无人机

随着遥感、通讯技术的迅速发展,微小无人机的设计逐步被深究。小型无人机由于其高度灵活机动性、信息化强、适应恶劣环境等优势,近几年在军事、高空拍摄、农业等领域有着广泛的应用,通过搭载在机体上的各类传感器单元获取所需的数据信息,如图像的采集,能够对特定特殊环境进行有效的勘察。但目前,无人机的地面控制站主要使用功耗高、体积大的PCI总线采集技术,一定程度限制了无人机的高度灵活性等优点。因此,以32位ARM微处理器为核心、DM368作为协处理器,设计出一种基于嵌入式的实时性强、数据传输和处理速度快的无人机勘察系统。

1 系统功能架构

无人机系统的设计由飞行控制系统、无线通信系统、地面控制站三大遥感技术组成,飞行过程包括飞行器的起飞、飞行轨迹、任务处理和回收等过程,其中飞行控制系统是本系统设计的核心。图1为无人机勘察系统的总体结构图。图中传感器单元由陀螺仪、GPS等组成,采用无线射频模块XT09-SI负责将采集到的信息传输到地面控制站并传达地面控制站的控制指令,形成飞行控制-飞行管理-飞行任务实施,完成无人机的信息接收、信息处理、信息输出的功能,实现智能化、网络化。

基于嵌入式的无人机勘察系统设计

2 系统硬件设计

本系统围绕着以以ARM为内核的S3C2410搭建起主控制处理模块,采用小型的CCD摄像机和DM368视频协处理组成对音频和视频的采集,无线射频模块XT09-SI作为数据的传输和接收通道的媒介,在无人机飞行器上搭载GPS、陀螺仪、磁航向等多种传感器单元,实现对不同数据的精确采集和改变飞行轨迹等功能。

2.1 数据传输模块

数据的采集和传输及接收是无人机系统设计的复杂部分,为了有利于系统后期的功能拓展和硬件维护,采用模块化的设计。采用XT09-SI无线射频模块作为该电路的数据传输模块。该无线传输模块与微控制器的电路接口采用串行通信原理,硬件连接示意图如图2所示。数据间通信使用标准的RS-232接口,并设计高速光耦隔离6N137模块对电路提高抗干扰能力,通过接收地面控制站的指令,完成无人机的飞控的控制、数据采集和发送等功能。

基于嵌入式的无人机勘察系统设计

2.2 图像视频传输模块

DM368模块是基于ARM 926EJ处理器的低功耗数字多媒体处理芯片,DM368模块采用的是完成符合PAL制式视频标准,可接Flash Memory或者FPGA等设备,支持H.264、MPPEG4等图像编码技术,芯片内部集成32 k RAM、16 kROM、丰富的外部接口等资源,集图像和音频采集于一体,可以稳定高效的管理数据通信、视频压缩编码等任务。由于视频数据在发射端和接收端会存在偏差,为了减少误差,需对H.264帧图像压缩编码算法进行优化。常用的H.264处理方法有对编码纹理负责区域的4×4像素和区域平坦的16x16像素两种算法,帧的预测可以看成是由简单的加法和移位运算来减少预测模式从而提高编码的效应。16x16像素预测模式由垂直预测、水平预测、DC预测以及平面预测4种模式,4种模式的函数为:

基于嵌入式的无人机勘察系统设计

本系统对图像的帧算法通过对16x16像素预测编码采用加法器和移位器运算,对计算方程进行优,减少数据占用空间,使视频传输效率提高。采用的算法如下:

基于嵌入式的无人机勘察系统设计

2.3 主控制器模块

无人机勘察系统的主控制器选用具有高性能、低功耗32位内核S3C2410,工作频率最高可达到266 MHz,拥有高效的信号处理能力,片上集成丰富的资源,高达24个外部中断源,能够满足多路中断处理,提高处理器的资源利用率,3路URAT,I2C、PWM、SPI等多路通信接口,片外存储器的接口拓展有Nor Flash、SDRAM,通过总线方式与微处理器相连,拓展储存数据空间,并且具有高数据传输的DAM通道。S3C2410芯片通过SPI接口和RS-232接口与XT09-SI无线模块以及其他传感器单元模块进行数据的交换。

3 软件设计

无人机勘察工程中,地面控制站对无人机的控制方式有手动航模操作、遥控指令控制、程序预定控制等操作,操作系统要求满足能够管理多任务和判断优先级。在目前的嵌入式操作系统中有Linux、UC/OS、UC/GUI等多种,都具备各自的优势。无人机勘察系统要求软件的编写可靠、简单易操作,因此,本系统的软件设计采用可管理64个实时多任务内核的UCOSII。要实现对无人机的飞行控制,软件编程的重点在于对UC/OS操作系统的体系结构拓展,建立起RTOS实时操作系统。以下是操作系统的部分示意代码。

基于嵌入式的无人机勘察系统设计

4 系统测试

地面监控平台是这个系统设计的重要部分,监控中心上位机采用Qt开发,通过Socket编程,实现上位机和无人机控制程序之间能够双向通信,实时接收无人机采集到的信息和发送控制指令,完成所需的飞行任务。地面监控平台能过得到无人机采集到各类传感器单元的数据,并实时在窗口显示出来。本次实验让无人机进行简单的飞行测试,系统能够及时响应。图3是监控系统接收到的部分信息。

基于嵌入式的无人机勘察系统设计

5 结束语

文中设计了基于嵌入式的无人机勘察系统,通过引入UC/OS实时内核,能够完成数据的采集、传输和处理,运用DM368视频协处理对高压缩率的H.264标准的图像进行压缩编码,可采集并传输稳定、高速实时勘察到的图像和音频。整体绕着ARM构成的微控制器运转、具有低功耗、数据处理速度高效等特点,随着嵌入式和传感器的不断发展,无人机勘察将在军事、高空拍摄、农业等领域得到更好的发展与应用。

来源:电子设计工程

围观 535

摘 要: 无人机的广泛运用,在给人们带来便利的同时,也引发了不良影响。比如,无人机飞入禁飞区引发安全问题,由于不正当的使用侵犯公民的隐私等,因此需要构建一个无人机警察系统,对无人机实施监控,遏制乱飞现象。采用传统的识别方法,灵活性不足,精度也不够高。为此提出一种基于深度学习的无人机识别算法,通过训练一个基于卷积神经网络(CNNs)的学习网络,得出一个高效的识别模型,实现无人机和非无人机间的分类。模型的测试结果表明,该方法具有较高的识别率。

引言

无人机技术的发展十分迅速。从美军无人机的使用,到现在无人机在研究、民用等多方面的普及,无人机已成为一种新的潮流[1-2]。随之而来也带来很多新问题,此前无人机险撞战机事件的发生,就给人们敲响了警钟。因此,无人机警察系统的搭建势在必行。本文的研究重点为:建立视觉传感网,用于无人机的图像捕捉和信息存储;引入深度学习对无人机进行识别,及时发现“黑飞无人机”,并采取相应报警措施,实现对无人机的全面监管。

