随着微机电系统(MEMS)和控制理论的发展与日益成熟，无人机渐趋小型化，其控制技术越来越复杂，控制效果也越来越好，得益于此，无人机在各行各业中的应用也越来越广。其中四旋翼无人机因其高机动性、高隐蔽性、低成本及易维护等特点，被广泛应用于军事侦察、靶机、航拍、物流快递、抗震救灾、巡线巡检及农业植保等领域。目前，国内外许多科研机构和团体已经针对四旋翼无人机进行了相当广泛和深入的研究[1～3]。

四旋翼无人机的飞行控制问题一直是被研究的主要课题，国内外许多高校和科研机构均对此做出了深入研究，并提出了许多创造性的控制方法或方案[4～6]。为了使无人机稳定飞行，需要获取其实时运动状态信息。现有的无人机设计方案，通常都采用GPS模块对无人机进行定位，从而获取无人机当前的定位信息[7,8]。然而，GPS模块正常工作的前提是能够顺利地搜索到卫星。若周围环境存在电磁干扰或遮挡物，GPS模块就不能正常获取无人机的当前位置信息。因此，该办法只适用于在室外开阔环境使用。在无GPS的环境下，可以采用激光雷达(Light Detection and Ranging，LiDAR)对无人机进行定位导航，其测量精度高且抗干扰能力强，能实现室内环境无人机的精确定位[9]。但是，受到无人机有效载荷、体积等因素的限制，LiDAR设备并不适合在小型四旋翼无人机中应用。

光流传感器(Optical Flow Sensor)兼顾了高测量精度和便携的特点，逐渐成为近几年研究的热点[10～12]。利用光流法可以做到室内避障，沿走廊飞行等动作[13]。相较于传统的基于特征点匹配的方法[10,14]，光流法的适应性更强，并且计算量更小。目前，许多国内外院校或科研机构针对基于光流传感器的小型四旋翼无人机的控制进行了研究，并取得了一些成果[15～20]。光流法通过对比相邻两帧图像之间的像素点位移信息，得出相邻两帧的关系，从而计算出相邻帧之间物体的运动速度。而无人机在悬停时的高度变化则会使相邻帧图像序列中的像素点产生位移，从而使无人机错误地认为无人机的水平位置发生了变化，定点悬停效果不理想。针对这个问题，笔者利用光流传感器和超声波模块对四旋翼无人机进行悬停姿态控制。通过超声波模块获取无人机当前的高度信息，将获取到的高度数据做滤波处理，去除噪声干扰，避免高度变化对光流信息造成干扰，使无人机稳定在一定高度，对光流定位进行辅助。

随着大数据系统的广泛应用，数据资源也逐渐丰富，大量的数据信息存在于数据技术中。因此，在对此类资源进行整合以及利用的过程中，可以有效促进企业的稳定、持续发展，使其具备较强的核心竞争力，进而实现经济效益的提升。基于此，若想实现企业规模的扩大，首先要充分利用信息资源。例如，网络技术人员可整合数据资源以及传统的信息资源，分析资源在企业中起到的积极作用，使其能够促进企业内部管理工作的有效实施。

1 四旋翼无人机平台的搭建

笔者搭建的试验平台包括基于Pixhawk飞行控制器的小型四旋翼无人机(图1)、地面站软件及遥控器等。四旋翼无人机上搭载有光流传感器和超声波模块。光流传感器由一个752×280像素分辨率的16mm焦距摄像头和一块STM32F405构成，计算速度可达250Hz(白天，室外)，摄像头负责采集图像信息，嵌入式计算机负责将图像信息进行后处理。这样做可以将光流计算任务交由独立的嵌入式计算机处理，大量减轻了飞控板的计算负荷。超声波模块主要负责获取无人机的高度信息，也是光流传感器工作的“开关”，当高度检测小于某个阈值时，光流传感器才开始工作，减少了光流传感器对于电源的消耗，从而延长了无人机的续航时间。

