基于视觉的四旋翼飞行器位姿估计算法研究与应用

摘要

四旋翼飞行器作为无人机的典型代表，具有结构简单、成本低、机动性好等特点，近年来成为无人机系统研究的热点。视觉系统能够有效提高无人机的环境感知能力，弥补其他传感器的不足，因而具有重要的研究意义和应用价值。本文以四旋翼飞行器为研究平台，开展了用于飞行器位置和姿态估计的视觉测量系统的关键技术研究，完成了基于视觉测量的四旋翼飞行器自主悬停飞行验证试验，主要工作及创新点如下：
　　(1)分析了四旋翼飞行器的视觉测量问题，提出了包括硬件选择、数据通信、测试平台、实验方案等一系列有效可行、成本较低的视觉测量系统设计和应用方案。
　　(2)借鉴常用的视觉系统研究思路，进行了摄像机标定、建立了摄像机透视投影模型、相关空间坐标系、位置和姿态估计模型，推导了基于视觉测量系统的四旋翼飞行器位置和姿态估计算法。
　　(3)用BP神经网络逼近传感器数据与飞行器位置和姿态信息的映射函数，实现了视觉传感器与IMU传感器的信息融合。并利用遗传算法优化神经网络的拓扑结构和初始权值，提高了BP神经网络的逼近精度，减少了BP神经网络训练的迭代次数和训练时间。
　　(4)通过设计的测试平台测试了该视觉测量系统，对模型解算方法和计算智能方法的测试结果进行了比较分析，得出计算智能方法在准确性和实时性方面的具有明显优势的结论。
　　(5)用经典PID控制方法设计了四旋翼飞行器的位置控制器，证明了该算法的稳定性，并通过Matlab仿真实验验证了该算法的有效性。最后，结合设计的视觉测量系统和位置控制器，进行了四旋翼飞行器的自主悬停飞行试验，验证了视觉测量系统和控制算法的有效性。

目录

封面

声明

目录

中文摘要

英文摘要

第一章 绪论

1.1 研究背景

1.2 国内外研究现状

1.3 论文的主要工作

1.4 论文组织结构

第二章 基于视觉的飞行器位姿估计问题分析与建模

2.1 引言

2.2 位姿估计的整体方案

2.3 空间坐标系的建立

2.4 摄像机标定及摄像机透视模型

2.5 位置和姿态估计方法建模和解算

2.6 本章小结

第三章 基于计算智能的视觉位姿估计的方法研究

3.1 引言

3.2 基于神经网络的位置和姿态估计

3.3 遗传算法对神经网络的优化

3.4 本章小结

第四章 基于视觉系统的四旋翼飞行器位置控制方法

4.1 引言

4.2 四旋翼飞行器的动力学模型

4.3 四旋翼飞行器位置控制器的设计

4.4 本章小结

第五章 位姿估计及位置控制实验结果及分析

5.1 引言

5.2 位置和姿态估计实验及结果分析

5.3 机载测试实验和实际飞行试验结果及分析

5.4 本章小结

第六章 总结与展望

6.1 论文工作总结

6.2 未来工作展望

致谢

参考文献

作者在学期间取得的学术成果

附录A 视觉测试平台机械设计图纸