1、视觉传感网

整个视觉传感网(Visual Sensor Networks,VSNs)由多个节点组成,每个节点都将由摄像机阵列构成,这将作为整个系统的基础部分[3],如图1。

基于深度学习的无人机识别算法研究

城市环境下一个节点的安置示意图如图2。

基于深度学习的无人机识别算法研究

为了减轻对居民的干扰,可以修改摄像机焦距参数,从而限制摄像机的拍摄范围。通过多台摄像机交叉覆盖,成功地将中间的空地区域全方位地纳入监控之中。

考虑到多节点所提供的庞大数据量以及优化控制结构的需要,将数据网络设计成三层结构。位于最底层的第三层由数量不等的节点构成一系列簇组成,每个簇内的节点统一将数据发往一台次级处理服务器。整个网络内的次级处理服务器构成网络的第二层,将数据送往位于第一层的中央高级服务器。

2、基于深度学习的图像识别中心

无人机警察系统中关键组成是图像识别中心,其任务是将视觉传感网中的图像信息进行分析和处理,从图像中识别出无人机,从而实现对无人机的监控,属于目标识别领域。目前这一领域已经有了大量的优秀成果出现。最常见有行人检测问题,可用的特征包括:Haar、HOG、CSS、LBP等多种,这些特征表达了人体的各个重要部分,并且充分考虑了遮挡等情形。王晓刚和欧阳万里更提出了基于深度学习的行人检测手段,通过联合学习行人检测中的4个重要组成部分——特征提取、人体部件形变处理、遮挡处理和分类,最大化了各自的作用[4]。他们在传统的卷积神经网络的基础上,加入了形变处理层,最终习得的特征具有很强的判别力,优于HOG等特征。王晓刚团队的方案,是深度学习在目标识别领域的成功应用,给本文的研究提供了研究参考。再比如人脸识别问题[5-6],则具有更复杂的变化,因为人脸受种族、肤色、表情、情绪、光照环境、物体遮挡等众多因素的影响。推广到各种特定物体的识别乃至场景识别、深度学习也有很多方案[7]。由于无人机警察系统中图片信息量丰富,且无人机的飞行状态多样,因此识别难度较大。为此,本文将引入深度学习算法,并以卷积神经网络作为图像识别中心。

2.1 卷积神经网络

2006年,Hinton等人首次提出深度学习的概念[8],并开启了深度学习的研究浪潮,其认为:多隐层的人工神经网络能够更好地模拟人脑的思考过程,具有更加优异的学习能力,能够对数据进行更本质的刻画,从而提高可视化或者分类的能力。

卷积神经网络是深度学习中第一个真正多层结构学习算法,其在图像识别领域优势明显。它利用感受野、局部连接等概念极大地减少了参数量,降低了网络模型的复杂度,提高了训练效率,且网络对于平移、缩放的各种变形都具备高度不变性。

卷积神经网络属于前馈多层神经网络的一种,每层由多个二维平面组成,多个神经元组成了每个平面,其结构如图3所示。

卷积神经网络利用了一系列的卷积层,降采样层构建了多层网络,来模拟人脑感知视觉信号的逐层处理机制,从而提取图像的多层次特征。

通过加入卷积层,可以实现局部连接网络,有效减少了需要训练的网络参数。例如,对一张大的图片输入,其尺寸为r×c,随机采样为a×b的小图片,如果隐含节点为k个,那么最终学习到的特征数为:

基于深度学习的无人机识别算法研究

卷积神经网络利用了一系列的卷积层,降采样层构建了多层网络,来模拟人脑感知视觉信号的逐层处理机制,从而提取图像的多层次特征。

通过加入卷积层,可以实现局部连接网络,有效减少了需要训练的网络参数。例如,对一张大的图片输入,其尺寸为r×c,随机采样为a×b的小图片,如果隐含节点为k个,那么最终学习到的特征数为:

基于深度学习的无人机识别算法研究

池化层是为了解决网络输出维数过大、造成分类器难以设计的问题。同样是根据统计结果的相似性原理,池化操作对卷积得到的结果进行统计计算,减少了需要训练的系统参数。

权值更新采用BP反向传播算法。反向传播的误差可看做每个神经元的基的灵敏度(即误差E对基b变化率的偏导函数),然后利用以下关系式:

基于深度学习的无人机识别算法研究

最后的分类应用了Logistic Regression扩展的一种多分类器:Softmax Regression。其系统方程及系统损失函数分别为:

基于深度学习的无人机识别算法研究

2.2 基于深度学习的无人机识别流程

由于视觉传感网获得的一系列图像中,关注的对象可能只占其中的一小部分像素区域,又由于对象具有运动性,故在识别中心操作之前将采取帧差法提取感兴趣的对象,作为算法的正式输入[10-11]。二帧差法基本原理如下:

基于深度学习的无人机识别算法研究

其中i(t)、i(t-1)分别为t、t-1时刻对应像素点的像素值,T为阈值。

基于深度学习卷积神经网络的无人机识别流程如下所示。

步骤一:数据预处理

(1)帧差法提取目标区域;

(2)数据格式转换;

(3)预定义标签;

步骤二:深度网络训练、测试

(1)构建卷积神经网络,确定网络层次结构和权重参数等;

(2)数据依次进入卷积层、池化层、全连接层,进行计算;

(3)采用Backpropagation Pass反向传播,进行参数调整;

(4)当误差满足或者迭代次数满足时,网络停止训练,进入Accuracy层计算准确率并输出(只在测试阶段执行,训练时不执行)。

3、识别性能与结果分析

首先构建了视觉传感网,设置了2个节点,目前系统仅限于白天工作。

输入2 848张图片进行训练,基础学习率设置为0.001,迭代5 000次后获得的模型用于之后的测试分析。测试时输入712张图片,模型正确分类的情形共有634例,可得:

基于深度学习的无人机识别算法研究

由于目前无人机识别方面没有其他现成的模型可供比较,因此本文分析了ROC曲线参数。在信号检测理论中,接收者操作特征(Receiver Operating Characteristic,ROC)是一种对灵敏度进行描述的功能图像,该图像称为ROC曲线。应用ROC曲线来表示分类器的性能非常直观。同时为了定量且简洁地表达这种性能,Area Under roc Curve(AUC)被提出。AUC的值等于ROC曲线正下方的面积,AUC的数值越大,分类器的性能越好。图4表示的是与ROC曲线绘制相关的一些量,依次为TP(True Positive)、FP(False Positive)、FN(False Negative)、TN(True Negative)。

基于深度学习的无人机识别算法研究

在随机分类模型,对于任一样本输入,模型对其的预测score是完全随机的,假设预测score落在区间[0,1]上,则预测概率数学表达为:

基于深度学习的无人机识别算法研究

因此本文的ROC曲线图结果如图5所示。图中整个曲线越向点(0,1)逼近,模型的性能就越好。

基于深度学习的无人机识别算法研究

4、结论

本文较好地将深度学习的方法应用到了无人机警察系统这个新颖的概念上,对无人机的识别率比较高。在网络结构的设计上,可能存在冗余,导致模型收敛速度不够快,训练效率有所损失。后期将继续对网络结构的进行研究,希望能够进一步提高模型的质量,并使其具有更广的适应性。