  

图1 基于Pixhawk飞行控制器的

 

小型四旋翼无人机

试验平台的控制系统如图2所示，由安装在无人机底部的摄像头采集图像信息，经过嵌入式计算机处理后，将信息转化为无人机当前某方向的速度信息，通过I2C接口输入到Pixhawk飞行控制器，飞行控制器利用输入信号对无人机当前飞行运动状态进行估计，并输出适当的信号给电子调速器，用来控制电机的转速。超声波模块则将测量到的高度信息反馈给飞控板，使无人机保持在一定的飞行高度，减小高度变化对于光流传感器精度的影响，从而达到使无人机定点悬停的目的。

  

图2 无人机控制系统框图

光流的概念最初由Horn B K P和Schunck B G提出，光流法的核心就是求解出运动目标的光流，即速度[21]。这里，笔者采用Liany-Barsky算法[22]对摄像头采集到的图像信息做裁剪处理，Liany-Barsky算法是Horn-Schunck法的改进算法。这种算法将窗口的4条边根据线段的方向走向分成入边和出边，使得裁剪算法变得比较简单，通过嵌入式计算机对每帧中像素点移动距离的计算和处理得到无人机的速度信息。

2 基于光流和声纳的无人机运动状态估计

假设有一条线段，其两端点分别为Q1(x1,y1)和Q2(x2,y2)，用参数方程表示为：

2.1 光流信息的处理

经过裁剪处理过后，摄像头采集到的图像被划分成900个像素块。为减少噪声对光流计算的影响，采用离散Kalman滤波器滤去这些噪声干扰[23]。离散化之后的状态方程和量测方程为：

贵铅是指铅与贵金属形成的铅合金。熔融的金属铅是贵金属的良好捕集剂，这一特性被用于贵金属的提炼，称为贵铅熔炼[1]。企业为了贸易、控制冶炼过程和做好金属平衡，需要对贵铅中银的含量进行分析。目前测量银的方法主要有原子吸收光谱法(AAS)[2]、分光光度法[3]、电感耦合等离子体原子发射光谱法(ICP-AES)[4]、电感耦合等离子体质谱法(ICP-MS)[5]、滴定法[6]、火试金重量法[7]、电位滴定法[8]等。本文建立了自动电位滴定法分析贵铅中银的方法，探讨了影响分析的相关因素。方法应用于实际样品分析，结果满意。

可以根据pk和qk的取值情况来对线段进行取舍。当pk≠0时，可以计算出参数t的值，它对应于无限延伸的直线与延伸的窗口边界k的交点，即：

通过借鉴其他连续配筋混凝土路面施工经验，并总结本项目试验路段施工工艺，形成技术要点，CRCP的主要施工工序如图1。

笔者提出一种基于光流和声纳的适用于小型四旋翼无人机的运动状态估计算法，即利用超声波模块测量得到无人机的当前飞行高度信息，对它进行Kalman滤波处理，滤去噪声，并将此高度信息实时反馈到飞行控制器，从而控制飞行器的飞行高度。在高度一定的情况下，光流传感器开始工作，同时确保光流传感器不受高度变化的干扰。

x=x1+tΔxy=y1+tΔy

(1)

其中，Δx=x2-x1，Δy=y2-y1，参数t在0～1之间取值。若点P(x,y)位于由坐标(xmin,ymin)和(xmax,ymax)所确定的窗口内，则有：

xmin≤x1+tΔx≤xmaxymin≤y1+tΔy≤ymax

(2)

式(2)可表示为：

tpk≤qk,k=1,2,3,4

(3)

p1=-Δx,q1=x1-xmin,p2=Δx,q2=xmax-x1p3=-Δy,q3=y1-ymin,p4=Δy,q4=ymax-y1

(4)

