摘要
无人机自主着陆技术是无人机完成各种任务的关键技术之一。传统方法在无人机自主着陆过程中采用传感器获取无人机位姿，但GPS容易受到障碍物影响，且飞行过程中PID控制对干扰的抵抗能力较差，一旦飞行过程中出现大的扰动，就会导致非常大的着陆误差。为了解决这一问题，本文对无人机自主着陆控制系统进行研究，采用传感器与视觉信息相结合的方法对无人机位姿进行估计，并采用鲁棒性好、抗干扰能力强的线性自抗扰控制技术对飞行控制系统进行设计。 针对FasterRCNN目标检测算法多目标多分类带来的学习效率低、检测精度差的问题，进行网络结构删减、个性化卷积核设计和多任务损失函数设计，提高目标检测效率和精度。针对Harris角点提取算法容易受到复杂背景影响、阈值需要手动设定的问题，进行模板差分预处理和自适应阈值设计，提高角点提取效率。针对传统PID控制跟踪精度低、抗干扰能力差的问题，进行线性自抗扰控制，提高系统的抗干扰能力。 在无人机自主着陆控制系统的设计中，首先，采用深度学习的方法进行着陆目标检测，得到着陆目标所在区域;然后，对获得的着陆目标区域进行角点提取，得到着陆目标的特征点;接着，采用P4P算法对获得的特征点进行位姿解算，并进行数据融合得到无人机的位姿;最后，将获得的无人机位姿导入轨迹跟踪控制器进行飞行控制。为了对本文设计的无人机自主着陆控制系统进行验证，搭建实验平台并开展角点提取与自主着陆实验。实验结果表明本文设计的无人机自主着陆控制系统可以较为准确地实现无人机在指定着陆目标上的自主着陆。
NETL