参考文献

[1] 闫玉巧.面向无人机的自动检测系统设计与实现[D].西安:西安电子科技大学,2011.
[2] 胡占双.无人机飞行姿态检测及控制研究[D].沈阳:沈阳航空航天大学,2013.
[3] AHMAD N.Modelling and optimization of sky surveillance visual sensor network[D].Mid Sweden University,2012.
[4] OuYang Wanli,Wang Xiaogang.Joint deep learning for pedestrian detection[C].ICCV,2013.
[5] Li Ming,Yu Chengyang,Nian Fuzhong,et al.A face detection algorithm based on deep learning[C].IJHIT,2015.
[6] Nagpal Shruti,Singh Maneet,Singh Richa,et al.Regularized deep learning for face recognition with weight variations[J].IEEE Access,2015,3:3010-3018.
[7] Yuan Yuan,Mou Lichao,Lu Xiaoqiang.Scene recognition by manifold regularized deep learning architecture[J].IEEE Transactions on Networks & learning,2015,16(10):2222.
[8] HINTON G E,SALAKHUTDINOV R R.Reducing the dimensionality of data with neural networks[J].Science,2006,313:504-507.
[9] SAXE A M,KOH P W.On random weights and unsupervised feature learing[C].International Conference on Machine Learing,2011:1089-1096.
[10] 王鑫.检测不规则图形的改进广义Hough变换[D].北京:首都师范大学,2012.
[11] 唐俐勒.视频监控中运动图像检测与测距技术的研究[D].西安:西安科技大学,2010.

蒋兆军1,成孝刚2,彭雅琴3,王 俊1,李 智2

(1.无锡职业技术学院 汽车与交通学院,江苏 无锡 214121;
2.南京邮电大学 通信与信息工程学院,江苏 南京210003;
3.三江学院 计算机科学与工程学院,江苏 南京 210012)

来源: 电子技术应用

围观 393

作者:郭子仁
—本文摘自新通讯杂志 2017 年 194 期《 趋势眺望 》

据Gartner最新预测,2017年个人与商用无人机的市场规模将高达60亿美元,三年后更将成长到112亿美元,且出货量将达300万架,因此,无人机已被视为未来的明星产业。商用无人机竞争激烈,唯有发展专业技术,建立竞争门槛,才能避免沦为价格厮杀。

无人机的风行缘起于以空拍为主要用途的四轴飞行器,随之发展出各种创新应用,如:送货无人机、作战无人机与载客无人机等,引发了各界对于无人机未来应用的憧憬;2016年「双11」购物季开打,京东以无人机送货为宣传重点,宣称可以无人机送货解决广大农村最后一公里的配送难题。

另外,中科院宣布已将目前的长航程、大型无人机「腾云机」,发展成具备「电子侦搜及干扰」作战功能的无人电战机。杜拜将在今年推出「EHang 184」载客无人机,能够承受一名体重100公斤以下的乘客,同时乘客还可以把小手提箱放在隔间里。

近年来Amazon、Walmart、UPS、FedEx、乐天、淘宝网等物流及零售业者亦纷纷投入无人机进行商业用途测试,据Gartner最新预测,2017年个人与商用无人机的市场规模将高达60亿美元,三年后更将成长到112亿美元,且出货量将达300万架,因此,无人机已被视为未来的明星产业。

无人机分类与应用

若以功能进行分类,无人机可分为四大种类(表1):

若以功能进行分类,无人机可分为四大种类(表1)

依据应用的不同,无人机的续航力、性能及配备也会有所不同。此波无人机市场中最受瞩目的当属商用类无人机市场,商用机不再仅是单纯的无人空拍器,而是能执行农业植保、管线巡检、警用巡视、防灾救灾、搜寻救援、环境监测及娱乐广告等任务的飞行机器人;最近已有美国无人机业者利用无人机搭载4G LTE设备,成功利用无人机提供网路信号,暂代因灾受损的基地台。

而商用无人机也被广泛应用在动物监测上,澳洲农场以及泰国国家公园,以无人机代替人类巡逻,可充分掌握野生动物行踪,同时预防农损以及打击非法盗猎,可有效地减少人员与动物的伤亡;亦有国内厂商引进生技公司的生物防治技术,结合无人机创新应用投入政府对抗登革热的防疫计画。这些持续增加的创新应用,推动了划时代的空中产业革命。

无人机机型

无人机和飞机一样具有多种机型(表2):

无人机和飞机一样具有多种机型(表2)

无人机如同载客或载货用飞机之组成,硬体部分包含电池、引擎、材料、微机电、感测器、嵌入式系统等多种零组件;软体部分则利用到人工智慧、资料分析处理等技术。所以开发厂商唯有在创新应用之中,加强领域专门技术,才能超越竞争者,赢得市场。

专业技术-建立竞争门槛

商用无人机竞争激烈,唯有发展专业技术,建立竞争门槛,才能避免沦为价格厮杀,以下为数个创新应用案例分享:

电力巡检无人机

因高压输电线周围存在很强的电磁场,无人机上的陀螺仪、电子罗盘等感测器又容易被电磁干扰而失去精准度,所以此类无人机需要设计较强的抗电磁干扰能力,同时根据作业需求还需配备足够的电池容量或燃料以满足巡检行业较常操作时间的需求。

娱乐广告无人机

根据金氏世界纪录,「最多无人机同时飞行」的世界纪录曾由 Intel持有,数量达500台之多,以无人机搭配交响乐成为耳目一新的空中萤光秀。而今年广州亿航更完成了一千台无人机编队进行广州元宵晚会的商演。 而经纬航太更引进生物防治技术,将无人机用于释放雄性公蚊,利用红色萤光蛋白基因来追踪监测疫情抑制成果,再据以评估下次释放公蚊数量。联合国病媒控制委员会已经证实并认定此一技术在健康及环境上不会造成威胁,并已经在多国取得执照且实际使用,实证结果也显示具减少90%病媒蚊的卓著成效。

专业技术-感测器融合算法解析

厂商除发展专业应用领域外,亦可发展自有专业技术,无人机自动控制与感测器演算法,需要融合加速器、陀螺仪、电子罗盘、气压感测、超音波及光流等感测器融合技术,此乃国内微控制器厂商的专长之一,可协助国内无人机厂商快速建立技术门槛。

以新唐科技为例,其提供多感测器融合的函式库与图形化工具,帮助客户快速上手进行系统校正。其姿态感测融合算法的函式库可提供每小时小于15度且具温度补偿的零点飘移,更新率达1kHz以上(1ms回算一次),水准误差小于1度,方位误差小于1.5度,单芯片可支持两组感测器运算,也支持使用者自选感测器,不受限于选择特定型的感测器。

图1 感测器融合算法架构图

图1 感测器融合算法架构图

在常见的感测器误差问题中,与加速度计相关的问题是感测器与电路板不平行,在高角度(60至90度)的感测精度下降;与陀螺仪相关的则是平转的零点角度飘移,温度造成的随机误差;与电子罗盘相关的是磁场扭曲(Soft Iron)及磁场偏移(Hard Iron);要解决以上的问题,皆须通过演算法不断地进行补偿或校正。相关的校正有加速度计的快速Z校正,全面校正(6个方向),1度的精确度计算;陀螺仪校正的陀螺仪中心校准(Drift Cancel),陀螺仪比例校准,陀螺仪飘移需小于15度/每小时;罗盘校正的三轴全回转,软磁干扰与硬磁干扰消除,及1.5度的精确度计算。

