提供一種語音控制的思路，旨在實現(xiàn)語音控制功能，了解語音控制的簡潔性、方便性。由于MP地面站只能在Windows系統(tǒng)下運行，利用的也是Windows自帶的語音識別模塊，所以語音控制的平臺比較受限。