無(wú)人機(jī)自動(dòng)空中加油技術(shù)的發(fā)展

uninwaldung（iuv）已經(jīng)發(fā)展了80多年。原始指南主要用于軍事研究。近年來(lái)UAV在多場(chǎng)局部戰(zhàn)爭(zhēng)中卓有成效的表現(xiàn)使其軍事價(jià)值得到了一致認(rèn)可,為其在過(guò)去的20年中的快速發(fā)展提供了強(qiáng)大動(dòng)力,各種高新技術(shù)在航空領(lǐng)域的廣泛應(yīng)用提高了無(wú)人機(jī)的性能,擴(kuò)展了無(wú)人機(jī)的應(yīng)用范圍。目前無(wú)人機(jī)在軍用和民用領(lǐng)域都有著廣泛的應(yīng)用,可以執(zhí)行監(jiān)視偵察、目標(biāo)指示、實(shí)時(shí)監(jiān)控、對(duì)地攻擊及其他高風(fēng)險(xiǎn)任務(wù)等。無(wú)人機(jī)最突出的弱點(diǎn)是續(xù)航時(shí)間短和有效載荷不足,需要定期返回基地進(jìn)行補(bǔ)給,這樣就嚴(yán)重削弱了無(wú)人機(jī)遂行長(zhǎng)航時(shí)和復(fù)雜任務(wù)的能力,限制了無(wú)人機(jī)的使用。同時(shí),人們對(duì)無(wú)人機(jī)遂行任務(wù)能力的要求卻越來(lái)越高,這兩者日漸成為難以調(diào)和的矛盾。解決這一矛盾的方法之一是由地面維護(hù)人員靠近或進(jìn)入任務(wù)區(qū)域?qū)o(wú)人機(jī)進(jìn)行地面支持,但這種方式效率較低且人員暴露的危險(xiǎn)性較大。自動(dòng)空中加油技術(shù)(autonomousaerialrefueling,AAR)為解決這個(gè)難題提供了有效的途徑,它可以極大地提高無(wú)人機(jī)的使用效能,擴(kuò)展無(wú)人機(jī)的使用范圍。無(wú)人機(jī)自動(dòng)空中加油技術(shù)(UAV-AAR)是基于傳統(tǒng)的有人駕駛飛機(jī)空中加油技術(shù)發(fā)展而來(lái)的。有人駕駛飛機(jī)空中加油技術(shù)有2種實(shí)現(xiàn)方式:軟管式和硬管式。軟管式也稱為插頭-錐套式(probeand-droguerefueling,PDR)。在實(shí)施軟管式空中加油時(shí),加油機(jī)從尾部或者加油吊艙拖放出加油用的軟管,軟管的末端是特制的錐套,受油機(jī)飛行員通過(guò)操縱飛機(jī)使安裝在機(jī)頭的受油插頭與錐套相互對(duì)接,對(duì)接后錐套內(nèi)的閥門打開(kāi)并開(kāi)始加油。待加油操作完成后,受油機(jī)減速?gòu)亩共孱^與錐套分開(kāi)。硬管式也稱為伸縮管式(boom-andreceptaclerefueling,BRR),加油操作主要由加油員操縱加油機(jī)尾部伸出的伸縮管完成,與此同時(shí)受油機(jī)與加油機(jī)需要保持適當(dāng)?shù)南鄬?duì)位置和姿態(tài)。目前中國(guó)已經(jīng)掌握了軟管式空中加油技術(shù)并已形成戰(zhàn)斗力,同時(shí)業(yè)已開(kāi)始對(duì)硬管式空中加油技術(shù)進(jìn)行預(yù)先論證研究。與硬管式相比,軟管式加油技術(shù)的實(shí)現(xiàn)相對(duì)簡(jiǎn)單,但是其加油速度慢、對(duì)惡劣天氣以及大氣擾動(dòng)的適應(yīng)性差、對(duì)受油機(jī)飛行員技術(shù)要求高,這使得改造軟管式加油技術(shù)使其適應(yīng)自動(dòng)空中加油的需求非常困難,因此軟管式加油技術(shù)并不適用于UAV-AAR。