图2 PID算法控制调测工具

图2 PID算法控制调测工具

而电机控制方面,需要采用PID算法控制,单片机厂商亦提供了调测工具:

如采用专业的姿态运算资料库,将可提高系统高精准度姿态量测,融合10轴感测器以达到快速的姿态更新率(1,000Hz以上),取得稳定的PID控制系统和完整的电脑端应用介面,以顺利达成系统量产之工程需求。

新唐科技提供的解决方案与函式库、开发概念原型机所需的飞控板和简易遥控器以及完整的开放源程式范例,可协助业者快速完成产品概念设计,建立自有的专有技术,达成量产目标。

来源: 新唐MCU

围观 383

无人机的飞行感知技术主要用作两个用途,其一是提供给飞行控制系统,由于飞行控制系统的主要功能是控制飞机达到期望姿态和空间位置,所以这部分的感知技术主要测量飞机运动状态相关的物理量,涉及的模块包括陀螺仪、加速度计、磁罗盘、气压计、GNSS模块以及光流模块等。

另一个用途是提供给无人机的自主导航系统,也就是路径和避障规划系统,所以需要感知周围环境状态,比如障碍物的位置,相关的模块包括测距模块以及物体检测、追踪模块等。

机体运动状态感知

● 陀螺仪

目前商用无人机普遍使用的是MEMS技术的陀螺仪,因为它的体积小,价格便宜,可以封装为IC的形式。MEMS式陀螺仪常用来测量机体绕自身轴旋转的角速率,常用的型号有6050A(Invensense),ADXRS290(ADI),衡量陀螺仪性能的指标包括测量范围(量程)、灵敏度、稳定性(漂移)以及信噪比等。

一文了解无人机飞行感知模块

上面是一个陀螺仪温度漂移测试结果图,测试的环境是从25℃升温至50℃,整个过程保持陀螺仪静止不动,陀螺仪的准确输出应该是一个固定的数值。但从结果来看,两款传感器的实际输出都受到温度变化影响。相比而言,ADXRS290(ADI)的输出数值变化幅度较小,基本上在0.5左右。

● 加速度计

加速度计测量的是机体运动的线加速度,但由于地球引力,测量值中还会包含重力加速度分量,在某些使用情况下需要把这部分减去。常用的MEMS加速度计传感器型号有6050A(Invensense)和ADXL350(ADI)。部分传感器生产商为了提高芯片集成度,会将陀螺仪和加速度计封装在一起,称为六轴传感器,例如6050A(Invensense)。

● 磁罗盘

磁罗盘测量的物理量是地球磁场强度沿机体轴的分量,并依此计算出机体的航向角。常用的MEMS磁罗盘传感器型号有HMC5983L(Honeywell)和QMC5883L(矽睿),两者性能相近,其中前者目前已经停产。磁罗盘主要的性能参数包括灵敏度、稳定性(漂移)等。

● 气压计

气压计测量的物理量是大气压值,根据该数值可计算出绝对海拔高度。常用的气压计传感器型号包括MS5611(MEAS)、MS5607(MEAS)以及BMP180(Bosch)。气压计在使用过程中存在的问题是,在近地面飞行时,“地面效应”的存在会导致飞机周围气体的气压分布与静止状态下的大气不同,使得无法用气压计来测算出高度。通常的解决办法是在起飞或降落时使用其他传感器,比如超声波传感器或激光测距仪。

● GNSS模块

GNSS模块测量的物理量相对比较丰富,主要包括地理坐标(经纬度)、海拔高度、线速度以及航向角(RTK系统)。常用的GNSS模块生产商包括瑞士的U-BLOX和加拿大的NOVATEL。在使用GNSS模块时,卫星信号接收天线的放置需要要注意电磁干扰的屏蔽,部分有实力的整机生产厂商会根据飞机型号专门定制卫星信号接收天线。

一文了解无人机飞行感知模块

● 光流模块

光流模块是一个比较特殊的模块,既可以用来感知机体的运动状态,如测量水平方向的位移速度,也可以用来感知周围的环境,用作避障的用途。比较常见的光流模块是开源的PX4FLOW。光流模块通常在室内使用,主要是为了解决室内卫星信号不佳的问题,另外对于拍摄的地面需要有一定纹理图案。

周围环境状态感知

● 测距模块

这里列举五个常用的测距模块:超声波、红外TOF、激光、毫米波雷达、深度感知摄像头。

一文了解无人机飞行感知模块

超声波和红外TOF各方面性能比较相似,比如测量距离都比较近,像超声波测量的距离一般在4米左右。另外这两种传感器的使用范围都容易受到实际环境的限制,比如红外TOF是向被测物体表面发射红光并反射,如果遇到红光反射率不高的物体像玻璃就会失效。但这两种传感器有一个最大的优势就是成本低,另外模块体积也比较小,所以在消费类无人机上得到了广泛使用。

激光雷达测距一般都比较远,大多数产品都可以达到100米以上,但是大雨大雾的天气环境会影响其测量结果。另外的劣势在于成本比较高: 在激光雷达行业实力最强的是Velodyne,它的一款适用于无人机使用的小型化产品VLP-16价格也达到了1000美元以上,对于商用无人机来说成本还是比较高。

深度感知摄像头根据测量技术可以分为三种,立体摄像头,也叫双目视觉技术,代表产品就是大疆的精灵4;结构光技术,代表产品有微软的Kinect;时差测距技术(TOF),由于生产厂家较少而且成本较高,因此在无人机上的应用很少。深度感知摄像头在使用时也存在局限性,双目视觉技术的缺点是在低光环境下无法正常工作,而结构光技术则与之相反,在强光下无法正常工作。因此有的厂家把两种技术进行组合,弥补彼此的缺陷,扩大其适用的环境范围。

提高测量精度的方法

● 传感器校准

传感器校准,包括精校准和粗校准。精校准效果比较好,但需要昂贵的标定设备;粗校准则不需要借助外部设备,只对传感器本身进行操作即可。

以磁罗盘的粗校准为例,由于地球上任意位置的地磁场强度在较长时间跨度内都可视为是恒定的,当转动磁罗盘时,根据相对运动可假设磁罗盘固定不动,而地磁场矢量随之在转动,其矢量端点在空间的轨迹应为一个标准的球体,但由于传感器存在误差,实际测出的数据并不严格都在球体的表面,这时候就需要根据测量出来的数值以及已知的准确值来计算两者之间的换算关系,也就是该款磁罗盘的误差模型。在以后使用该款磁罗盘时就可以根据粗校准得出的误差模型来处理测量值,使得测量值的误差减小。

