动作捕捉用于无人机控制算法验证与数据集收集

Posted 您家豆子

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了动作捕捉用于无人机控制算法验证与数据集收集相关的知识,希望对你有一定的参考价值。

随着我国低空空域开放步伐的加快以及传感器、自动控制、计算机等技术领域的发展,近几年微小型无人机得到了快速的发展。旋翼无人机作为无人机家族中的重要成员,由于其具有空中悬停、垂直起降、贴地飞行等独特的飞行特性,更是成为国内外大学和研究机构关注的焦点。

一个完整的控制系统需要有被控对象、传感器、控制器,构成一个完整的闭环。对应到四旋翼无人机控制系统中,需要有能够接收无线通信的无人机,可以得到无人机状态信息(无人机的姿态信息和位置信息)的传感器,发送指令的地面控制站。在室外环境中,无人机的定位通常使用GPS实现。但在算法验证阶段的实验室环境中,无法使用GPS,而且小型实验室环境对定位精度的要求远大于室外环境,所以找到一个控制回路的高精度位姿反馈解决方案非常重要。

对此,中国石油大学无人系统实验室采用了NOKOV(度量)光学三维动作捕捉系统来进行无人机的定位。NOKOV度量动作捕捉系统是通过发射一定波长红外光的动捕相机,来定位放置到无人机上的Marker点,输出标记点位置信息的精度可达到亚毫米级。而无人机上Marker点之间的距离固定,因此无人机可被多个Marker构建成一个刚体,动捕系统实时得到刚体的六自由度信息——横滚角、俯仰角、偏航角。将这些位姿信息发送到地面站上,地面站的控制算法就可计算运动参数,估计航点位置,发布航点指令,无人机收到指令继续运动,下一时刻的数据信息又被捕获并输出到地面站中,实现无人机室内的飞行控制。

控制闭环形成后,可设计自主控制实验来验证算法的可行性与稳定性。如一个自主悬停实验,可设定无人机悬停的位置坐标为固定值,滚转/俯仰/偏航角均为0°。经过多次实验,测量无人机在自主悬停状态下的位置偏差和姿态角数据以验证控制算法。

若算法的稳定性和控制精度达不到要求,可进行算法的强化学习。在预训练阶段,利用NOKOV度量动作捕捉系统采集真实环境下的位姿信息做智能算法的训练数据集,以特定的位姿数据构造奖励值,直到训练一段时间后的深度模型收敛,达到更稳定的控制效果。

 

以上是关于动作捕捉用于无人机控制算法验证与数据集收集的主要内容,如果未能解决你的问题,请参考以下文章

收藏 | 机器学习数据集汇总收集

NOKOV动作捕捉系统使多场协同无人机自主建造成为可能

苏黎世大学研发的AI神经网络算法,将对无人机集群控制飞行有何影响

基于串级 PID 控制算法的四旋翼无人机控制系统设计与实现

想要实现无人机控制算法二次开发,一定不要错过这个matlab工具包

运动捕捉系统原理