在無(wú)人機(jī)自動(dòng)空中加油的過(guò)程中,加油機(jī)和受油機(jī)(即無(wú)人機(jī))之間的相對(duì)位姿估計(jì)是否精確是決定空中加油成敗的關(guān)鍵性因素,這就要求研發(fā)更為可靠的高精度導(dǎo)航系統(tǒng)。傳統(tǒng)的無(wú)人機(jī)導(dǎo)航系統(tǒng)一般是基于全球定位系統(tǒng)(globalpositionsystem,GPS)、慣性導(dǎo)航系統(tǒng)(inertialnavigationsystem,INS)等研發(fā)的組合導(dǎo)航系統(tǒng),但是并不一定適用于無(wú)人機(jī)自動(dòng)空中加油的工作環(huán)境,例如GPS衛(wèi)星信號(hào)在加油過(guò)程中可能會(huì)被加油機(jī)遮擋或者受到干擾。視覺(jué)傳感器(如攝像頭等)具有更新頻率高、重量輕、成本低等優(yōu)點(diǎn),因此將計(jì)算機(jī)視覺(jué)技術(shù)引入導(dǎo)航系統(tǒng)可以有效地彌補(bǔ)現(xiàn)有的常用傳感器系統(tǒng)的不足,提高空中加油過(guò)程中相對(duì)位姿估計(jì)和導(dǎo)航的精度。此外,利用多傳感器數(shù)據(jù)融合技術(shù)將來(lái)自視覺(jué)傳感器、GPS和INS的數(shù)據(jù)進(jìn)行融合后可以得到精確度更高的相對(duì)位姿信息。近十年來(lái),研究人員針對(duì)軟管式和硬管式自動(dòng)空中加油技術(shù)都提出了相應(yīng)的解決方案[6,7,8,9,10,11,12,13],但最近的研究熱點(diǎn)和重點(diǎn)逐漸集中在基于視覺(jué)的硬管式自動(dòng)空中加油技術(shù),其典型系統(tǒng)框圖如圖1所示。現(xiàn)有的基于視覺(jué)的硬管式自動(dòng)空中加油技術(shù)的解決方案又可以劃分為基于特征跟蹤和基于圖像2類。1自動(dòng)空中加油技術(shù)流程在研究無(wú)人機(jī)自動(dòng)空中加油技術(shù)的時(shí)候,有如下假設(shè):1)自動(dòng)空中加油過(guò)程在中高空進(jìn)行,加油機(jī)保持平飛狀態(tài);2)加油機(jī)和無(wú)人機(jī)上裝載著GPS、INS、攝像頭等常用的傳感器系統(tǒng);3)加油機(jī)和無(wú)人機(jī)之間的通信鏈路可以進(jìn)行簡(jiǎn)單的通信。硬管式自動(dòng)空中加油過(guò)程可以劃分為以下4個(gè)階段:1)會(huì)合階段(rendezvousingphase)。在此階段,無(wú)人機(jī)從執(zhí)行任務(wù)的空域移動(dòng)到指定的預(yù)接觸(pre-contact)位置等候。預(yù)接觸位置一般位于加油機(jī)的后下方,與加油機(jī)保持足夠的安全距離。預(yù)接觸位置的信息可以通過(guò)地面控制中心發(fā)送給無(wú)人機(jī),也可以通過(guò)加油機(jī)和無(wú)人機(jī)之間的通信鏈路進(jìn)行傳送。2)近距逼近階段(dockingphase)。為了完成空中加油,無(wú)人機(jī)需要移動(dòng)到加油機(jī)后下方的加油接觸(contact)位置,并保持一定的穩(wěn)定狀態(tài)。無(wú)人機(jī)從預(yù)接觸位置機(jī)動(dòng)到加油接觸位置的過(guò)程就是近距逼近階段。3)加油階段(refuelingphase)。待無(wú)人機(jī)在加油接觸位置上保持穩(wěn)定之后,加油機(jī)上的加油員操縱機(jī)身尾部的伸縮管進(jìn)行加油,并在加油完成后完成伸縮管的斷開(kāi)。在此過(guò)程中兩機(jī)需保持編隊(duì)飛行。4)脫離階段(dismissingphase)。在這個(gè)階段,無(wú)人機(jī)從加油接觸位置移動(dòng)到遠(yuǎn)離加油機(jī)的安全位置。至此,硬管式自動(dòng)空中加油完成?