第15卷第4期 智能系统学报 Vol.15 No.4 2020年7月 CAAI Transactions on Intelligent Systems Jul.2020 D0L:10.11992tis.201907015 基于力传感的系留无人机定位方法研究 林海涛，张华，李永龙2，汪双2，陈财富，王皓冉 (1.西南科技大学信息工程学院，四川绵阳621000,2.清华四川能源互联网研究院，四川成都610000,3.清华 大学水沙科学与水利水电工程国家重点实验室，北京100084) 摘要：在无GPS或弱GPS环境下，系留无人机通常采用激光雷达或视觉进行定位，由于受距离和光线的影 响，无法实现精准定位。针对该问题，提出了一种基于力传感的系留无人机绳缆定位方法。系留无人机在室内 飞行时，绳缆的状态可等效于悬链线，通过建立系留无人机悬链线模型，可有效估计无人机所处空间位置。使 用基于力传感器的无人机、硅胶绳缆、绕线机搭建测试平台，绳缆定位数据与Marvelmind的Indoor“GPS"标定 无人机的位置做误差对比分析。实验结果表明：基于力传感的系留无人机定位方法，相较于Fotokite Pro无人 机绳缆定位方法，定位精度提升了70.86%。该定位方法的提出，有利于系留无人机在无GS环境下的稳定飞行。 关键词：系留无人机；悬链线；绕线机；室内定位：力传感器；激光雷达；视觉 中图分类号：TP242.6文献标志码：A 文章编号：1673-4785(2020)04-0672-07 中文引用格式：林海涛，张华，李永龙，等.基于力传感的系留无人机定位方法研究.智能系统学报，2020,15(4)：672-678， 英文引用格式：LIN Haitao,ZHANG Hua,LI Yonglong,.etal.Research on the positioning method of tethered UAV using force sensing J.CAAI transactions on intelligent systems,2020,15(4):672-678. Research on the positioning method of tethered UAV using force sensing LIN Haitao',ZHANG Hua',LI Yonglong,WANG Shuang,CHEN Caifu',WANG Haoran' (1.School of Information Engineering,Southwest University of Science and Technology,Mianyang 621000,China;2.Sichuan En- ergy Internet Research Institute,Tsinghua University,Chengdu 610000,China;3.State Key Laboratory of Hydroscience and Engin- eering,Tsinghua University,Beijing 100084,China) Abstract:In a GPS denied environment,the localization can be achieved by different sensors such as Lidar and camera. Due to the influence of distance and light,precise localization cannot be achieved.Aiming at this problem,this paper proposes a force sensing based tethered UAV positioning method.When the tethered UAV is flying indoors,the state of the rope can be equivalent to the catenary line.By establishing the catenary model of the tethered UAV,the spatial loca- tion of the UAV can be effectively estimated.Using an UAV based on force sensor,a silicone cable,and a winder to build a test platform,using the tether positioning data and Marvelmind's