10月16日，云南省清理规范转供电环节电价现场会在昆明召开。自今年《政府工作报告》明确提出“一般工商业电价平均降低 10%”以来，云南电网公司积极贯彻落实国家发展改革委和云南省物价局相关政策要求，从9月1日起，云南电网直接供电的一般工商业用户用电电价同比去年已降低10%。此外，更积极配合价格主管部门做好清理规范转供电环节加价工作，让今年以来的降价政策切实传递到终端用户，打通降低电价政策落地“最后一公里”。

t=qk/pk

(5)

对于每一条线段，可以计算出相应的参数t1、t2，该值定义了位于窗口内的线段部分。

2.1.2 光流信息的滤波处理

2.1.1 光流信息的获取

Xk=Ak,k-1Xk-1+Bk-1Φk-1Zk=CkXk+Θk

(6)

在城市化不断深入和经济不断发展的过程中，乡愁是一种人们在物质生活得到极大满足后产生的文化和精神层面的需求和情感，是一种对远离城市生活中的家乡、过去时间片段的回忆和思念[15]，这是推动乡村旅游可持续发展的根本动力，在满足人类亲近自然最本质的需求上同时发挥了休闲功能，缓解城市人对长期或短期生活和工作的地域产生倦怠和麻木的感觉：这正是乡村旅游在历经一世纪的发展中长盛不衰的魅力所在。

经过裁剪和滤波后，最终得到的图像效果如图3所示。通过分析每个分块的位移信息，便可得到无人机当前的速度信息。

  

图3 经过Liany-Barsky算法裁剪后的图像

2.2 超声波信息的处理

超声波测距(图4)是根据超声波从发射到接收之间的时间计算出超声波模块和目的地之间的距离，其指向性强、检测迅速且易于实时控制，因此被广泛应用到机器人避障和测距中。实际应用中，由于存在环境噪声，可能会对超声波测量结果造成影响，例如突然的振动会使测量数值突然增大，这样不利于获得精确有效的无人机高度信息。因此，对它进行Kalman滤波处理，滤去噪声。超声波模块测量得到的信息通过I2C接口上传到Pixhawk，由Pixhawk对高度信息做出相应的调整。

  

图4 超声波测距流程

预设的悬停高度为1m，无人机会在低于或等于这个高度时打开光流传感器进行定点悬停。

2.3 数据融合与状态估计

虽然可以通过光流传感器获得无人机当前的飞行速度，但是无人机在执行俯仰和横滚动作中会使光流传感器的测量值发生改变，这会影响光流传感器对于水平速度的测量。因此，将惯性测量单元(Inertial Measurement Unit，IMU)测得的Euler角数据与光流数据融合，消除俯仰角和横滚角的改变对无人机速度估计的影响，从而消除无人机Euler角的改变对于光流传感器测量精度的影响。光流预期值的变化可以直接用公式计算，并从传感器返回的实际值中减去这些预期的变化。光流预期值的计算式如下：

 

(7)

其中，Xe和Ye分别为x和y方向的光流水平分量；Δφ和Δθ分别为两帧图像之间横滚角和俯仰角的变化量；Rx和Ry分别为摄像头横向和纵向的像素点个数；Fα和Fβ分别为x方向和y方向的视场。在得到x方向或y方向的运动后，可以整合这些值，进而得到无人机当前的位置和速度信息。

在白羽肉鸡养殖过程中，由于对白羽肉鸡相关传染性疾病的认识不到位，不重视白羽肉鸡相关传染性疾病的免疫接种，导致相关传染性疾病的发生与流行。一些传染性疾病在肉鸡养殖过程中流行，如新城疫、禽流感、传染性支气管炎等。这些传染性疾病主要以温和型发生与流行，发病症状较轻，死亡率较低，且不易诊断。这使传染性疾病成为潜在威胁，当外界环境条件改变时，可引起发病甚至死亡[2]。

