基于數(shù)據(jù)融合的果園農(nóng)情檢測矢量無人機應(yīng)用

李彥沛，蒲巖巖，趙鵬飛，李坤建，徐一珍

(佳木斯大學(xué) 機械工程學(xué)院，黑龍江 佳木斯 154007)

0 引言

當(dāng)前，多旋翼無人機在植保飛防領(lǐng)域已經(jīng)有了長足的發(fā)展，但在一些復(fù)雜特殊場景下的應(yīng)用還十分局限。同時，因為多旋翼無人機屬于欠驅(qū)動型機構(gòu)，在狹小場景下的飛行安全難以保障。針對農(nóng)業(yè)作業(yè)場景下，機身需要攜帶大容量藥箱及液體農(nóng)藥，在機動動作時藥液在藥箱內(nèi)的相對運動導(dǎo)致無人機自身姿態(tài)受到干擾。針對以上問題設(shè)計了一種使用舵機控制電機姿態(tài)的模型，通過控制電機方向?qū)αΦ淖饔梦恢眉罢w姿態(tài)進(jìn)行解耦，實現(xiàn)了在保持主體水平情況下的多角度機動，使得靈活性大幅度提升。在此基礎(chǔ)上利用數(shù)字波束形成雷達(dá)、多傳感器數(shù)據(jù)融合，實現(xiàn)了對當(dāng)前作業(yè)區(qū)域內(nèi)果樹的農(nóng)情監(jiān)測，并根據(jù)相關(guān)數(shù)據(jù)實現(xiàn)變量霧噴、仿形彌霧、噴霧授粉等作業(yè)功能。

1 機體結(jié)構(gòu)

1.1 機構(gòu)設(shè)計

本文在對滑環(huán)式全矢量無人機建模的過程中遵循整機質(zhì)心與幾何中心重合，各部分與質(zhì)心完全對稱且螺旋槳在飛行過程中保持槳型不發(fā)生形變的原則，通過對大地坐標(biāo)系解算確立自身姿態(tài)變化。

滑環(huán)式全矢量無人機系統(tǒng)模型采用圓形滑環(huán)設(shè)計如圖1所示，在兩個滑環(huán)的中部均有舵機對整體姿態(tài)進(jìn)行控制?；h(huán)的設(shè)計使得動力電機提供的動力能夠更加穩(wěn)定地傳遞給機身，使得機構(gòu)穩(wěn)定性得到保障。兩個滑環(huán)相互作用，實現(xiàn)了電機作用力的全矢量移動。常規(guī)多旋翼植保無人機利用的是強耦合的非線性系統(tǒng)，這種欠驅(qū)動系統(tǒng)使得在對于機身姿態(tài)的控制上呈現(xiàn)明顯的模糊性，即只能通過機身整體的側(cè)傾實現(xiàn)移動，控制精度極低。該模型所提出的結(jié)構(gòu)將明顯改善多旋翼無人機小范圍機動條件下移動精度低的問題。

圖1 機構(gòu)設(shè)計

1.2 動力模型

滑環(huán)式全矢量無人機的動力是由無刷電機帶動螺旋槳轉(zhuǎn)動產(chǎn)生的，系統(tǒng)所產(chǎn)生的推力是伴隨電機的轉(zhuǎn)速變化而變化的。以懸停為例，此時無人機處于平衡狀態(tài)且周圍氣流速度可視為0，則推力與扭矩可以定義為[1]

(1)

(2)

式中Ti—推螺旋槳推力，N；

Qi—空氣流速，m·s-1；

ωi—螺旋槳轉(zhuǎn)速，r·min-1；

ρ—空氣密度，kg·m-3；

R—槳葉半徑，m；

A—槳葉面積，m2，A=πR2；

CT—拉力系數(shù)；

CQ—扭矩系數(shù)。

2 控制系統(tǒng)