一文了解无人机飞行感知模块

磁罗盘校准

● 多种传感器数据融合

不同类型的传感器数据融合方法有多种,在业内用的比较普遍而且效果也比较好的是EKF,也就是扩展卡尔曼滤波。

以计算飞机姿态角的融合方法为例,EKF更新过程主要分为两个部分,预测更新和量测更新。预测更新主要利用陀螺仪更新预测状态量,同时计算该状态量的协方差矩阵。在量测更新中先会计算滤波增益,然后使用滤波增益融合预测状态量、加速度计以及磁罗盘的数据,成为一个融合状态量,同时计算融合状态量的协方差矩阵,在下一次更新周期的计算中使用。

一文了解无人机飞行感知模块

计算姿态角的融合方法流程

● 传感器冗余设计

传感器冗余设计主要是将多个同种传感器进行组合,处理方法是首先会剔除数据异常的传感器,然后再进行传感器的融合。冗余设计不仅可以提高测量精度也可以提高整套系统的可靠性,在某一个传感器失效的情况发生时,让整个系统能够继续正常工作。

PS本文参考自领航高科、新智造
来源电子发烧友

围观 243

日本的发明家制造出了一种小型传粉无人机,希望替代一些濒危昆虫的工作。

日本发明家首次使用无人机完成授粉工作

当“机器蜜蜂”开始出现,人们是不是更加忧虑了呢?我们又失去了一位陪伴多年的伙伴。

在世界许多地方蜜蜂的数量正在急剧下降。在人们弄清导致这已结果的原因前,另一些科研人员正在研究使用无人机代替蜜蜂来传播花粉的技术。

日本筑波的国立先进工业科学研究所的研究人员正在探索这一可能性。他们利用了“离子液体凝胶”的粘性,使这个不寻常物理性质发挥了新用途。

团队首先从亚马逊购买了价值100美元的无人机,在这个基础上把它改装为传粉者:在无人机的底部增加了马毛,马毛上涂抹潮湿的凝胶。这样一来,拥有便利贴一般粘性的无人机底部便可以“抓起”和“释放”花粉粒。

日本发明家首次使用无人机完成授粉工作

研究人员将无人机撞向粉白相间的日本百合花的雌蕊和雄蕊。项目负责人宫浦一郎说道:“这是有史以来第一次由无人机授粉一朵花。”

目前这个阶段,发明仍然无法替代大黄蜂。根据加利福尼亚州的“蜜蜂经纪人”Joe Traynor的数据,加州的杏仁产业需要180万个蜂巢(相当于大约350亿只蜜蜂)来授粉90万英亩(约合3642平方千米)的杏树,这些杏树会发芽开出3万亿朵花。

“我不认为有任何技术能够替代数量如此巨大的蜜蜂”,Traynor说。

自然的授粉数字令人吃惊。然而,随着蜜蜂数量的减少,我们需要早日找到替代方案。在中国的一些地方,蜜蜂已经消失,果树园里,大量授粉工作由工人用手完成,这些工人爬上果树用刷子触碰每朵花。

目前来看,日本的传粉式无人机不如一个使用刷子的工人有效率。首先,它使用遥控器控制飞行,手动的操作机器无法超越自由飞行的蜜蜂。宫浦一郎强调,即使是性器官(雌蕊雄蕊)如此明显的百合花,要控制无人机准确无误的撞击仍然是一项非常有挑战性的任务。

日本的宫浦团队并不是唯一研究人工蜜蜂的科研团队。前微软CSONathan Myhrvold运营的发明公司Intellectual Ventures于2015年提交了一项专利申请,用于电子化农场中的飞行传粉者计划。一个波兰科学家团队去年制作了一个翱翔的无人机的视频,视频中无人机能够用刷子触碰塑料花。

宫浦认为,用无人机给开放的植物授粉,还需要添加高分辨率的摄像机,GPS以及人工智能程序。这些功能全部添加到超小型无人机上是十分困难的。

蜜蜂数量正在下降,疾病和农田杀虫剂可能是其中的祸因,真相尚未完全了解。今年1月,美国鱼类和野生动植物管理局首次在濒危物种名单上加入了一种大黄蜂,曾经丰富的锈补丁大黄蜂现在被定义为“濒危灭绝物种”。

编辑:段竞宇
来源:DeepTech深科技

围观 468

德州仪器(TI)近日推出了两款基于电路的子系统参考设计,可帮助制造商延长四轴飞行器和其它非军用消费级和工业级无人机的飞行时间和电池续航时间,主要用于包裹运送以及远程监控、通信和协助。

IHS Markit数据传输和管理服务高级分析师Stelios Kotakis表示:“飞行时间一直是娱乐型四轴飞行器和专业无人机在设计方面所面临的最大挑战,尤其对于那些被公司用于超视距操作的飞行器而言更是如此。快递公司希望无人机具有更长的电池续航时间,并且正在进行无人机运送包裹的测试,以确定无人机的使用效果。”根据IHS Markit一份最近的研究显示*,在没有额外负载的理想条件下飞行,市场上近50%无人机的预期电池续航时间不足30分钟,35%无人机的飞行时间为31~60分钟,其余15%和更少的无人机的飞行时间能超过1小时。

突破性电池管理设计

TI的2S1P电池管理系统(BMS)参考设计将无人机电池组转换为智能诊断黑匣子记录仪,可精确监控剩余电量,并在整个生命周期内保护锂离子电池。设计人员可以使用无人机BMS参考设计为任何现有的无人机设计添加测量、保护、平衡和充电功能,并延长飞行时间。利用bq4050多电池锂离子电量计精确测量电池的整个生命周期内的剩余电量,该设计还采用bq24600电池充电控制器和高效率DC/DC转换器,以实现高效率功率转换。

适用于高效率电机的高速性能

延长飞行时间的另一个障碍是无人机螺旋桨的转动效率较低。TI针对无人机电子调速器(ESC)的新参考设计将帮助制造商研制出飞行时间更长、更平稳和性能稳定的无人机。用于无人机无感FOC高速电子调速器参考设计有助于提升电子调速器的效率,最高转速速度可达到12,000 rpm以上(> 1.2kHz电动),包括快速反转功能,可提高翻滚运动的稳定性。

该设计采用TI的C2000 MCU InstaSPIN-FOC™解决方案,包括用于电机精确控制的F28027F微控制器及能够预估转子磁通、转角、转速和转矩的FAST磁场观察器专有软件算法。电机参数信息用于调整电流控制带宽。不同于其他技术,FAST无传感器观测器算法是完全自调谐的,无需调整即可实现正确运行和螺旋桨控制。该设计还包括一个具有超低静态电流的60 V LMR16006 SIMPLE SWITCHER® DC/DC转换器,可有效管理无人机的锂聚合物(LiPo)电池。

围观 421

今年以来,国内连续发生多起无人机威胁或干扰民航班机起降的事件,经新闻媒体报道后引发广泛讨论。作为民用无人机行业内一家负责任的企业,大疆创新认为有必要在此时简单阐述一下我们的一些想法。民用无人机时至今日尚属新生事物,如何更安全地飞行亦是一个全新课题。我们先来看看地面道路交通管理体系在我国是如何运作的,做一类比,以便于理解。

