毕业设计文献综述

1、背景

当今世界随着无人控制技术的快速发展，地面无人控制车辆已取得非常大的成果，但是由于自然界结构的复杂性，无人车辆无法顺利完成某些特定的工作，如森林中、沼泽等复杂地段实现自动驾驶、废墟地带实现自动驾驶。所以对于无人机的控制研究非常重要。无人机可以被应用于各种领域参与各种用途。在民用方面上，快递无人机，航拍无人机，测绘无人机等应用广泛；在军事领域，作为搭载武器的武器平台，无人机可以减少己方人员的损失以及对于地方地面部队从空中进行打击。目前对于无人机的导航控制有很多搭载了GPS导航控制，但是在某些地方，GPS无法获得足够的卫星信号从而无法达到预期目标，如在城市密集区域以及在室内环境中。因此我们需要寻求一种合适的无人机导航控制策略以实现无人机的自动驾驶功能。可行性的方向有基于视觉的无人机控制以及基于仿生的光线流（optimal flow）控制。那些GPS无法精准作用的地方，往往都包含许多特征点和特征图像。因此可以基于这些特征点以及特征目标进行分析，实现以上地方对无人机的导航控制。

此外，关于无人机的起飞降落，悬停，目前也有多种解决方法，最主要的也是基于视觉分析的策略，如在降落过程中，通过对降落区域特征图像的提取和分析，确定合适的降落位置。

2、研究现状

多数的研究建立在四旋翼无人机上，也有建立在直升机上。

在Sharp^[1]的文献中，提出了旋翼无人机实时视觉系统的设计与实现，该系统可以以30Hz的频率确定其相对于已知着陆目标的姿态和速度。使用了定制的视觉算法和现成的硬件系统来实现这个控制功能：图像处理，分割，未来点提取，相机控制，以及线性和非线性最优的基于模型姿态估计。这个控制系统的性能在有些方面很不错。首先特征标记在计算上是廉价的且对于噪声有一定的稳定性。考虑到摄像机盘式驱动器的动态限制，摄像机控制算法表现良好。给灰度图像一个合适的阈值，我们的分段算法在提取降落目标上从不失败。适当的初始化后，对于非线性最优的估计对于噪声具有一定的鲁棒性。

在Frew^[2]的文献中提出了一种综合导航系统，使用视觉作为主要的外部感受传感器。纯方位导航具有固有的动态可观测性，因此需要特定的运动来确定摄像机和障碍物之间的相对位置。因此，对新障碍物的估计总是高度不确定的，关于障碍物的信息依赖于相机和物体之间的相对运动。提出了一个自适应后退地平线规划，将信息指标明确地纳入后退优化成本函数。自适应视界是基于这样一种直觉:当关于世界的信息迅速变化时，规划不需要很长时间。根据传感器的距离和无人机的有效速度计算控制和规划视野，有效速度计算为估计的车速和障碍物位置估计的不确定性的时间变化率的加权和。

Mezour^[3]的文献中提出了一种基于全向图像存储的定位新方法。它结合了计算效率高的三角网格三次插值计算的全局描述符和Harris角附近的贴片相关性以确保精度。这种方法已被比作最先进的技术。结果表明，该方法在精度、存储数据量和计算成本之间是最佳的折衷方案。未来的工作将致力于将该方法与局部三维重建技术结合起来进行度量定位。

Guenard^[4]的文献中提出了一种对于四旋翼无人机稳定的视觉伺服控制。本工作是关于克服雅可比矩阵病态的欠驱动系统视觉伺服控制理论工作的延伸。提出了一种新的视觉误差，改善了闭环雅可比矩阵在期望设定点附近的条件。利用反步技术导出了非线性控制器，并在该机构研制的实验飞行机器人上实现了控制。实验结果表明，该控制策略具有良好的性能和鲁棒性。

Courbon^[5]的文献中提出了一个无人驾驶飞行器的自主导航框架，该框架使用单个摄像机和自然地标，而不需要在参考坐标系中恢复飞行器的姿态。机器人环境被建模为一个图像图，称为视觉记忆，从它可以提取连接初始图像和目标图像的视觉路径。由于考虑到它的动态模型，基于视觉的控制律，UA沿着图像驱动。注意，只有一个摄像机和自然地标被用于控制目的。