多旋翼无人机发展现状及关键问题

多旋翼无人机国内外研究现状

自从无人机的概念提出以来，多旋翼无人机的研究一直是无人机研究领域的热点之一，随着新型材料、微机电系统（MEMS）、传感器技术和飞行控制等技术的不断发展，多旋翼无人机的机身体积和重量大大减轻，机构和稳定性能也得到了极大的优化，多旋翼无人机得到了快速发展。今年来，多旋翼无人机不管是在科学研究方面还是商业方面都有着越来越多的关注，广泛应用于知名高校、企业和科研机构。

（1） 麻省理工学院

麻省理工学院（Massachusettes Institute of Technology，MIT）的RAVEN(Real-Time Indoor Auto no mous Vehicle Tese Encironment)实验室，内部装有18台运动捕捉摄像机，可以实现无人机的室内定位，实验室内还有多辆自主的地面小车，研究对象有Draganflyer V Ti Pro 多旋翼无人机和无人小车组成。MIT的无人机集群健康管理计划（UAV SWARM Health Management Project）主要研究多架无人机的飞行演示。图1为多架四旋翼无人机对目标进行连续搜索和跟踪实验，图2为多机协同和编队实验。

（2） 斯坦福大学

斯坦福大学（Stanford University）的STARMAC（Stanford Testbed of Autonomous Rotorcraft for MultiAgent Control）项目是为了测试和验证多机算法和控制策略，它包含多个能够使用GPS和IMU传感器进行轨迹跟踪的四旋翼飞行器。Hoffmann G M团队基于斯坦福大学的试验台，首先将四旋翼无人机的非线性模型线性化，然后使用LQR控制方法设计了姿态控制器，使用滑模控制方法设计了高度控制器，并取得了良好的控制效果。

（3） 宾夕法尼亚大学

宾夕法尼亚大学的GRASP（General Robotics,Automation,Sensing and Perception）实验室对无人机的控制进行了大量研究，并基于光学动捕系统搭建了无人机测试平台，主要研究对象如图3所示。主要研究内容包括对多旋翼无人机的建模、多旋翼无人机自主飞行控制算法和多架无人机协同控制算法的研究。通过大量实验，GRASP实验室已经取得了很多创新成果，在该无人机测试平台下，无人机体现出很大的机动性，能够完成无人机集群航迹追踪、协同合作和编队飞行等测试，图4为多旋翼无人机协同飞行。

（4） 瑞士联邦理工学院

近几年瑞士联邦理工学院在四旋翼无人机方面取得了突出的成果，2007年，基于光学动捕系统建立了FMA（Flying Machine Arena）测试平台，测试平台内部安装了八个光学动捕系统摄像头。在FMA测试平台的环境下，D’Andrea R团队在研究飞行器自主飞行控制律、飞行结构设计、室内光学动捕系统和高机动智能飞行方面得到了比较丰硕的成果，并在全球各地做了多次公开演示，在2011年12月发过奥尔良的公开演示中，多个四旋翼无人机协同合作完成了泡沫砖塔的搭建，图5为正在抓取泡沫砖块的四旋翼无人机。

（5） 三所著名公司的研究

多旋翼无人机不仅在高校和科研院所取得了显著的成绩，美国Draganflyer X4多旋翼无人机，带有开放式的通讯应用程序接口，被很多科研机构和高校用于科研项目中进行二次开发。法国Parrot公司研制的AR.Drone多旋翼无人机，可以由iPhone、iIpad或者Android设备通过WiFi连接飞行器进行远程控制，其携带两个摄像头，一个在前方，一个在后方，通过WiFi无线网络实时传输视频数据，可以实现在移动端设备上实时观看视频信息。德国Microdrones公司研制的MD4-200四旋翼无人机，机体采用碳纤维材料制造，质量轻且强度大，而且还具备抗电磁干扰的能力，可执行拍摄、搜索、资料收集测量、检测和侦察等任务。在信号丢失或者电池电量不足的情况下，无人机可以实现自主降落，在飞行的同时，还可以实时显示飞行器的状态和导航数据。