；谝曈X(jué)的自動(dòng)空中加油技術(shù)所要解決的問(wèn)題是在近距逼近階段和加油階段控制無(wú)人機(jī)完成預(yù)定的動(dòng)作,同時(shí),導(dǎo)航和控制系統(tǒng)的精度需要達(dá)到厘米級(jí)。一個(gè)完整的基于視覺(jué)的自動(dòng)空中加油解決方案至少應(yīng)包括以下內(nèi)容:1)攝像頭和輔助識(shí)別標(biāo)志配置方案;3)多傳感器融合算法;2位姿跟蹤基于特征跟蹤的解決方案需要已知飛機(jī)模型和視覺(jué)傳感器位置信息等參數(shù),其基本思路是提取視覺(jué)傳感器獲取的圖像中特定的特征(如點(diǎn)、線等),然后進(jìn)行跟蹤,從而估計(jì)出加油機(jī)和無(wú)人機(jī)之間的相對(duì)位姿信息,并將估計(jì)得到的位姿信息應(yīng)用于控制律中。這一類解決方案的典型代表有:Fravolini等設(shè)計(jì)的UAV-AAR導(dǎo)航和控制系統(tǒng)(簡(jiǎn)稱為WVU系統(tǒng))、Doebbler等設(shè)計(jì)和開(kāi)發(fā)的解決方案(簡(jiǎn)稱為VisBRR系統(tǒng))等。2.1實(shí)驗(yàn)流程及仿真實(shí)驗(yàn)WVU系統(tǒng)的研究目標(biāo)為:在近距逼近階段,引導(dǎo)無(wú)人機(jī)從預(yù)接觸位置移動(dòng)到一個(gè)預(yù)先定義好的長(zhǎng)方體空域內(nèi),并使其在加油階段保持在此長(zhǎng)方體空域內(nèi)。Fravolini等針對(duì)上述目標(biāo)開(kāi)展了大量的研究工作,搭建了基于VRT(virtualrealitytoolbox)的仿真系統(tǒng),通過(guò)仿真實(shí)驗(yàn)對(duì)比分析了多種可行的視覺(jué)處理算法。在WVU系統(tǒng)中,單目視覺(jué)傳感器(攝像頭)安裝在無(wú)人機(jī)的機(jī)頭位置上,指向斜上方以拍攝加油機(jī)的圖像。為了便于進(jìn)行圖像特征的提取和跟蹤,WVU系統(tǒng)在加油機(jī)尾部設(shè)置了多個(gè)點(diǎn)狀的光學(xué)輔助識(shí)別標(biāo)志物(如LED),以此作為待跟蹤的圖像特征。這些輔助識(shí)別標(biāo)志點(diǎn)在加油機(jī)上的位置坐標(biāo)是已知的。在第k個(gè)周期,記X(k)=[xk,yk,zk,ψk,θk,φk]T為加油機(jī)在攝像頭參考系中的位姿信息,其中[xk,yk,zk]T為位置坐標(biāo),[ψk,θk,φk]T為姿態(tài)角。WVU系統(tǒng)將視覺(jué)處理流程劃分為3個(gè)步驟:特征提取、特征點(diǎn)匹配和相對(duì)位姿估計(jì),具體描述如下:1)對(duì)攝像頭獲取的圖像進(jìn)行特征點(diǎn)提取,得到特征點(diǎn)的坐標(biāo)集合PD(k)。2)以GPS、INS的數(shù)據(jù)作為X(k)的估計(jì)X^(k)的初始值,采用針孔攝像機(jī)模型可以計(jì)算出輔助識(shí)別標(biāo)志點(diǎn)在攝像頭參考系中的位置坐標(biāo),記為點(diǎn)集合PP(k)。特征點(diǎn)匹配就是要找出PP(k)中的特征點(diǎn)在PD(k)中的對(duì)應(yīng)坐標(biāo)。當(dāng)更新頻率較高時(shí),也可以采用X(k-1)(k≥2)作為X(k)估計(jì)的初始值。3)記ΔP(k)為匹配好的特征點(diǎn)在PD(k)和PP(k)中坐標(biāo)的差值組成的向量,則相對(duì)位姿信息X(k)的估計(jì)問(wèn)題可以表述為:選取合適的X^(k),使得‖ΔP(k)‖最小。這一問(wèn)題可以用GaussNewton法等算法進(jìn)行迭代求解。