公安部交管局数据显示,截至2016年年中,我国各类机动车保有量达到2.85亿辆。理论上说,如此庞大数量的机动车行驶在道路上,对非机动车和行人随时构成潜在威胁,但我们看到,机动车驾驶依然是在可控范围内,分析其原因,主要有三。

首先,道路标识清晰,何处有路、何处能行驶机动车,各行其道,一目了然。当机动车道、非机动车道区分明显,任何一位遵纪守法的机动车驾驶员就不会把车随意开到非机动车道或人行道上。其次,红灯停绿灯行,机动车驾驶员在交通标识、信号灯等的帮助下,能具备基本判断力,避免事故发生。再次,我国机动车登记注册制度完善,每辆车配有唯一指向性的号牌,主要路口还设有俗称“电子眼”的道路摄像头,这样一来,即便发生交通事故,交管部门也可快速查找到肇事车辆和相关责任人。上述监管“组合拳”在平时对每位驾驶员来说也是一种监督和震慑。

大疆认为,我国针对无人机的管理,可借鉴地面道路交通管理体系的上述三方面举措,同时结合民用无人机和空域管理自身特点,完全可以做到规范化管理。以下,从禁飞/限飞区域、载人飞机避让技术和注册登记监管三方面进行简要阐述。

一、 禁飞/限飞区域

显而易见的是,三维空域较二维道路更显开阔,但也并非可以恣意随处穿行。那么,无人机到底哪里能飞、哪里不能飞?

市面上的大多数无人机产品都装有GPS或北斗等卫星定位模块,无人机可由此得知自身的实时位置和高度。以大疆的无人机产品为例,大疆为每一台产品配备有卫星定位模块,此外,在全球范围内收录了超过6,800座主要机场的地理坐标信息,将其预装在每台无人机产品里。

以机场每条跑道两端的中点为圆心、半径最高4.5公里,各划定一个圆形区域,两个圆及两圆之间组成的近似椭圆范围(详见附图)我们将其设定为禁飞区域。无人机在禁飞区内是无法起飞的,从外部闯入禁飞区的无人机则会立即自动下降至地面。从半径为4.5公里的禁飞区边缘再向外延伸2.5公里划圆、外加跑道两端15公里延长线,设定为限飞区。无人机在限飞区内飞行,其飞行高度是受到强制限制的。

通过技术手段强制执行禁飞和限飞指令,实际上是通过智能的方式令无人机“行其道”。此外,技术手段的运用,降低人为因素干扰,令禁飞、限飞指令得到严格执行。由此可在很大程度上减少无人机威胁民航飞机的可能性。

二、 载人飞机的预警避让技术

大疆深知,作为一家企业,很难确保全球范围内机场坐标信息的准确无误和及时更新,此外,在某些情况下,民航飞机、通航飞机、直升机等其他载人航空器,都有可能在我们设置的禁飞/限飞区外进行低空飞行。这好比,当机动车开入人车混行的乡间小道,看得见摸得着的隔离栏就不复存在。鉴于此,前文所述的基于机场限飞区域的措施就不足以保障安全。

事实上,早在民用无人机兴起之前,民航飞机与空管系统之间就已在使用一种叫作ADS-B的技术。常识告诉我们,开夜车而不打开车灯是极其危险的驾驶行为。同样,如夜间打开车灯一样,民航飞机在空中飞行,如果能主动让空中交通指挥系统和周边飞机及早了解到它所处位置,就能大大提高飞行的安全系数。ADS-B广播式预警技术由此应运而生。

其原理是,每架民航客机都装有一套ADS-B发射装置,每隔一定时间就向外以一定的特殊频率发送自己的航班、地理坐标、航向、速度等信息,而空管指挥系统和其他客机通过ADS-B接收装置,收到这些信息后就可以提前做出避让等应对动作。

让我们看一看,民用无人机安装ADS-B接收装置的益处在哪里。

配备了ADS-B接收装置的无人机,为其操控者增添了一双“千里眼”。系统对于正在接近的载人飞行器进行预警,会不断提醒和警告操控者。同时,系统会自动根据民航客机的相对距离、航向以及用户所操作的无人机当前的飞行高度等信息评估风险。如发现无人机存在威胁到民航客机的潜在可能性,在中国国内,系统甚至可以强制其下降高度或迫使其降落。

当然,系统只会做出潜在风险方位和级别的预警,并根据不同风险等级采取相应对策,不会显示任何民航班机的具体飞行信息,以免该技术遭滥用。

今后,大疆将逐步在新品中,特别是高性能飞行器中标配加装载人飞机预警系统,部分老产品也可通过软硬件升级等方式配备此功能。

三、 注册登记制度和空域监管

一机一码/strong>

在我国,每一辆机动车都拥有唯一的号牌,发生交通事故后,可追溯到涉事车辆及车主。同样的,自大疆出品整机设备以来,每一台大疆无人机都拥有唯一且不可篡改的SN标识码,且每个部件也均有唯一的标识码与无人机的SN码相对应。换句话说,只要找到大疆无人机产品的一个零部件(如云台或电路板),我们就可追溯到这是来自哪一台飞行器。

注册登记与监管

国内相关管理部门想要查询某一台无人机的机主是谁,在操作上亦是可行的。 相关管理部门可通过销售记录查询到该无人机的购买情况。

根据中国空域管理规定,在特定管制区域内,任何时段中任何无人机有关飞行安全的记录均有据可查。如无人机没有通过移动设备连接至移动网络,每台大疆无人机都会以特殊方式向外广播自身的唯一SN码、位置信息等,当其飞到特殊区域附近,相关监管部门可使用专业设备读取上述数据,查询所需信息。此种情形,类似于交警沿路拦停过往车辆查看驾驶证和行驶证。

综上所述,大疆认为,国内无人机的监管,如采用各种最新技术手段,其管理同样可以做到强制、到位。上述技术和措施,归纳如下:
(一) 为无人机划定严格的机场禁飞和限飞区域。在禁飞区域内不能起飞;在限飞区域内严格限制飞行高度。
(二) 无人机全面使用ADS-B接收机等载人飞机预警系统,收到的民航飞机信息在进行数据保护处理后提示用户,警示用户载人飞机的存在;在中国国内,在必要时强制无人机下降高度或降落避让。
(三) 无人机配备一机一码的标识码。
(四) 无人机飞行信息可实时接入管理系统,监管部门也可使用特殊设备对误闯入相应区域的无人机进行查询、记录。

以上是我们结合社会和技术发展趋势对中国国内无人机提升安全飞行水平的一些行之有效的方法和实践,也欢迎其他无人机厂商采用这些必要的方法和手段。大疆愿为构建国内无人机更加安全的飞行环境做出自己的贡献。

围观 404

无人驾驶飞机简称“无人机”,英文缩写为“UAV”,是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞行器。

当前,无人机的市场规模正在以一种不可思议的速度扩增,创业者们如同鸟群一样纷纷进场,行业竞争日趋白热化。然而,无人机现在可能并不是一门好做的生意,短期内,无人机企业大多数看重的是供应链整合、营销。但长远来看,还是技术为王。