2.1 控制方案

為了彌補普通多旋翼無人機欠驅(qū)動的特性，同時實現(xiàn)位置運動與姿態(tài)角的解耦，該方案在電機的每個作用點上增加了兩個舵機的控制量，同時使用滑環(huán)式設(shè)計實現(xiàn)了全矢量控制?；h(huán)的設(shè)計使得電機動力能夠更加穩(wěn)定地傳遞給機身，使機構(gòu)穩(wěn)定性得到保障。兩個滑環(huán)相互作用，使每個電機都能夠獨立繞各自機臂的俯仰軸與橫滾軸順時針或逆時針旋轉(zhuǎn)。經(jīng)過該機構(gòu)的解耦作用，電機可以在保證一個傾角的狀態(tài)下朝任意方向移動。

控制系統(tǒng)的整體結(jié)構(gòu)及數(shù)據(jù)處理流程如圖2所示，其包括傳感器采集的原始數(shù)據(jù)與處理后解析得到的位置與姿態(tài)，通過機載運算設(shè)備進(jìn)行姿態(tài)解算，并對上位機及遙控器數(shù)據(jù)進(jìn)行判斷與融合后計算出期望位置和姿態(tài)角，系統(tǒng)將數(shù)據(jù)解算為姿態(tài)與位置后分別由傾角補償算法和姿態(tài)轉(zhuǎn)換算法根據(jù)當(dāng)前系統(tǒng)狀態(tài)進(jìn)行解算與補償，最后控制分配算法將兩者數(shù)據(jù)融合并輸出當(dāng)前無人機模型的姿態(tài)。位置控制和姿態(tài)控制的計算流程是基于PID控制設(shè)計的。

圖2 算法流程

2.2 動力系統(tǒng)模型

根據(jù)基爾霍夫定律，直流無刷電機電樞回路的電動勢平衡方程為

(3)

式中ua—電樞電壓，V；

La—電樞電感，H；

ia—電樞電流，A；

Ra—電樞電阻，Ω；

ωe—電機轉(zhuǎn)速，r·min-1；

Ce—電機常數(shù)。

電動機的電磁轉(zhuǎn)矩Me可以表示為

Me=Cmia

(4)

式中Cm—電機轉(zhuǎn)矩系數(shù)。

電機軸上動力學(xué)方程可以表示為

(5)

式中Jm—電機轉(zhuǎn)動慣量，kg·m-2；

Mc—負(fù)載扭矩，N·m。

電樞電感很小，將其忽略可得

ia=(ua-Ceωe)/R

(6)

控制信號與輸出轉(zhuǎn)速的關(guān)系式[2]

(7)

式中n—阻力系數(shù)。

3 農(nóng)情檢測

在實際飛行中使用毫米波雷達(dá)向地面發(fā)出毫米波信號，通過返回的數(shù)據(jù)計算出與地面相對高度，將數(shù)據(jù)傳回飛控系統(tǒng)從而操控?zé)o人機保持與地面相對穩(wěn)定的飛行高度。通過數(shù)字成像雷達(dá)對正在飛行中的植保無人機下方進(jìn)行扇形掃描并收集返回的數(shù)據(jù)，最終生成點云圖像并提供給數(shù)據(jù)融合系統(tǒng)。通過多光譜相機對正在飛行中的植保無人機下方進(jìn)行拍照分析，生成不同區(qū)間的可見光圖像并提供給數(shù)據(jù)融合系統(tǒng)。數(shù)據(jù)融合系統(tǒng)根據(jù)點云圖像和多光譜圖像進(jìn)行數(shù)據(jù)融合，評估出農(nóng)作物的疏密分布情況并交給執(zhí)行機構(gòu)實時調(diào)整農(nóng)藥的噴灑用量，實現(xiàn)實時變量噴灑。

在實際作業(yè)中作業(yè)效果易受地勢起伏影響，故在農(nóng)情檢測中使用毫米波雷達(dá)對地觀測，實現(xiàn)無人機與作物之間的相對高度保持統(tǒng)一；在果園等易受果樹冠層厚度及個體差異影響的場景，使用成像雷達(dá)通過反饋的點云圖實現(xiàn)對植株的定位及對個體大小的評估，從而更好地匹配合適的藥液用量；在普通田地中使用多光譜相機能夠判斷當(dāng)前作業(yè)區(qū)域的植株疏密程度，實現(xiàn)全面的農(nóng)情檢測。農(nóng)情檢測算法流程如圖3所示。