研究人員對(duì)上述3個(gè)步驟分別選取了2種可行的視覺(jué)處理算法進(jìn)行性能和魯棒性對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)采用了虛擬圖像和“真實(shí)”圖像2組數(shù)據(jù),虛擬圖像是由基于VRT的仿真系統(tǒng)中的仿真攝像頭提供的圖像序列,而“真實(shí)”圖像則是研究人員在實(shí)驗(yàn)室里將一架翼展約為63.5cm的波音747-400飛機(jī)模型懸掛在半空中,從模擬無(wú)人機(jī)攝像頭的方位進(jìn)行拍攝得到的。在完成相對(duì)位姿估計(jì)之后,WVU系統(tǒng)采用了擴(kuò)展Kalman濾波器(extendedKalmanfilter,EKF)對(duì)來(lái)自視覺(jué)傳感器和GPS的數(shù)據(jù)信息進(jìn)行融合,以期獲得更高的導(dǎo)航精度。WVU的仿真系統(tǒng)建立了伸縮管的模型,對(duì)波音747和B-2飛機(jī)的模型進(jìn)行調(diào)整后建立了KC-135加油機(jī)和ICE-101無(wú)人機(jī)的模型,同時(shí)還考慮了大氣紊流和加油機(jī)尾渦的影響,并通過(guò)VRT實(shí)現(xiàn)了仿真過(guò)程的可視化。加油機(jī)和無(wú)人機(jī)的自動(dòng)駕駛儀均采用LQR(linearquadraticregulator)方法進(jìn)行設(shè)計(jì)。仿真結(jié)果表明WVU系統(tǒng)能夠滿足硬管式無(wú)人機(jī)自動(dòng)空中加油厘米級(jí)的導(dǎo)航精度要求。2.2無(wú)人機(jī)加油接口的建立Valasek等針對(duì)軟管式自動(dòng)空中加油技術(shù)開(kāi)發(fā)了主動(dòng)視覺(jué)導(dǎo)航系統(tǒng)VisNAV,能夠提供高精度的六自由度數(shù)據(jù)信息。針對(duì)硬管式自動(dòng)空中加油,Doebbler等也開(kāi)發(fā)了VisBRR系統(tǒng),與VisNAV系統(tǒng)的主要區(qū)別是選用的視覺(jué)傳感器和視覺(jué)處理算法不同。VisBRR系統(tǒng)的研究目標(biāo)是:在加油階段,當(dāng)無(wú)人機(jī)到達(dá)加油接觸位置后,引導(dǎo)伸縮管進(jìn)入無(wú)人機(jī)機(jī)頭上的加油接口并完成加油操作,同時(shí)不需要加油員進(jìn)行操作。在VisBRR系統(tǒng)中,單目攝像頭安裝在加油機(jī)尾部伸縮管的上方,指向斜下方位置以拍攝無(wú)人機(jī)的圖像;塊狀輔助識(shí)別標(biāo)志被噴涂在無(wú)人機(jī)機(jī)頭上的加油接口附近。VisBRR選用的視覺(jué)處理算法是主動(dòng)可變輪廓(activedeformablecontour)算法,也稱為visualsnake算法,它采用閉合的不相交的輪廓來(lái)分離圖像中的目標(biāo)區(qū)域。在VisBRR系統(tǒng)中,目標(biāo)區(qū)域即塊狀輔助識(shí)別標(biāo)志,并且該標(biāo)志的形狀、大小、位置和顏色等參數(shù)均視為已知,利用這些已知參數(shù)就可以實(shí)現(xiàn)對(duì)塊狀輔助識(shí)別標(biāo)志的跟蹤,進(jìn)而估計(jì)出無(wú)人機(jī)和加油機(jī)的相對(duì)位姿。VisBRR基于VisualC++建立了仿真系統(tǒng),加油機(jī)模型是基于波音747建立的,無(wú)人機(jī)模型UCAV6則是AV-8B飛機(jī)的約60%縮比模型。伸縮管控制器采用的是源自VisNAV系統(tǒng)的PIF-NZSP-CRW控制器。