无人机市场蓝海虽大,分一杯羹却并不容易。下面,就为大家介绍几款无人机及未来无人机技术突破点,还有一些无人机SOC系统。

零度智控:口袋无人机DOBBY

DOBBY口袋无人机是零度智控的首款消费级产品,这款小型智能无人机的问世意味着今后用户可以实现将无人机随身装在口袋里,想拍摄的时候拿出来随时可以放飞。

有关评论指出,DOBBY实际上做了两件重要的事,其一是变小,让无人机随身携带成为可能;其二是智能化,它带来的结果是通过简单的操作就能完成高难度的拍摄。除了这一基本用途外,它还能实现对人或物体的一键智能追踪拍摄,以及专业摄影师借助云梯才能实现的一键拉高拉远视频录制,堪称小型随身摄影师。

Aerix:号称世上最小的VR无人机

目前市面上已有不少厂家将无人机与VR结合在一起,但比巴掌还小,能在室内窜的微型版VR无人机你见过吗?Aerix就是一家专注微型无人机市场的公司,该公司曾发布微型竞速无人机BlackTalon获得不少好评,但BlackTalon当时采用的是LCD显示器。如今Aerix灵机一动,将VR设备加入微型无人机显然带来了新的思路。

这款号称世上最小的高清VR无人机机身规格仅为4.3x4.3x2.5厘米,最远飞行距离可以达到30米,还能进行360度旋转,还可以将录制的视频传输到配套的Aerix虚拟现实头戴设备上。并且用户完全不必担心无人机坠毁或者打破室内的东西,它们非常小,不会造成任何伤害。

Parrot:可射击迷你家庭无人机

法国无人机厂牌Parrot近日发布了新型玩具无人机Mambo。据悉,该无人机不但可装上机械爪钳来夹取物件,还可加装炮塔发射弹珠,为无人机衍生出更有趣的玩法。两款组件任意搭配

ParrotMambo的机身净重为63克,550毫安电池续航时间7-9分钟,另外搭配加速度计、陀螺仪、压力传感器(海拔无人机控制)或超声(飞行高度分析)和一个VGA摄像头。可执行多方位翻转打圈的特技飞行动作,易于操纵,小巧的机身适合儿童进行对抗游戏。

那无人机要想实现突破,关键技术点在哪?

一、动力技术

续航能力是目前制约无人机发展的重大障碍,消费级多旋翼续航时间基本在20min左右,用户外出飞行不得不携带多块电池备用,造成使用作业的极大不便。无人机必须在动力方面实现突破才能走上新的革命性高度。

1.新型电池
2015年,来自加拿大蒙特利尔的EnergyOr技术有限公司报道采用燃料电池的四旋翼进行了3小时43分钟续航飞行。此外,石墨烯、铝空气电池、纳米电池这三项电池技术有望成为未来电池世界的希望。人们对这些新的电池技术有着十分迫切的需求。它们将首先会被应用到手机和电动汽车,随后可配备于多旋翼。

2.混合动力
2015年,美国初创公司TopFlightTechnologies报道自己开发混合动力六旋翼无人机。该六旋翼仅需要1加仑汽油,便可以飞行两个半小时,约160公里的距离,最高负重达约9公斤。另外,一家来自德国的公司AirsTIer推出了一款多旋翼。该多旋翼采用油电混合动力,有效载荷5公斤,可飞行1个小时。

3.地面供电
采用地面供电的系留多旋翼,通过电缆将电能源源不断输送给多旋翼,可以极大提升多旋翼的滞空时间。比如:以色列公司Skysapience旋翼。

4.无线充电
无线充电技术已经在手机、电动牙刷等电子产品上实现市场化,并正在电动汽车领域开展深入应用。来自德国柏林的初创公司SkySense在无人机户外充电方面提供了一种解决方案:研发出一块可以为无人机进行无线充电的平板。SkySense的最大特点是可以进行远程控制,无人机的降落—充电—起飞全过程可以独立实现,不需要有人在现场进行干预和辅助。如果充电时间更快,那么无线充电技术将会极大地帮助多旋翼进行长途飞行。

二、导航技术

无人机准确地知道自己“在哪儿”、“去哪儿”,几乎是类似于人类“从哪里来、到哪里去”的哲学问题,在无人机的任何发展阶段都是绕不开的问题。

1.定位技术

(1)GPS载波相位定位
目前正在这方面开展研究的项目有:SwiftNavigaTIon公司开发的Piksi;日本东京海洋大学开发的RTKLIB开源项目。

(2)多信息源定位
英国军方BAE最近公布了他们研发的名为NAVSOP的定位技术。该技术将利用包括TV、收音机、Wi-Fi等等信息定位,弥补GPS的不足。

(3)UWB(UltraWideband,超宽带)无线定位

2.测速技术
目前公认的比较精确的测速方案是通过“视觉(光流)+超声波+惯导”的融合。AR.Drone是最早采用该项技术的多旋翼飞行器,极大提升了飞行器的可操控性,获得了巨大的成功。

PX4自驾仪开源项目提供了开源的光流传感器PX4Flow。该传感器可以帮助多旋翼在无GPS情况下精确悬停。大疆公司推出的“悟”和“Phantom3”、“Phantom4”同样采用了该项技术。

3.避障技术
让飞行中的无人机“长眼镜”,能够识别飞行路径上的障碍物,并准确绕飞或悬停,是实现无人机智能化的重要一步。未来无人机避障技术将在这些方面实现突破:
(1)深度相机避障技术;
(2)声呐系统避障技术;
(3)“视觉+忆阻器”避障技术;
(4)双目视觉避障技术;
(5)小型电子扫描雷达;
(6)激光扫描测距雷达;
(7)四维雷达。

4.跟踪技术
识别目标并进行跟踪飞行,减轻使用者的操作负担,并能够利用无人机执行特殊环境条件下的特殊任务。智能跟踪主要有:

(1)GPS跟踪;
(2)视觉跟踪。

目前在大疆Phantom4等先进机型上这些技术都已经有所体现。

三、交互技术

无人机目前主要通过遥控器进行飞行控制,需要专业训练,具有一定的局限性。随着新技术的发展,无人机应简化对操作人员的要求,提升用户体验。

(1)手势控制技术
手势交互是一种未来人机交互的趋势,目前在精确度上存在挑战。在CES2014的展场上,有利用MYO手势控制臂带来控制AR.Drone2.0四旋翼的演示。

(2)脑机接口技术

近年来,科研人员在多个领域都运用到了BCI(BrainComputerInterface,脑机接口技术)技术,科员人员运用该技术制作新型玩具、为残疾人制作义肢。作为需要安全性较高的飞行器,这种方式目前还不成熟。它可作为一种验证性质的技术展示,离实际还有不少距离。

四、通讯技术

(1)4G/5G通讯技术
2013年6月17日,北京4G联盟联合无人机联盟组织召开了4G联盟与无人机联盟交流研讨会,旨在加强北京4G联盟和无人机联盟之间技术交流,寻找无人机机载载荷与4G设备仪器的聚焦,促进北京市信息产业发展。2015年,中国移动开发4G“超级空战队”设备,能支持航拍影像即拍即传。5G的速度比现在的LTE网络标准连接速度快250倍,它标志着无线行业的一个新的里程碑。无论是智能手机,还是汽车、医疗设备、无人机和其他设备,都将受益于这一无线连接速度。