Indoor "GPS"to calibrate the position of the UAV for error comparison analysis.The experimental results show that the positioning accuracy of the mooring drone based on force sensing is 70.85%higher than the Fotokite Pro UAV cable positioning method.The proposed position- ing method is conducive to the stable flight of the tethered UAV in a GPS denied environment. Keywords:tethered UAV;catenary;winding machine;indoor positioning;force sensor,lidar;vision 系留无人机通过供电线缆连接地面供电系统能长时间续航，能在巡检测量过程中持续作业， 与无人机端，可长时间留空。由于系留无人机 目前系留无人机已被广泛应用于各领域执行复杂 任务，为电力巡检、灾后搜救、隧洞勘探等带来了 收稿日期：2019-07-08. 诸多便利4”。系留无人机定位，是系留无人机稳 基金项目：国家“十三五”核能开发科研项目(20161295)：四川 省科技计划项目(2018JZ0001.2019YFG0144):中国 定飞行的关键，目前解决系留无人机在无GPS环 大唐集团公司科学技术项目(CDT.TZK/SYD[2018] 010). 境或弱GPS环境下的定位仍是一个难题。 通信作者：林海涛.E-mail:583552478@qq.com 系留无人机在空旷的户外可依靠GPS和惯
DOI: 10.11992/tis.201907015 基于力传感的系留无人机定位方法研究 林海涛1 ，张华1 ，李永龙1,2，汪双1,2，陈财富1 ，王皓冉3 （1. 西南科技大学 信息工程学院，四川 绵阳 621000; 2. 清华四川能源互联网研究院，四川 成都 610000; 3. 清华 大学 水沙科学与水利水电工程国家重点实验室，北京 100084） 摘 要：在无 GPS 或弱 GPS 环境下，系留无人机通常采用激光雷达或视觉进行定位，由于受距离和光线的影 响，无法实现精准定位。针对该问题，提出了一种基于力传感的系留无人机绳缆定位方法。系留无人机在室内 飞行时，绳缆的状态可等效于悬链线，通过建立系留无人机悬链线模型，可有效估计无人机所处空间位置。使 用基于力传感器的无人机、硅胶绳缆、绕线机搭建测试平台，绳缆定位数据与 MarveImind 的 Indoor“GPS”标定 无人机的位置做误差对比分析。实验结果表明：基于力传感的系留无人机定位方法，相较于 Fotokite Pro 无人 机绳缆定位方法，定位精度提升了 70.86%。该定位方法的提出，有利于系留无人机在无 GPS 环境下的稳定飞行。 关键词：系留无人机；悬链线；绕线机；室内定位；力传感器；激光雷达；视觉 中图分类号：TP242.6 文献标志码：A 文章编号：1673−4785(2020)04−0672−07 中文引用格式：林海涛, 张华, 李永龙, 等. 基于力传感的系留无人机定位方法研究 [J]. 智能系统学报, 2020, 15(4): 672–678. 英文引用格式：LIN Haitao, ZHANG Hua, LI Yonglong, et al. Research on the positioning method of tethered UAV using force sensing[J]. CAAI transactions on intelligent systems, 2020, 15(4): 672–678. Research on the positioning method of tethered UAV using force sensing LIN Haitao1 ，ZHANG Hua1 ，LI Yonglong1,2 ，WANG Shuang1,2 ，CHEN Caifu1 ，WANG Haoran3 (1. School of Information Engineering, Southwest University of Science and Technology, Mianyang 621000, China; 2. Sichuan Energy Internet Research Institute, Tsinghua