摘要
QUAV是一种具有结构简单、可低速飞行、垂直升降等优点的飞行器。与常规布局无人直升机相比，QUAV成本较低且维护方便。基于这些优点，近年来学术界对QUAV的研究热度不断上升，同时，QUAV在军用领域和民用领域的应用也趋于频繁。国内企业对QUAV的研发使得消费级QUAV在国内的市场占有比重越来越大，这些企业在国际上的竞争力也不断增强。论文围绕QUAV在城市环境中的飞行问题，以实现城市环境下的鲁棒飞行为目标，着重研究了感知城市环境的传感器及其预处理技术，双目测距系统，避障策略，障碍物识别，飞行控制系统设计等内容。论文的主要研究内容如下： 首先，详细分析了QUAV的工作原理，从物理角度分析了QUAV的力和力矩。同时，为了方便对QUAV进行数学分析，建立了机体坐标系和世界坐标系，并解算了两个坐标系之间的变换矩阵。然后基于两个坐标系之间的关系，建立了传递函数表述的非线性动力学方程。考虑到实际工程中的运用，采用标准LPV法对非线性模型进行了线性化处理。 然后，设计了基于线性化动力学方程的鲁棒控制器。其中包括对模型鲁棒性的分析，分析中解释了模型不确定性以及左右互质分解的步骤，之后又对鲁棒稳定问题解决的一般步骤进行了阐述。在鲁棒控制器的设计过程中，结合了回路成形法并设计了补偿器。考虑到实际的工程应用问题，对鲁棒控制器进行了降阶处理，并用控制仿真进行了验证，实验结果表明该控制器的设计是有效和合理的。 其次，针对城市环境中信息的感知，通过分析选用了鱼眼相机作为主要信息采集传感器。针对鱼眼相机进行了成像特点和成像模型的分析，并对鱼眼图像矫正进行实验比较。实验中分别比较了经纬度矫正法、双经度矫正法、基于等立体模型的矫正法，实验结果表明基于等立体模型的矫正法效果最好。针对鱼眼相机标定问题，提出了基于遗传算法的一种标定方法，并通过实验进行比较分析。实验结果表明，基于遗传算法的鱼眼相机标定方法比传统的鱼眼相机标定方法精度更高。 接着，设计了一种障碍物识别模块，该模块将识别系统分为检测与识别两个部分。障碍物的检测运用了vibe前景检测算法，实验验证该算法是有效的。针对障碍物的识别，设计了一种基于SVM算法的分类器，该分类器通过SURF算法提取图像特征，运用K-means算法进行特征聚类，利用BOW模型将聚类特征进行向量化处理，形成的图像向量作为SVM算法的输入数据。实验中比较了基于各种核函数的分类器效果，其中基于多项式核函数的SVM分类器识别率最高。 最后，设计了城市环境中QUAV的避障策略。整个避障模块被分为两个子系统，分别为全局路径规划和局部避障。全局路径规划运用了A-star算法并通过了实验验证，该算法是有效的。局部避障算法采用基于人工势场法的避障策略，考虑到传统人工势场法具有目标点不可达的缺陷，对此进行了改进，提出了虚拟障碍物和虚拟势场的概念，通过实验验证，改进的人工势场法是有效的。针对局部避障中的测距问题，采用双目测距系统，利用ORB算法作为特征检测算法并与SURF算法进行了比较，实验结果中ORB算法更加具有时效性。同时，分别运用RANSAC算法和PROSAC算法进行特征匹配优化，实验验证了PROSAC算法较RANSAC算法效率更高、优化效果更好。
NETL