Doebbler等分別在無(wú)大氣紊流影響、輕微紊流和中度紊流3種情況下進(jìn)行了仿真實(shí)驗(yàn)。在伸縮管進(jìn)入無(wú)人機(jī)上的加油接口的過(guò)程中,兩者的相對(duì)速度不能過(guò)大以便盡可能地減小碰撞損傷。仿真結(jié)果表明:VisBRR系統(tǒng)能夠引導(dǎo)伸縮管進(jìn)入加油接口中,并且在保證最大相對(duì)速度小于0.5m/s的前提下精度可以達(dá)到±2cm。2.3路位姿估計(jì)模型郭軍等通過(guò)引入3攝像頭視覺(jué)傳感器系統(tǒng),改進(jìn)了WVU系統(tǒng)存在的可視范圍小、魯棒性差等缺點(diǎn)。3個(gè)視覺(jué)傳感器分別獨(dú)立進(jìn)行相對(duì)位姿估計(jì),之后再對(duì)3路位姿估計(jì)信息進(jìn)行融合,最終的融合結(jié)果是3路相對(duì)位姿的加權(quán)平均值。權(quán)重系數(shù)綜合考慮了每路位姿估計(jì)信息的可信度和相容性指標(biāo),可信度指標(biāo)與每一路檢測(cè)到的特征點(diǎn)個(gè)數(shù)正相關(guān),而相容性指標(biāo)則與某路的估計(jì)向量和其他向量的距離負(fù)相關(guān)。Williamson等采用了與VisBRR系統(tǒng)類似的攝像頭配置方案,但在受油機(jī)上安裝的是點(diǎn)狀視覺(jué)輔助識(shí)別標(biāo)志,并且搭建了半實(shí)物仿真環(huán)境,其中伸縮桿、受油機(jī)均采用實(shí)物縮比模型,大大提高了仿真的擬真度。3基于三維模型的仿真實(shí)驗(yàn)基于圖像的解決方案將視覺(jué)傳感器視為二維傳感器,直接將圖像自身的特征如圖像Jacobian矩陣、灰度值等引入控制律中。Weaver等提出的使用預(yù)測(cè)圖像作為視覺(jué)輔助技術(shù)的解決方案(簡(jiǎn)稱為Weaver系統(tǒng))是基于圖像的解決方案的典型代表。Weaver系統(tǒng)總體框圖如圖2所示。在Weaver系統(tǒng)中,單目紅外攝像頭安裝在受油機(jī)機(jī)頭位置,仰角為28°。加油機(jī)KC-135R不需要安裝輔助識(shí)別標(biāo)志。Weaver系統(tǒng)中處理的圖像均為紅外圖像,這樣做的好處是:與普通彩色圖像相比,紅外圖像的復(fù)雜度更低,可以減少圖像處理的計(jì)算量。Weaver系統(tǒng)中利用加油機(jī)的三維模型結(jié)合飛機(jī)之間相對(duì)位姿的預(yù)測(cè)信息來(lái)生成預(yù)測(cè)圖像,其算法是基于VRT和KC-135R加油機(jī)的三維模型實(shí)現(xiàn)的,VRT使用基于OpenGL的技術(shù)來(lái)渲染生成預(yù)測(cè)圖像。Weaver系統(tǒng)將生成的預(yù)測(cè)圖像與實(shí)際測(cè)量圖像進(jìn)行圖像比對(duì),并將比對(duì)得到的圖像誤差輸入EKF,與INS數(shù)據(jù)融合之后得到加油機(jī)和受油機(jī)的相對(duì)位姿信息。為了尋找能夠更準(zhǔn)確地評(píng)估預(yù)測(cè)圖像與測(cè)量圖像之間誤差的圖像比對(duì)算法,Weaver等利用格魯曼公司(NorthropGrummancorporation)的飛行測(cè)試數(shù)據(jù)對(duì)算法進(jìn)行了對(duì)比實(shí)驗(yàn),這些數(shù)據(jù)包括2架飛機(jī)的時(shí)域位置信息和加油機(jī)真實(shí)的紅外圖像。仿真實(shí)驗(yàn)中測(cè)試了3種圖像比對(duì)算法:圖像強(qiáng)度差平方和(sumsquareddifferenceofintensity)算法、圖像梯度(magnitudeofgradient)算法和帶有上下限的圖像梯度(gradientwiththreshold)算法。