1.1 临床资料 选择遂溪县人民医院自2016年7月—2018年5月通过收治的86例甲状腺良性结节患者为研究对象，患者均经超声引导下细针穿刺细胞学或粗针活检组织学检查确诊，且单侧甲状腺最大结节≤4 cm。其中49例接受超声引导下微波消融术治疗，视为实验组，女性29例，男性20例；年龄最小为26岁，最大为69岁，平均年龄为(41.45±7.32)岁。其余37例接受腹腔镜切除术，视为对照组；患者年龄最大为65岁，最小为19岁，平均年龄为(42.01±5.21)岁；女性患者20例，男性患者17例。两组的基本资料比较差异均无统计学意义(P>0.05)。

3 试验与分析

在整个飞行试验过程中，GPS未参与定点。飞行过程中生成的飞行数据保存在Pixhawk内置的SD卡内，也可以通过2.4GHz无线数传模块传至地面计算机，以便分析评估飞行质量。

其中，Xk∈R2和Xk-1∈R2分别表示k和k-1时刻的系统状态量；Zk∈R2表示k时刻的系统观测量；Ak,k-1∈R2×2表示k-1时刻到k时刻系统的状态转移矩阵；Bk-1表示噪声矩阵；Ck∈R2×2为k时刻系统的量测矩阵；Φk-1和Θk分别为k-1时刻系统的随机噪声和k时刻的量测噪声。

图5为四旋翼无人机的Euler角变化曲线，可以看出，俯仰角和横滚角的变动范围均稳定在±1.5°以内，最大偏差不超过3.0°，偏航角的变动范围也较小，一直在0.0°上下变动，偏航锁定效果较好。

  

图5 四旋翼无人机Euler角变化曲线

由于选在室外进行试验，因此，无人机姿态会受到风的干扰；并且地面的物体并不是静止不动的，例如小草被风吹动，会对光流造成一定的干扰；同时，无人机自身结构的不完美造成的机体振动会使IMU测量数据产生误差。

4 结束语

基于光流传感器和超声波模块的小型四旋翼无人机试验平台，利用超声波模块测量无人机飞行高度，使无人机可以飞行在固定高度，从而避免高度变化对于光流的干扰。与国内现有的研究方法相比，采用超声波模块对无人机高度进行控制，并对测量数据进行Kalman滤波处理，过滤掉噪声，从而避免了高度变化对光流信息的干扰，从而使光流定位更加稳定；通过超声波模块检测无人机当前高度，用高度信息激活光流传感器的工作状态，节省了电量和计算资源。而且光流信息和超声波信息完全由独立的嵌入式计算机处理，大幅节省了无人机飞行控制器的计算资源。

试验结果表明：该方案实现了小型四旋翼无人机在无GPS环境下自主定点悬停，具有较好的控制效果。但是，由于采用光流算法的缺陷，任何地面物体的轻微晃动或是明暗变化都可能会对无人机的定点悬停造成干扰；另外，笔者搭建的无人机抗风能力较差，在室外试验时尤为明显，虽然可以通过调整PID参数来缓解，但过程相当繁琐。因此，在后续工作中，将考虑结合先进的非线性控制理论，提高无人机的控制性能，增强其鲁棒性。

参 考 文 献

[1] Benallegue A，Mokhtari A，Fridman L.Feedback Linearization and High Order Sliding Mode Observer for a Quadrotor UAV[J].International Workshop on Variable Structure Systems，2006，18(4)：365～372.

[2] 胡春华.纵列式无人直升机建模及非线性控制[D].北京：清华大学，2004.

[3] 李林侃.无人机鲁棒动态逆控制研究[D].西安：西北工业大学，2007.

[4] Lee T，Leok M，Mcclamroch N H.Nonlinear Robust Tracking Control of a Quadrotor UAV on SE(3)[J].Asian Journal of Control，2013，15(2)：391～408.