University, Chengdu 610000, China; 3. State Key Laboratory of Hydroscience and Engineering, Tsinghua University, Beijing 100084, China) Abstract: In a GPS denied environment, the localization can be achieved by different sensors such as Lidar and camera. Due to the influence of distance and light, precise localization cannot be achieved. Aiming at this problem, this paper proposes a force sensing based tethered UAV positioning method. When the tethered UAV is flying indoors, the state of the rope can be equivalent to the catenary line. By establishing the catenary model of the tethered UAV, the spatial location of the UAV can be effectively estimated. Using an UAV based on force sensor, a silicone cable, and a winder to build a test platform, using the tether positioning data and MarveImind's Indoor “GPS” to calibrate the position of the UAV for error comparison analysis. The experimental results show that the positioning accuracy of the mooring drone based on force sensing is 70.85% higher than the Fotokite Pro UAV cable positioning method. The proposed positioning method is conducive to the stable flight of the tethered UAV in a GPS denied environment. Keywords: tethered UAV; catenary; winding machine; indoor positioning; force sensor; lidar; vision 系留无人机通过供电线缆连接地面供电系统 与无人机端，可长时间留空[1-3]。由于系留无人机 能长时间续航，能在巡检测量过程中持续作业， 目前系留无人机已被广泛应用于各领域执行复杂 任务，为电力巡检、灾后搜救、隧洞勘探等带来了 诸多便利[4-7]。系留无人机定位，是系留无人机稳 定飞行的关键，目前解决系留无人机在无 GPS 环 境或弱 GPS 环境下的定位仍是一个难题[8-9]。 系留无人机在空旷的户外可依靠 GPS 和惯 收稿日期：2019−07−08. 基金项目：国家“十三五”核能开发科研项目 (20161295)；四川 省科技计划项目 (2018JZ0001，2019YFG0144)；中国 大唐集团公司科学技术项目 (CDT-TZK/SYD[2018]- 010). 通信作者：林海涛. E-mail：583552478@qq.com. 第 15 卷第 4 期 智 能 系 统 学 报 Vol.15 No.4 2020 年 7 月 CAAI Transactions on Intelligent Systems Jul. 2020