圖3 農(nóng)情檢測算法流程圖

4 多尺度圖像融合

針對農(nóng)田及農(nóng)作物作業(yè)特征，使用數(shù)據(jù)融合技術(shù)對采集到的圖像進(jìn)行綜合判斷?；谵r(nóng)田的多尺度圖像融合主要包括圖像融合技術(shù)與坐標(biāo)融合算法。即將飛行器在農(nóng)田中實時采集到的不同波段的光譜相機在同一角度下拍攝的多幅圖像進(jìn)行實時處理，根據(jù)算法得到關(guān)于當(dāng)前農(nóng)田作業(yè)區(qū)域全面和準(zhǔn)確描述的圖像的處理過程。針對所處理的多光譜圖像及點云圖像的特點根據(jù)多尺度圖像融合算法采用像素級的融合并得到融合的圖像數(shù)據(jù)。融合后的圖像包含了植物枝干的分布情況(來自點云圖)和植物葉片的密度信息[3]。

在農(nóng)田作業(yè)中使用多尺度圖像融合技術(shù)是圖像計算領(lǐng)域一大難點，農(nóng)田場景因地勢起伏、植被長勢、植株特點及植物光譜等特點具有算法選擇難、閾值設(shè)置多變等特點。多尺度圖像融合采取視覺由“粗”到“細(xì)”感知方式從不同波段中分解出目標(biāo)信息，再將目標(biāo)信息結(jié)合特殊圖像處理算法進(jìn)行深度處理從而提取出農(nóng)作物對應(yīng)的特征信息。多尺度分解方法在圖像邊緣細(xì)節(jié)與全局近似信息分離獲得了計算上的便利和可靠性。多尺度分析的圖像融合算法流程如圖4所示。

該研究使用的圖像融合方法為基于多尺度分解的融合方法，將輸入圖像A進(jìn)行尺度分解，再將輸入圖像B進(jìn)行尺度分解，最終運用多尺度反變換對融合后的分解系數(shù)反向重構(gòu)融合圖像，融合后的圖像是多個傳感器圖像的信息在一個圖像框架內(nèi)進(jìn)行顯示，其包含了植物的疏密程度及葉片的分布情況。圖像融合算法生成的融合圖像如圖5所示。

圖4 多尺度分析的圖像融合算法流程圖

圖5 圖像融合算法融合圖

5 結(jié)論

針對特殊復(fù)雜場景下狹小區(qū)域內(nèi)多旋翼無人機機動不靈活的特點設(shè)計的滑環(huán)式全矢量無人機通過建立傾轉(zhuǎn)全矢量方案，解決了由于耦合作用導(dǎo)致不能兼顧運動與姿態(tài)精度的問題，通過建立滑環(huán)式全矢量模型對植保作業(yè)中無人機的單姿態(tài)解耦模型，有效拓展了多旋翼無人機在農(nóng)情檢測中的應(yīng)用范圍，實現(xiàn)了植保作業(yè)效率提升。為了解決實際農(nóng)田中因地勢起伏、植被疏密程度所帶來的實際作業(yè)效果的影響而引入農(nóng)情監(jiān)測系統(tǒng)，使用數(shù)字成像雷達(dá)、多光譜相機和毫米波雷達(dá)對作業(yè)區(qū)域進(jìn)行實時檢測，在保障作業(yè)安全的同時使用多尺度分析的圖像融合算法實時產(chǎn)生當(dāng)前作業(yè)區(qū)域的農(nóng)田處方圖，使得作業(yè)模塊可以按照農(nóng)情檢測系統(tǒng)得出的結(jié)果實時調(diào)整作業(yè)方案及藥液用量，實現(xiàn)了精準(zhǔn)農(nóng)業(yè)與綠色農(nóng)業(yè)。

(05)