从前面的介绍可以看出，国际上对旋翼无人机的研究的数量众多，成果丰富。国内对旋翼无人机也进行了一定的研究。虽然和国外相比还是存在很大的差距，但是一些高校已经开始在硬件设计、系统建模、平台搭建、算法研究、自主飞行和轨迹规划等各个方面都紧随世界潮流，进行了大量的研究。中国科学技术大学的郑伟博士以视觉传感器为主导传感器，多个传感器进行了融合的方法实现了路径追踪控制。此外，清华大学、国防科技大学、上海交通大学、南京航空航天大学、南京理工大学、天津大学、哈尔滨工业大学和西北工业大学等高校在多旋翼无人机的系统建模、算法研究、自主飞行、避障和轨迹追踪等方面进行了深入的研究，并且取得了可观的成绩。

多旋翼无人机研究的关键问题

多旋翼无人机具有结构简单、控制灵活、机动性强、垂直起降和飞行安全等特点，凭借其良好的机动性、优越的悬停和低速飞行性能受到广泛关注，多旋翼的发展依然存在着很多的关键技术的挑战。

多旋翼无人机室内定位与导航技术。传统的无人机通常使用惯性导航系统（INS）和全球定位系统（GPS）相结合的方式实现无人机的定位与导航。但是在一些环境下，由于建筑物的遮挡或者无线电干扰等因素的存在，导致GPS信号弱，设置有的时候完全不可用，所以研究一种无GPS环境下的导航方式成为目前的研究中需要攻克的技术难题。由于室内多旋翼无人机的惯性导航系统的零漂严重，在短时间内有很高的定位精度。但是随着时间的延长，误差积累使得测量精度不断降低，不宜单独使用，需要与其它传感器配合使用。尽年来，越来越多的学者将激光测距仪和视觉传感器引入无人机的定位与导航，其中视觉设备，包括机载视觉和外部视觉，外部视觉主要是光学动捕系统。另外还有蓝牙定位，宽带技术（Ultra-WideBand，UWB）定位，WiFi定位、超声波定位，照明设备定位也应用于室内定位与导航中。本文所提出的是光学动捕系统。

基于激光测距仪的室内导航定位。近几年，基于激光测距仪的定位导航技术被应用于无人机平台上，其中典型的代表是德国Ascending Technologics GmbH公司生产的一款名为ASCTEC PELICAN的多旋翼无人机，如图6所示，由于特殊的机构可以携带更多的机载设备。如图7中所示，标记1为激光测距仪。该测距仪有效工作探测距离是30米，视场角是270度，测量频率是40Hz，在不需要知道外界环境的情况下，只依靠自身的机载传感器设备，根据稳定的控制系统，研究团队开发了一款可以再室内走廊和大厅环境下实现自主导航的定位系统。

机载视觉传感器的定位。机载视觉定位导航主要包括单目视觉主要依靠摄像机来标定，目标的距离信息是通过目标特征和图像之间的对应关系计算出的。具体方法是在测量的地面上铺设与当前地面有颜色区分的参考线，通过机载视觉传感器采集到的图像信息与参考特征的位置信息。其中双目视觉被称为立体视觉，具体是通过两个摄像头获取左右两个相机采集到的图像相位差，同时结合相机模型建立的空间投影关系得到位置信息。视觉导航得到的位置信息可以应用于无人机的室内飞行，但由于其信息量大，处理距离的算法比较复杂，容易导致导航要求的实时性不高，同时容易受到环境的光影影响，所以没有得到大面积的应用。