仿真結(jié)果表明:3種算法均有各自的優(yōu)勢(shì)和缺陷,組合使用圖像強(qiáng)度差平方和算法和基于圖像梯度的算法可能獲得最佳的圖像比對(duì)效果。Weaver等尚未完成整個(gè)解決方案的搭建和閉環(huán)實(shí)驗(yàn),其下一步的工作是用無(wú)跡Kalman濾波器(unscentedKalmanfilter,UKF)取代目前用于狀態(tài)估計(jì)的EKF,以期提高系統(tǒng)的性能和實(shí)用性。4比較與總結(jié)4.1基于特征跟蹤的解決方案現(xiàn)有的自動(dòng)空中加油解決方案大多數(shù)是基于特征跟蹤的,這是因?yàn)闊o(wú)人機(jī)和加油機(jī)的模型以及視覺(jué)傳感器位置信息等參數(shù)往往可以事先獲得,所以基于特征跟蹤的解決方案比較容易實(shí)現(xiàn),而且其設(shè)計(jì)思路比較直觀,便于應(yīng)用現(xiàn)有技術(shù)。其缺點(diǎn)是導(dǎo)航精度高度依賴于特征跟蹤的效果,一旦出現(xiàn)圖像特征丟失或者錯(cuò)誤匹配,就會(huì)造成導(dǎo)航精度的大幅下降。同時(shí),這類方案的計(jì)算量比基于圖像的解決方案的更大。此外,多數(shù)基于特征跟蹤的解決方案采用的是單目視覺(jué)系統(tǒng),因此存在著攝像頭視野易受阻擋、可靠性低等缺點(diǎn),采用多個(gè)攝像頭可以在一定程度上彌補(bǔ)這些缺點(diǎn)。幾個(gè)有代表性的基于特征跟蹤的解決方案的對(duì)比如表1所示。不同于基于特征跟蹤的解決方案,基于圖像的解決方案僅使用能夠從圖像中直接得到的數(shù)據(jù),不需要事先已知飛機(jī)模型和視覺(jué)傳感器位置信息等參數(shù),因而對(duì)攝像頭參數(shù)和飛機(jī)模型的誤差不敏感。但其缺點(diǎn)是不夠直觀、實(shí)現(xiàn)的難度較大,并且在運(yùn)算中可能出現(xiàn)局部極小、矩陣奇異等問(wèn)題,進(jìn)而導(dǎo)致導(dǎo)航與控制系統(tǒng)出現(xiàn)誤差甚至不可用。基于特征跟蹤和基于圖像這2類方案各有利弊,一個(gè)很自然的改進(jìn)思路就是對(duì)這2類方案加以整合,在綜合2類解決方案優(yōu)點(diǎn)的同時(shí)避免它們的缺陷,引入切換機(jī)制是其中的一種可行途徑。本文將切換機(jī)制應(yīng)用到基于視覺(jué)的UAV-AAR過(guò)程中,以實(shí)現(xiàn)自動(dòng)空中加油過(guò)程中2類解決方案的平滑切換。4.2tchssot-schemesorts系統(tǒng)sss基于切換模式的雙目視覺(jué)解決方案(switchingschemebasedstereovisionsystem,SSSsystem)的主要內(nèi)容如下:1張數(shù)和張數(shù)在SSS系統(tǒng)中,2個(gè)攝像頭對(duì)稱的安裝在加油機(jī)尾部伸縮管的兩側(cè),均指向后下方以獲取無(wú)人機(jī)的圖像,攝像頭應(yīng)當(dāng)具備一定的角度調(diào)整能力。此外,需要在無(wú)人機(jī)機(jī)頭上設(shè)置多個(gè)點(diǎn)狀的信號(hào)燈作為輔助識(shí)別標(biāo)志物,輔助識(shí)別標(biāo)志點(diǎn)的個(gè)數(shù)為N。2無(wú)人機(jī)圖像的預(yù)處理SSS系統(tǒng)的視覺(jué)處理模塊包括一個(gè)基于特征跟蹤的模塊(featuretrackingbasedmodule,FTM)和一個(gè)基于圖像的模塊(imagebasedmodule,IM)。