无人机视觉智能控制技术分析

田雨沛  ,张雅岚

摘要：人工智能技术发展迅速，人们对于计算机视觉系统的认识也不断深入。微处理器技术和大规模集成电路技术在不断优化，使人们对无人机技术有更好的应用。目前视觉无人机的降落和跟踪都是人们关注的重点内容。和传统的无人机控制技术不同，视觉智能控制并不需要人为控制，而且要比人为控制的准确性更高。因此，本文针对无人机视觉智能控制技术进行分析和探讨，供读者参考。

关键词：无人机；视觉智能控制技术；目标跟踪

    无人机属于一种无人驾驶的飞行器，这一飞行器的控制方法主要有两种，其中一种是应用无线通信设备对无人机进行操控，另一种是应用计算机技术来设定飞行程序，实施自主飞行。目前有两种常见无人机类型，分别为固定翼无人机和旋翼无人机。与固定无人机相比，旋翼无人机有更强的机动性，能够空中的垂直起降和悬停，旋翼无人机还可以实现低速飞行和低空飞行，可以较为隐蔽的实施小范围监控，这些特点可以应用于交通巡查和军事侦察等方面。近些年人工智能技术兴起，计算机视觉是人工智能领域当中的重要组成部分，也对无人机有着重要的控制作用。

一、无人机平台
    部分西方发达国家能够生产性能相对较高的四轴飞行器平台，由于其具有较高的性价比，从而被应用于机器人的研究当中。2010年在CES大会当中首次发布了AR.Drone平台，这一平台最初的目标和定义是为了应用于虚拟增强游戏。AR.Drone应用了质量较轻的碳纤维材料和聚丙烯材料，质量仅有380g，可以实现室内和室外的飞行[1]。AR.Drone第二代发布于2012年，对摄像头的分辨率进行增强，也提高了处理器的性能。而且新版本还能够应用GPS技术进行定位，大幅度增加了续航时间。AR.Drone的传感器具有较强的稳定性，适合应用于机器人研究。四轴平台也并不需要太大的实际场地，也更适合室内实验和飞行，这一技术当中应用720p摄像头。

二、无人机的基础视觉算法
（一）目标跟踪
    目标跟踪是计算视觉机领域当中的一项重要内容，而且目前已经逐渐变成了一个较为庞大的发展方向和研究方向，因此对目标跟踪算法并没有较为明确的标准。但是，在跟踪算法当中主要解决的就是目标定位和目标建模问题。如果想要实现目标定位的准确性和稳定性应用视觉特征来提取目标图像。由于颜色特征在平面旋转、非刚性变形、部分遮挡的情况下能够有较强的鲁棒性。所以在颜色的选择时应该采用合理的计算方法[2]。但是也存在一定的局限性，在目标被遮挡或目标大幅度移动时就会导致目标丢失。在光照变化较为频繁的环境下，通常会采用目标边缘特征，将目标边缘信息作为一种重要参考因素，从而能够更好的实施跟踪工作。由于颜色和边缘特征具有互补性，所以可以将两种信息进行有效融合以此来对无人机研发技术进行完善。边缘特征跟踪算法在实际应用过程中存在较大的缺陷，包括跟踪计算量较大，而且模型较为单一，从而直接影响了算法的实时性和可靠性。因此，需要对相关技术进行深入研究，从而对无人机进行完善。

（二）光流增稳
    1950年光流概念被首次提出，这一概念指的是对图像中模式运动速度进行实时了解。黄流能够将图像的变化进行有效表达。由于其中蕴含了目标运动信息，因此可以用于观察目标的作用情况。通过光流定义能够引申出光流场，指的是运用所有像素点后冲的一种二维瞬时速度场，也是三维速度矢量在成像表面的投影。因此，光流当中不仅蕴含了运动信息，同时还蕴含了与景物相关的三维结构信息。在计算机视觉研究过程中，光流研究是一项极其重要的组成部分。光流在计算机视觉当中有些重要的地位，而且还能够提高对目标对象的识别和跟踪水平。

三、无人机视觉智能控制技术
（一）无人机自主降落技术
    无人机自主降落系统的硬件环境包括月球模拟自主降落室外、月球模拟自主降落室内以及Pixhawk室外自主降落等。想要实施月球模拟自主降技术进行实验首先需要了解月球的表面情况，也需要了解起飞任务需求，运用导航相机对月球表面的定位和信息素养进行获取，而且还要选择良好的着陆地区，并识别着陆区的障碍[3]。这一技术也在对障碍检测技术、图像导航定位技术等进行深入研究，为月球探测工作打下良好的基础。

    对月表的表面进行喷绘以后，则代表导航工作结束，开始进入到选址阶段。具体算法包括以下几点内容：第一，构建地形模板。通过对沙盘图像特征进行提取并计算，并建立有效的地形模板，具体计算方法与方刚阶段地形匹配算法相似。第二，可降落沙盘的选取。根据所建立出的地形模板，针对无人机所获取的图片进行匹配，并选择较为平坦的沙盘作为降落区域。第三，沙盘中选址避障。根据所筛选到的沙盘进行动态计算，了解沙盘当中的可降落区域。

（二）无人机跟踪导航技术

    视觉跟踪导航系统应用于无人机当中，能够有效提高无人机的整体性能。视觉智能控制系统的整体设计思想主要是通过相应的设计模式来对无人机系统进行有效构架，然后应用模块化理念对这一系统进行进一步优化和完善，从而提高系统的有效性和可靠性。对于视觉跟踪控制技术，可以使视觉算法和视觉空间之间进行有效转换。这一直是我国无人机研究方向，同时开发出了有效的仿真系统，提高了算法的准确性和可靠性。

    跟踪控制算法是无人机研发和制造过程中一种较为常见的计算方法，所以图像质量可以对算法质量造成直接影响[4]。自动跟踪控制系统在设计过程中，首先需要构建AR.Drone平台，由于这一平台本身质量较高，在硬件方面已经较为完善，并不需要进行有针对性的管理，所以开发者在应用过程中只需要对开发环境进行充分考虑，从而有效实现信息通信功能，实施平台搭建工作。在对开发环境进行有效搭建以后，就需要对整体框架进行设计。除此之外。无人机视觉技术在研发过程中，编写完系统以后可以实施仿真系统，充分验证视觉控制算法的稳定性和可靠性。如果在仿真环节测试环节出现问题，那么就需要及时寻找错误之处并修改。如果仿真测试环节较为顺利，那么就可以进行真机测试。

结束语

    总体而言，在视觉智能控制技术对于无人机研发有着重要的影响。无人机的基础视觉算法主要包括目标跟踪和光流增稳。通过这些算法可以提高所计算数据的准确性，促进无人机技术的进一步发展。

参考文献：

[1]冯雪,杜猛俊,向新宇,等. 电力场景下基于无人机视觉的运动目标追踪方法[J]. 北京航空航天大学学报,2022,48(4):586-594.

[2]张洲宇,曹云峰,范彦铭. 低空小型无人机空域冲突视觉感知技术研究进展[J]. 航空学报,2022,43(8):191-214.

[3]华夏,王新晴,芮挺,等. 视觉感知的无人机端到端目标跟踪控制技术[J]. 浙江大学学报（工学版）,2022,56(7):1464-1472.

[4]袁依文,雷斌. 无人机视觉技术在道路裂缝分类中的应用[J]. 机械设计与制造,2022,375(5):235-239.