(2)Wifi通讯技术
2013年,德国的卡尔斯鲁厄理工学院开发出了一项新的无线广域网技术,打破了最快的WiFi网络速度纪录,它可以让1公里以外的用户每秒钟下载40GB。由于这种设备的传输距离比普通WiFi路由器的覆盖范围要广得多,因此这种设备很适合无人机航拍图传或光纤布放不方便的农村地区应用。

五、芯片技术

(1)2014年CES上,高通和英特尔展示了功能更为丰富的多轴飞行器。例如,高通CES上展示的Snapdragon Cargo无人机是基于高通Snapdragon芯片开发出来的飞行控制器,它有无线通信、传感器集成和空间定位等功能。2015年9月,据美国科技新闻网站Engadget报道,高通已经为无人机市场推出了一个芯片解决方案,名为“骁龙飞行平台”。

英特尔CEOBrianKrzanich也亲自在CES上演示了他们的无人机,采用了四核的英特尔凌动(Atom)处理器的PCI-express定制卡。此外,活跃在在机器人市场的欧洲处理器厂商XMOS也表示已经进入到无人机领域。

(2)3DR发表声明与Intel英特尔共同合作开发Edison芯片,这是一种新型微型处理芯片。它只有一个硬币的大小,却具有个人电脑一样的处理能力。

(3)目前,包括IBM在内的多家科技公司都在模拟大脑,开发神经元芯片。而一旦类似芯片被应用于无人机,自主反应、自动识别有望会变得轻而易举。

六、平台技术

(1)“Dronecode”的无人机开源系统
2014年10月,著名开源基金会Linux推出了名为“Dronecode”的无人机开源系统合作项目,将3DRoboTIcs、英特尔、高通、百度等科技巨头纳入项目组,旨在为无人机开发者提供所需要的资源、工具和技术支持,加快无人机和机器人领域的发展。

(2)Ubuntu15.04操作系统
Ubuntu15.04的物联网版本是Ubuntu目前最小且最安全的版本,非常地精简,适合发行家、科技专业人士与开发者使用,能够在无人机等领域中使用。

(3)Airware发布企业级无人机系统
Airware公司旨在通过标准化的无人机软件系统,帮助企业迅速、高效地完成商用无人飞行器的部署及管理——该系统已于本周四正式发布,通过硬件和软件的结合,Airware成功实现了在一个软件平台上统一管理多个不同型号、不同品牌无人机的目标。目前,Airware产品已获得两家合作伙伴的采纳,分别为通用电气(也同时是Airware的投资者)和Infinigy。Infinigy是一家通讯公司。

七、空管技术

(1)2014年,Airware计划在NASA加州基地针对不同类型的无人机(四旋翼、直升机、固定翼飞机)展开一系列的飞行和实验室测试。
(2)初创公司SkyWard正在研发一个无人机交通控制系统,这个系统将让数千无人机在城市上空飞行而不会互相碰撞。Skyward正在跟FAA和全球三大无人机制造商——国内的大疆、美国的3DRoboTIcs和法国的Parrot——合作以证明大量的无人机可以在拥挤的空域安全地共存。
(3)美国航天局(NASA)同空间技术公司Exelis已经联手组成团队开发无人机空中交通管制系统的原型产品。
(4)位于美国西雅图的Transtrex公司,发布了测试版本的无人机动态地理空间限制系统软件。该系统是为了确保无人机在500英尺高度下,安全规范飞行而设计的。
(5)在第三届AOPA(AircraftOwnersandPilotsAssociation,航空器拥有者及驾驶员协会)国际飞行训练展会上,中国AOPA联合多家企业开发的针对轻小无人机的“UCloud”无人机监管系统宣布上线。

最后介绍几种无人机SOC系统

高通骁龙Flight
骁龙Flight是一块高度优化的58x40mm开发板,专门针对消费级无人机和机器人应用而设计。骁龙Flight包含一颗骁龙801SoC(由四颗主频为2.26GHz的核心组成),支持GPS、4K视频拍摄、强劲的连接性以及先进的无人机软件和开发工具,双通道Wi-Fi和蓝牙模块,支持实时飞行控制系统,拥有全球导航卫星系统(GNSS)接收器,支持4K视频处理,支持快速充电技术,而这一切全被整合在一张名片大小的主板上。带来了最前沿的移动技术以打造全新级别的消费级无人机。

2016年采用高通芯片平台的无人机可能会越来越多,这种一体化的芯片平台,也会大大加快无人机的研发和制造。据报道,高通已经推出了这样的芯片配套方案,名为“骁龙飞行平台”,整合了无人机飞行和工作需要用到的处理器、通信芯片、飞行控制芯片以及高空摄像芯片。这一平台甚至可以支持超高清视频的拍摄。

英特尔凌动(Atom)
英特尔展示了采用英特尔实感技术的YuneecTyphoonH,内置了高达6个英特尔的“RealSense”3D摄像头,采用了四核的英特尔凌动(Atom)处理器的PCI-express定制卡,来处理距离远近与传感器的实时信息,以及如何避免近距离的障碍物。至于远距离的3D摄像头,Intel使用“主动立体成像原理”,它模仿了人眼的“视差”原理,通过打出一束红外光,以左红外传感器和右红外传感器追踪这束光的位置,然后用三角定位原理来计算出3D图像中的“深度”信息。

三星Artik5
三星在无人机产品线上推出了Artik5芯片,搭载1GHzARM双核ARMCortex-A7处理器(Mali400MP2GPU),搭配的是512MBLPDDR3内存以及4GeMMc闪存。支持Wi-Fi、低功耗蓝牙,支持802.11b/g/n。此外,该芯片还能对解码H.264等格式720p30fps的视频进行解码,并提供了TrustZone。

国产联芯LC1860
值得一提的是国产芯片联芯LC1860,目前已经被包括大疆精灵4、零度智控1代采用。LC1860支持LTE-TDD/LTE-FDD/TD-SCDMA/WCDMA/GGE五模,集成4+1个CortexA71.5GHzCPU、双核GPUMaliT628、Trustzone安全架构等特写。LC1860于2014年第三季度正式上市,是国内首颗面向公开市场商用的28nm4GSoC芯片。发布短短一年时间,出货量就已经超过千万,产品稳定性经过了市场检验。这个平台最大的优势是SDR软件无线电,可以自定义和修改无线电频段。采用SDR自定义无线电频段,可以获得比主流的2.4GWIFI更远的传输距离。

RK3288
rockchip高清无人航拍一体机解决方案。这个方案采用RK3288芯片,其特点是没有搭载云台,而通过超强防抖高清航拍稳像技术实现图像稳定。基于陀螺仪角度及位移校正并采用优化的运动矢量估计与提取算法,提升相机影像清晰度,可一定程度取代传统机械云台。可实现13M的Camera数据采集,输出1080P30fps本地高清以及480P30fps的远程传输双通道稳像码流。

来源:电子发烧友

围观 522
订阅 RSS - 无人机