2個(gè)視覺(jué)處理模塊始終同時(shí)運(yùn)行,在近距逼近階段和加油階段分別互為主備,即FTM和IM組成兩余度異構(gòu)熱備份視覺(jué)處理模塊。在近距逼近階段,SSS系統(tǒng)首先啟動(dòng)FTM,IM作為熱備份;進(jìn)入加油階段后,由于2架飛機(jī)的距離進(jìn)一步減小,無(wú)人機(jī)機(jī)頭上的部分輔助識(shí)別標(biāo)志物會(huì)離開(kāi)攝像頭視野范圍,不利于進(jìn)行特征跟蹤,因此切換到IM,FTM則轉(zhuǎn)為熱備份。相對(duì)位姿估計(jì)的數(shù)據(jù)由加油機(jī)通過(guò)兩機(jī)之間的通信鏈路發(fā)送給無(wú)人機(jī)。FTM采用與WVU系統(tǒng)類似的視覺(jué)處理流程,即首先從來(lái)自攝像頭的圖像中提取出所需要的圖像特征點(diǎn)集合(該集合部分或者全部包含了無(wú)人機(jī)機(jī)頭上的N個(gè)輔助識(shí)別標(biāo)志點(diǎn)),然后在提取出的點(diǎn)集合中確定輔助識(shí)別標(biāo)志點(diǎn)的對(duì)應(yīng)坐標(biāo),再通過(guò)迭代算法估計(jì)出加油機(jī)和無(wú)人機(jī)的相對(duì)位姿。IM采用與Weaver系統(tǒng)類似的視覺(jué)處理流程。因?yàn)镾SS系統(tǒng)選用的是彩色攝像頭,所以需要首先進(jìn)行圖像邊緣提取,分離出無(wú)人機(jī)的輪廓,之后再進(jìn)行圖像比對(duì)和相對(duì)位姿估計(jì)。攝像頭采集的圖像需要從RGB色彩空間轉(zhuǎn)換到HSV色彩空間,然后分離出V通道的數(shù)據(jù)輸入FTM和IM進(jìn)行處理,這樣可以減弱云彩等的干擾。在綜合考慮了算法的運(yùn)行速度、誤報(bào)率(“誤報(bào)”指的是提取的特征點(diǎn)并非所需的輔助識(shí)別標(biāo)志點(diǎn))和通用性(經(jīng)過(guò)簡(jiǎn)單修改即可同時(shí)用于特征點(diǎn)檢測(cè)和邊緣檢測(cè))之后,視覺(jué)處理算法選用了SUSAN(smallestunivalvesegmentassimilatingnucleus)算法。3正常工作的位姿估計(jì)對(duì)FTM和IM分別定義閾值函數(shù)和切換閾值。FTM的閾值函數(shù)fF(k)定義為第k個(gè)周期(k≥1)FTM檢測(cè)到的輔助識(shí)別標(biāo)志點(diǎn)的個(gè)數(shù),切換閾值TF取為N/2。若fF(k)<TF,則認(rèn)為FTM進(jìn)行相對(duì)位姿估計(jì)會(huì)出現(xiàn)較大誤差甚至無(wú)法完成,故切換到IM。由于基于視覺(jué)的解決方案更新頻率較高(不低于10Hz),而且自動(dòng)空中加油過(guò)程中2架飛機(jī)的飛行狀態(tài)比較平穩(wěn),所以相鄰2個(gè)周期內(nèi)兩機(jī)的相對(duì)位姿不會(huì)出現(xiàn)劇烈波動(dòng)。IM的閾值函數(shù)fI(k)可以定義為第k個(gè)周期和第(k-1)個(gè)周期(k≥2)IM估計(jì)得到的相對(duì)位姿差值的平方和,切換閾值TI可以根據(jù)2架飛機(jī)的實(shí)際性能參數(shù)和周期長(zhǎng)度計(jì)算得到。若fI(k)>TI,則切換到FTM。如果在同一個(gè)周期內(nèi),FTM和IM均無(wú)法正常工作,那么就采用上一個(gè)周期的位姿估計(jì)結(jié)果;如果連續(xù)Nerror個(gè)周期出現(xiàn)FTM和IM均無(wú)法正常工作的情況,則發(fā)出警示信息、中止空中加油操作、指示無(wú)人機(jī)遠(yuǎn)離加油機(jī),同時(shí)提示加油員進(jìn)行手動(dòng)干預(yù)。