第4期 林海涛，等：基于力传感的系留无人机定位方法研究 ·673· 性测量单元(MU定位o2。在弱GPS的户外或 无GPS的室内，无人机的定位通常借助于激光雷 一真实值 达或视觉辅助定位31。激光雷达与视觉定位易 一传感器获取值 受距离、天气、雾霾、粉尘等因素影响，且实时构 绳缆长度L, 建二维或三维地图的数据量庞大、处理过程相对 复杂。惯性测量、激光雷达与视觉定位会随时间 实际距离L. 的累积造成数据的漂移，导致系留无人机在弱 GPS或无GPS环境下的定位存在不可控环境因 绕线机方位角 素干扰s1。利用激光雷达、双目视觉、MU多传 (俯仰角日 感器融合定位的方式能解决系留无人机在无 GPS或弱GPS环境下的定位问题，多个传感器的 使用增加了系留无人机的负载，需要极大地增大 图1系留无人机绳缆定位模型 Fig.1 Tethered UAV tether positioning model 系留无人机的动力。当系留无人机的功率过大 时，系留线缆上的压降不可忽视，绳缆上的能量 1.1 空间位置模型 损耗以及散热会引出新的研究问题。文献[20] 绕线机的末端带编码器，可测量绳缆长度，因 提出了系留无人机绳缆定位的方法，利用绳缆数 此把绕线机的末端当作空间坐标系的原点。图1 据来代替GPS、惯性测量单元、视觉传感器的数 模型中系留无人机的空间坐标位置表示为 据来实现定位，但定位误差为0.3675m。因定位 x=L,cos0,sino, y=L.cos0 cosd 精度不高，所用的Fotokite Pro无人机可移植性 =L,sin0, 差，以至于系留无人机绳缆定位方法难以被实际 式中：L表示无人机到绕线机的直线距离，由悬 应用2-2 链线模型估计获得；6，表示L,与水平面XOY的夹 针对上述在系留无人机室内不借助于激光雷 角，由悬链线三角函数关系获得；中，为绕线机与 达、视觉等定位方式下，仅仅依靠系留绳缆实现 初始位置的方位角，系留无人机偏离ZOY平面 系留无人机在室内的定位。本文提出了基于力传 时，绳缆将带动绕线机一起转动，绕线机旋转的 感的系留无人机定位方法，建立了系留无人机绳 方位角可以根据绕线机相对初始位置旋转的角度 缆定位物理模型，通过借助于系留绳缆与三维力 的偏移测得o。 传感器，能有效估计系留无人机所处空间位置。 1.2系留无人机受力分析 1绳缆定位模型 系留无人机悬停在空中，受力如图2所示。 在系留无人机飞行过程中，随着绳缆长度的 增加，系留绳缆对飞行姿态和位置的影响越来越 大，有必要研究系留绳缆在空中的重量和模型， 不能直接忽略。为了计算简便，通常把模型中绳 缆与绕线机的距离当作直线距离而忽略绳缆的实 际状态，而在实际测试中绳缆因重力导致绳缆弯 曲。尽量还原实际情况可以把系留绳缆弯曲的状 态看成悬链曲线，利用系留绳缆建立悬链线模型 (如图1所示)。 图2悬停受力分析 利用几何方法可以估计无人机与绕线机之间 Fig.2 Hover force analysis 的直线距离6,0。整个系统由搭载三维力传感器 无人机满足平衡方程： 的无人机、硅胶线缆、地面绕线机3个部分构成， ∫FcosB=Tcos0, 通过测定绳缆的长度L、俯仰角6、无人机端拉 FsinB=Tsin0+G (1) 力T、绳缆的单位质量m0、绕线机方位角中，再以 式中：F表示无人机竖直向上的升力，由螺旋桨产 绕线机为坐标原点建立惯性坐标系，将测定的物 生；T表示无人机上绳缆拉力大小；G表示无人机 理量输入MATLAB建立的数学模型中可获得无 重力；B表示升力与水平方向的夹角；6，为俯仰 人机相对于绕线机的空间坐标位置。 角。简化式(1)可得式(2)：
性测量单元 (IMU) 定位[10-12]。在弱 GPS 的户外或 无 GPS 的室内，无人机的定位通常借助于激光雷 达或视觉辅助定位[13-14]。激光雷达与视觉定位易 受距离、天气、雾霾、粉尘等因素影响，且实时构 建二维或三维地图的数据量庞大、处理过程相对 复杂。惯性测量、激光雷达与视觉定位会随时间 的累积造成数据的漂移，导致系留无人机在弱 GPS 或无 GPS 环境下的定位存在不可控环境因 素干扰[15-16]。利用激光雷达、双目视觉、IMU 多传 感器融合定位的方式能解决系留无人机在无 GPS 或弱 GPS 环境下的定位问题，多个传感器的 使用增加了系留无人机的负载，需要极大地增大 系留无人机的动力。当系留无人机的功率过大 时，系留线缆上的压降不可忽视，绳缆上的能量 损耗以及散热会引出新的研究问题[17-19]。文献 [20] 提出了系留无人机绳缆定位的方法，利用绳缆数 据来代替 GPS、惯性测量单元、视觉传感器的数 据来实现定位，但定位误差为 0.367 5 m。因定位 精度不高，所用的 Fotokite Pro 无人机可移植性 差，以至于系留无人机绳缆定位方法难以被实际 应用[21-22]。 针对上述在系留无人机室内不借助于激光雷 达、视觉等定位方式下，仅仅依靠系留绳缆实现 系留无人机在室内的定位。本文提出了基于力传 感的系留无人机定位方法，建立了系留无人机绳 缆定位物理模型，通过借助于系留绳缆与三维力 传感器，能有效估计系留无人机所处空间位置。 