外部视觉传感器。光学动捕系统是一种最常见的外部视觉传感器，它是基于计算机视觉原理，依靠安装在无人机机身上的特殊红外标志物，通过外部环绕场地排列的多个摄像头来测量运动物体在空间的运动状态。今年来，多所高校在光学动捕系统的环境下，展开了一系列的研究，并取得了丰硕的成果，代表性高校有瑞士联邦理工学院、宾夕法尼亚大学、麻省理工大学和杨百翰大学等。如图8为瑞士联邦理工学院测试平台FMA概念图，图9为杨百翰大学光学动捕系统测试平台概念图。MIT和Jon athan P.How 教授基于光学动捕系统建立了测试平台RAVEN，设计了一套室内环境下实时跟踪及位姿估计得系统。宾西法尼亚大学的Nathan Michacl教授基于光学动捕系统建立测试平台Multiple Micro-UAV Test Bed，实现了室内环境下多机协同。瑞士联邦理工学院的Raffaello D’Andrea教授依靠高分辨率的外部摄像机，完成了飞行器上放置倒立摆的平衡，飞行器投掷抓取小球，飞行器特技飞行等任务。

本文所讨论的是外部视觉导航方法，表1结合瑞士联邦理工学院、宾夕法尼亚大学和麻省理工学院三所高校光学动捕系统的性能参数，对比分析光学动捕系统的各项参数。

从表1可以看出，瑞士联邦理工学院、宾夕法尼亚大学贺麻省理工学院的测试平台分别为FMA、Multiple Micro-UAV Test Bed和RAVEN，这三所高校光学动捕系统完全满足多旋翼无人机的高机动飞行。

在多旋翼无人机的控制系统研究中，导航数据的准确性是控制算法得以实际应用的重要前提。在建筑物密集，丛林等环境下，GPS信号容易丢失，在室内环境下，GPS信号甚至完全不能用，所以基于光学动捕系统并与惯性导航组合后的数据为多旋翼无人机提供精确的位置和姿态等导航信息，提高系统的可靠性。

光学动捕系统可以精确测量三维空间的运动状态，它是基于计算机图形学原理，其实质是测量、跟踪和记录物体在三维空间中的运动轨迹。光学动系统的硬件组成包含高速红外摄像机、PC机、集线器等。如图10所示。。高速红外摄像机通过特殊红外标记物marker点捕捉多旋翼无人机的运动信息，然后以图像的形式记录下来，集线器识别摄像机捕捉的信号，负责将运动数据从高分辨率红外摄像机快速准确地传送到PC机，由PC机上专门进行数据解析的软件Active Center?进行处理，如图11所示，得到运动物体的位置信息，经过相机一连串的拍摄，可以得到运动载体的运动轨迹。

光学动捕系统导航信息的获取方法

位置信息。光学动捕系统可以识别安装多旋翼无人机上的marker点，进而得到其位置信息，经过相机一连串的拍摄，在地面站上可以直接显示多旋翼无人机的运动轨迹。

速度信息。速度信息可以经过位置信息进一步得到，光学动捕系统更新更新频率高，时间间隔很短，所以速度信息可以通过相邻两组位置信息的差值与位置数据更新的时间间隔相除得到。

姿态信息。系统不能直接得到姿态信息，需要进一步的计算，以下是光学动捕系统无人机测试平台的姿态解算求解过程。如图12为光学动捕系统的坐标系，图13为mrker点安装示意图，在多旋翼无人机上的A、B、C和D四个位置上分别安装四个表面具有特殊光学物质的marker点，其中A点位于无人机的左前方，B点位于无人机的左后方，C点位于无人机的右后方，D点距离A点最近，A点、B点和C点三点共面与D点不共面，且它们之间距离关系为：AD<BD<CD。

三个姿态角的定义以及正方向规定如下：

● 航向角，即机体绕垂直方向运动，机体的纵轴在水平面上的投影与光学动捕系统X轴之间的家教。数值上以光学动捕系统X轴为起点，角度范围为0°~360°；

● 俯仰角，即机体绕横向水平轴转动产生的纵轴和纵向水平轴的夹角，俯仰角以水平轴为起点，向上为正，向下为负，角度范围为-90°~90°；

● 横滚角，即机体绕纵轴相对于铅锤平面的转角，从铅锤平面算起，左倾为负，右倾为正，角度范围为-180°~180°。