Nerror可以根據(jù)UAV-AAR允許的安全距離和兩機(jī)的相對(duì)速度計(jì)算得到。4加權(quán)平均權(quán)重系數(shù)SSS系統(tǒng)中的2個(gè)攝像頭分別獨(dú)立進(jìn)行相對(duì)位姿估計(jì),視覺(jué)處理模塊的最終輸出結(jié)果采用2路估計(jì)值的算術(shù)平均值或者加權(quán)平均值,當(dāng)采用加權(quán)平均值時(shí),權(quán)重系數(shù)可以進(jìn)行自適應(yīng)的調(diào)整,以提高系統(tǒng)的適用性。同時(shí),基于EKF設(shè)計(jì)自適應(yīng)濾波器,對(duì)GPS、INS和視覺(jué)傳感器的數(shù)據(jù)進(jìn)行融合,在保證融合精度的基礎(chǔ)上,盡可能地降低運(yùn)算復(fù)雜度。5飛行控制器的設(shè)計(jì)與實(shí)現(xiàn)SSS系統(tǒng)的仿真環(huán)境基于MATLAB/Simulink和VegaPrime搭建。加油機(jī)和無(wú)人機(jī)分別采用波音747和F-16的縮比模型,它們的飛行控制器將采用常規(guī)的LQR方法進(jìn)行設(shè)計(jì)。仿真環(huán)境中也將包括伸縮管的模型,并考慮大氣紊流和加油機(jī)尾渦的影響。加油機(jī)、無(wú)人機(jī)、伸縮管和大氣的動(dòng)態(tài)模型以及飛行控制器均基于MATLAB/Simulink搭建。使用VegaPrime軟件進(jìn)行視景仿真渲染,生成UAV-AAR的三維實(shí)時(shí)場(chǎng)景,獲取圖像序列,在仿真實(shí)驗(yàn)中對(duì)選用的視覺(jué)處理算法進(jìn)行驗(yàn)證和測(cè)試。視覺(jué)處理模塊則基于VisualC++和OpenCV開(kāi)源庫(kù)實(shí)現(xiàn)。4.3關(guān)鍵技術(shù)在分析上述典型解決方案的基礎(chǔ)上,基于視覺(jué)的UAV-AAR系統(tǒng)涉及的關(guān)鍵技術(shù)可以總結(jié)如下:1無(wú)人機(jī)加油機(jī)性能測(cè)試和魯棒性測(cè)試計(jì)算機(jī)視覺(jué)處理算法是UAV-AAR解決方案的核心,是實(shí)現(xiàn)高精度、高更新頻率的導(dǎo)航與控制系統(tǒng)的關(guān)鍵。對(duì)于可能適用的視覺(jué)算法應(yīng)當(dāng)進(jìn)行充分的性能測(cè)試和魯棒性測(cè)試,并根據(jù)無(wú)人機(jī)自動(dòng)空中加油的具體情況加以改進(jìn)。采用雙目或者多目視覺(jué)系統(tǒng),通過(guò)簡(jiǎn)單的三角變換就可以方便地獲得目標(biāo)物體的位置信息,并且不需要事先知道目標(biāo)物體的三維模型,這將非常有助于提高加油機(jī)和無(wú)人機(jī)相對(duì)位姿估計(jì)的精度和處理速度。采用切換機(jī)制或者其他方式對(duì)基于特征跟蹤和基于圖像這2類解決方案進(jìn)行整合,若能恰當(dāng)選擇閾值函數(shù)、切換閾值等參數(shù),就可以在綜合2類方案優(yōu)點(diǎn)的同時(shí)避免它們的缺點(diǎn)。2圖像顯示傳感器無(wú)人機(jī)自動(dòng)空中加油技術(shù)對(duì)導(dǎo)航和控制系統(tǒng)的精度和更新頻率要求都很高,因此對(duì)數(shù)據(jù)融合的精度和處理速度都提出了很高的要求。均衡和兼顧兩方面的需求,選擇合適的多傳感器融合算法非常重要。與GPS、INS等常見(jiàn)的傳感器系統(tǒng)不同,視覺(jué)傳感器輸出的是圖像,因此UAV-AAR技術(shù)需要解決異類信息融合的難題。Kalman濾波器是目前公認(rèn)的進(jìn)行多傳感器數(shù)據(jù)融合最有力的