| 自主降落 · amov | 您所在的位置：网站首页 › 无人机自动降落怎么找 › 自主降落 · amov |
自主降落 · amov
|
自主降落
本教程的目的： 理解二维码识别程序背后的原理 掌握降落板识别程序，并能够进行二次开发 理解追踪的原理，运动目标的状态估计的原理 掌握自主降落程序，并能够进行二次开发 识别算法介绍landpad_det.cpp 订阅：真实环境中订阅的相机话题为/prometheus/camera/rgb/image_raw 仿真环境中订阅的相机话题为/P300_Monocular_front/Monocular/image_raw 发布：检测结果话题/prometheus/object_detection/landpad_det (话题格式请参考Prometheus/Modules/msgs/msg/DetectionInfo.msg) 配置文件真实环境中的配置文件为Prometheus/Modules/object_detection/config/camera_param.yaml 仿真环境中的配置文件为Prometheus/Modules/object_detection/config/camera_param_gazebo_monocular.yaml 注意修改参数landpad_det降落板边长(默认0.6m)，0.6m包括边缘白色部分，黑色部分边长为0.4m 算法识别流程降落板示例： Aruco模块主要基于ArUco library，是一个二维码识别中被广泛使用的库。 一个ArUco标记外围都有一组黑色边框，同时内部有着确定该标记ID的二维矩阵组合而成。黑色的边框能加速标记在图像中的检测速度，内部的二维编码能唯一识别该标记，同时进行错误检测和错误修复。 注意：二维码的样图可以从SpirePan下载 自主降落算法介绍autonomous_landing.cpp 订阅降落板识别检测结果，即相对位置 ros::Subscriber landpad_det_sub = nh.subscribe("/prometheus/object_detection/landpad_det", 10, landpad_det_cb); 执行追踪算法及追踪策略（请阅读源码进行学习） 发布上层控制指令 ros::Publisher command_pub = nh.advertise("/prometheus/control_command", 10);参数Thres_vision为视觉丢失阈值，参数distance_thres为判断是否直接上锁距离阈值，参数landing_pad_height为降落板高度，参数use_ukf表示是否使用UKF目标状态进行滤波估计，moving_target表示目标是静止或者移动，kpx_land/kpy_land/kpz_land为控制参数，start_point_x/start_point_y/start_point_z为起始点位置 关于坐标系转换的说明： 识别算法发布的目标位置位于相机坐标系（从相机往前看，物体在相机右方x为正，下方y为正，前方z为正） 首先，从相机坐标系转换至机体坐标系（从机体往前看，物体在相机前方x为正，左方y为正，上方z为正）：由于此demo相机朝下安装，且xy方向无偏移量 pos_body_frame[0] = - Detection_raw.position[1]; pos_body_frame[1] = - Detection_raw.position[0]; pos_body_frame[2] = - Detection_raw.position[2]; 从机体坐标系转换至与机体固连的ENU系（原点位于质心，x轴指向yaw=0的方向，y轴指向yaw=90的方向，z轴指向上的坐标系）：直接乘上机体系到惯性系的旋转矩阵即可 R_Body_to_ENU = get_rotation_matrix(_DroneState.attitude[0], _DroneState.attitude[1], _DroneState.attitude[2]); pos_body_enu_frame = R_Body_to_ENU * pos_body_frame; 从与机体固连的ENU系转换至ENU系（原点位于起飞点，x轴指向yaw=0的方向，y轴指向yaw=90的方向，z轴指向上的坐标系） Detection_ENU.position[0] = drone_pos[0] + pos_body_enu_frame[0]; Detection_ENU.position[1] = drone_pos[1] + pos_body_enu_frame[1]; Detection_ENU.position[2] = drone_pos[2] + pos_body_enu_frame[2]; 仿真流程运行启动脚本(静止目标) roslaunch prometheus_gazebo sitl_landing.launch 运行启动脚本(移动目标) roslaunch prometheus_gazebo sitl_landing_moving_target.launch 启动后，输入1启动自动降落任务，飞机将起飞至起始点
对于移动目标，待飞机起飞完毕后，新开一个窗口运行以下指令控制小车移动 rosrun prometheus_gazebo move_landing_pad.py 飞机将持续读取图像信息，结果可在终端查看，并可与真值进行比较。如丢失图像信息，飞机将会悬停在当前点
当飞机与降落板位置小于阈值时，飞机将自动上锁，完成任务
测试视频1 测试视频1 如何进行真机实验？ 相机购买 我们的测试相机是在如下淘宝店购买的（仅供参考）：https://item.taobao.com/item.htm?_u=g5bpko475d4&id=605447137649其中：size为标点板尺寸，square为每个方格宽度(m)，image:=相机话题 棋盘格标定板下载地址：Chessboard 将得到的参数写入如下文件(有关目标尺度的预定义也在这个文件中)：Prometheus/Modules/object_detection/config/camera_param.yaml，例如参数如下： 我们使用的淘宝打印店铺（仅供参考），https://saikeyou.tmall.com/shop/view_shop.htm?spm=a230r.1.14.5.6b6e17e5jOudLm&user_number_id=1673324284 打印样张如下： 在A4纸打印标识如下： 如图所示，降落版边长为0.188m。 执行指令： ## 请根据自己的相机节点选择 roslaunch prometheus_detection web_cam0.launch ## 运行检测节点 roslaunch prometheus_detection landpad_det.launch ## 查看检测效果（可视化） rqt_image_view距离估计精度实验结果如下： 可以看出，距离误差在为距离的百分之7左右。 降落版边长为0.188m时，最远检测距离为2.65m，最近检测距离小于0.01m。 实际试验测试视频video1 |
【本文地址】