[5] Zhao B，Xian B，Zhang Y，et al.Nonlinear Robust Adaptive Tracking Control of a Quadrotor UAV via Immersion and Invariance Methodology[J].IEEE Transactions on Industrial Electronics，2015，62(5)：2891～2902.

[6] Quintero S A P,Copp D A,Hespanha J P.Robust UAV Coordination for Target Tracking Using Output-feedback Model Predictive Control with Moving Horizon Estimation[C].2015 American Control Conference(ACC).Piscataway,NJ:IEEE,2015:3758～3764.

[7] Yun B，Peng K，Chen B M.Enhancement of GPS Signals for Automatic Control of a UAV Helicopter System[C].IEEE International Conference on Control and Automation.Piscataway,NJ:IEEE，2008：1185～1189.

[8] Abdelkrim N，Aouf N，Tsourdos A，et al.Robust Nonlinear Filtering for INS/GPS UAV Localization[C].2008 16th Mediterranean Conference on Control and Automation.Piscataway,NJ:IEEE，2008：695～702.

[9] Shen S，Michael N，Kumar V.Autonomous Multi-Floor Indoor Navigation with a Computationally Constrained MAV[C].IEEE International Conference on Robotics and Automation.Piscataway,NJ:IEEE，2011：20～25.

[10] Pestana J，Mellado-Bataller I，Sanchez-Lopez J L，et al.Floor Optical Flow Based Navigation Controller for Multirotor Aerial Vehicles[C].ROBOT2013：First Iberian Robotics Conference.Cham:Springer，2014：91～106.

[11] Lim H，Lee H，Kim H J.Onboard Flight Control of a Micro Quadrotor Using Single Strapdown Optical Flow Sensor[C].IEEE/RSJ International Conference on Intelligent Robots and Systems.Piscataway,NJ:IEEE，2012：495～500.

[12] Kendoul F，Fantoni I，Nonami K.Optic Flow-Based Vision System for Autonomous 3D Localization and Control of Small Aerial Vehicles[J].Robotics & Autonomous Systems，2009，57(6)：591～602.

[13] Floreano D，Zufferey J C，Srinivasan M V，et al.Flying Insects and Robots[M].Berlin：Springer，2009：247～270.

[14] Eberli D，Scaramuzza D，Weiss S，et al.Vision Based Position Control for MAVs Using One Single Circular Landmark[J].Journal of Intelligent & Robotic Systems，2011，61(1)：495～512.

[15] Herisse B，Russotto F X，Hamel T，et al.Hovering Flight and Vertical Landing Control of a VTOL Unmanned Aerial Vehicle Using Optical Flow[C].IEEE/RSJ International Conference on Intelligent Robots and Systems.Piscataway,NJ:IEEE，2008：801～806.

[16] 童姜况.光流改进算法研究及其在四旋翼无人机中的应用[D].杭州：浙江大学，2017.

[17] 张连华，王京，石宗英，等.基于光流的四旋翼直升机鲁棒自主着陆控制[J].控制理论与应用，2016，33(11)：1492～1500.

[18] 余必举.四轴飞行器单目视觉室内导航的研究与实现[D].沈阳：东北大学，2012.

[19] 刘小明，陈万春，邢晓岚，等.光流控制地形跟随与自动着陆[J].北京航空航天大学学报，2012，38(1)：98～105.

[20] 史添玮，王宏.基于光流的六旋翼飞行器悬停控制[J].东北大学学报(自然科学版)，2015，36(10)：1378～1382.

[21] Horn B K P，Schunck B G.Determining Optical Flow[J].Artificial Intelligence，1981，17(1)：185～203.

[22] Liang Y D，Barsky B A.A New Concept and Method for Line Clipping[J].Acm Transactions on Graphics，1984，3(1)：1～22.

[23] 鲜斌，刘洋，张旭，等.基于视觉的小型四旋翼无人机自主飞行控制[J].机械工程学报，2015，51(9)：58～63.