[发明专利]一种多旋翼无人机的智能道路巡检控制方法

权利要求书

1.一种多旋翼无人机的智能道路巡检控制方法，包括以下几个步骤：

步骤1：通过云台控制单元控制机载云台图像传感器，使图像传感器垂直向下，图像传感器获取得到无人机正下方图像信息；

步骤2：通过无人机搭载的图像传感器获取路面图像信息，通过图像处理提取得到道路中心线；

步骤3：利用提取得到的道路中心线与无人机实际位置的偏差值进行无人机的飞行控制，在确定控制底层驱动后，只进行无人机俯仰与偏航控制，对于俯仰控制，采用定速飞行；对于偏航控制，采用双模参数自校正模糊PID控制；

所述的步骤3中偏航控制所采用的双模参数自校正模糊PID的实现步骤如下：

(1)利用提取得到的道路中心线与无人机实际位置得到横向位置偏差量值e、以及无人机当前高度信息H作为控制器的模式识别判决量；

(2)根据横向位置偏差量值e，同时设置模式识别判决量阈值e_thre1，在横向位置偏差量值e>e_thre1时应用参数自校准模糊控制，在横向位置偏差量值e≤e_thre1时，应用PI控制；

(3)横向位置偏差量值e>e_thre1时，参数自校正模糊控制器设计如下：

step1:以道路中心线与无人机实际位置的横向偏差量e和偏差量的变化率ec作为控制器的输入，偏航控制量u作为控制器的输出；同时设置论域的大小：输入变量偏差值e以及偏差变化率ec的论域范围分别为：[e_min,e_max]、[ec_min,ec_max],输出变量偏航控制量u的论域范围为：[u_min，u_max]，同时根据输入变量偏差、偏差变化率以及输出变量的论域范围的大小设置输入语言变量E、EC以及输出语言变量U的论域分别为X、Y、Z，根据输入、输出语言变量论域的大小选取模糊语言值，并建立起模糊语言与语言变量相对应的变量赋值表，语言变量赋值表根据需要的控制精度以及实际控制经验进行建立；此后，进行输入变量的模糊化，以预先设定的量化因子k_e、k_ec分别乘以采样得到的横向偏差量e和偏差的变化率ec由此得到量化后的E和EC；

step2：建立模糊参数调整器，调整器的输入为量化后的E以及无人机的高度值H，由此查询自适应控制器参数调整表得到控制器的调整倍数N，并得到新的量化因子k_e'＝k_e*N、k_ec'＝k_ec*N和比例因子k_u'＝k_u/N，式中的k_u为预先设定的比例因子，并由此得到新的量化后的E和EC；

step3：设计模糊控制规则库：根据论域中每一条输入经模糊控制规则库得到的输出，建立模糊控制器查询表；根据模糊语句“if E and EC then U”得到相应的模糊关系将每条模糊关系进行归纳，建立起模糊控制规则表，得到总的模糊关系模糊控制器查询表的建立是根据输入语言变量E和EC论域中所有元素X、Y作模糊运算并将论域中所有元素进行遍历，最终得到；

step4：根据量化后的控制量，查询模糊控制器查询表，得到相应的输出量Y，并乘以比例因子k_u'，得到输出的偏航控制量u；无人机根据偏航控制量实现无人机的偏航控制；

(4)横向位置偏差量值e≤e_thre1时，应用PI控制器即比例积分控制器，实现无人机的偏航控制。

2.根据权利要求1所述的一种多旋翼无人机的智能道路巡检控制方法，所述的步骤2中通过图像处理提取得到道路中心线的具体步骤如下：

(1)将拍摄得到的图像从RGB颜色空间转换到HSV颜色空间；

(2)提取H通道图像，通过颜色区间分割道路区域；

(3)对道路区域进行形态学膨胀运算，消除道路上物体造成的空洞；

(4)提取得到道路边缘，将得到的道路边缘中心线作为目标飞行轨迹。