1 绳缆定位模型 在系留无人机飞行过程中，随着绳缆长度的 增加，系留绳缆对飞行姿态和位置的影响越来越 大，有必要研究系留绳缆在空中的重量和模型， 不能直接忽略。为了计算简便，通常把模型中绳 缆与绕线机的距离当作直线距离而忽略绳缆的实 际状态，而在实际测试中绳缆因重力导致绳缆弯 曲。尽量还原实际情况可以把系留绳缆弯曲的状 态看成悬链曲线，利用系留绳缆建立悬链线模型 (如图 1 所示)。 Ls θs T m0 ϕs 利用几何方法可以估计无人机与绕线机之间 的直线距离[16, 20]。整个系统由搭载三维力传感器 的无人机、硅胶线缆、地面绕线机 3 个部分构成， 通过测定绳缆的长度 、俯仰角 、无人机端拉 力 、绳缆的单位质量 、绕线机方位角 ，再以 绕线机为坐标原点建立惯性坐标系，将测定的物 理量输入 MATLAB 建立的数学模型中可获得无 人机相对于绕线机的空间坐标位置。 绳缆长度 Ls θ 俯仰角 θs r Z Z Y X Y X X Y ϕs=ϕr 实际距离 Lr 绕线机方位角 真实值 传感器获取值 图 1 系留无人机绳缆定位模型 Fig. 1 Tethered UAV tether positioning model 1.1 空间位置模型 绕线机的末端带编码器，可测量绳缆长度，因 此把绕线机的末端当作空间坐标系的原点。图 1 模型中系留无人机的空间坐标位置表示为 x = Lr cos θr sinϕr y = Lr cos θr cosϕr z = Lr sinθr Lr θr Lr ϕr 式中： 表示无人机到绕线机的直线距离，由悬 链线模型估计获得； 表示 与水平面 XOY 的夹 角，由悬链线三角函数关系获得； 为绕线机与 初始位置的方位角，系留无人机偏离 ZOY 平面 时，绳缆将带动绕线机一起转动，绕线机旋转的 方位角可以根据绕线机相对初始位置旋转的角度 的偏移测得[20]。 1.2 系留无人机受力分析 系留无人机悬停在空中，受力如图 2 所示。 Y F β X G T θs 图 2 悬停受力分析 Fig. 2 Hover force analysis 无人机满足平衡方程: { F cosβ = T cos θs F sinβ = T sinθs +G (1) F T G β θs 式中： 表示无人机竖直向上的升力，由螺旋桨产 生； 表示无人机上绳缆拉力大小； 表示无人机 重力； 表示升力与水平方向的夹角； 为俯仰 角。简化式 (1) 可得式 (2)： 第 4 期 林海涛，等：基于力传感的系留无人机定位方法研究 ·673·
·674· 智能系统学报 第15卷 G H- 式中：y表示系留绳缆的单位质量；p表示绳缆的 sinB-cosβtan8 密度；g为重力加速度；dL为一小段绳长；v表示 G (2) T= 任意一小段绳缆体积，W,表示任意小段绳缆的质 cos0,tanB-sin 系留无人机绳缆用悬链线模型表示，绳缆上 量。绳缆上每一小段的长度用弧长公式表示： 的受力分析如图3所示。 dL =1+(dz/dy)2.dy Z 绳缆的长度L用弧长积分得到： 1+(dz/dy) (6) 式(6)代入式（⑤）中，并做微分处理可得： Y (a)整体受力图 b)一小段受力图 )受+他d (7) 图3绳缆自然受力图 式(7做积分分离，整理后可得到悬链线方程： Fig.3 Tether natural force diagram z=a.cosh(y/a) B点表示无人机端三维力传感器末端，A点 a=Toly (8) 表示绕线机末端。绳缆上力受力平衡方程可表示为 cosh(x)=(er+e-)/2 T cos0.=To 式中cosh(x)表示双曲余弦函数。对式(8)求导： T sin0,=W d证 -tand,=-sinh() (9) 式中：T,表示无人机上拉力大小；T。表示绕线机 端的拉力；W表示绳缆的重力。绳缆上的拉力由 式(9)代入式(6)得到绳缆长度： 三维力传感器测得，得到的数据分别是笛卡尔坐 标系下每个坐标轴的分力，在笛卡尔坐标系下已 L= Vi+(snh2y=a.snh a a 知3个分力的方向和大小可以计算合力的方向和 式(9)是通用表示情况，系留无人机连接绳缆 大小，空间中3个力的合成如图4所示。 端的角度大小为日，因此可得到系留无人机悬链 线输入模型数学表达式： X tan0,=sinh(L/a) L,=a.sinh(L/a)-a.sinh(0) L.=a.cosh(L/a)-a.cosh(0) 2实验平台搭建 2.1基于力传感系留无人机 图4力的合成 三维拉力传感器采用VARIENSE厂商的 Fig.4 Force synthesis FSE103,传感器直径39mm,重量40g,拉力范围 从三维力传感器上通过力的合成可以间接获 为在0~80N,最小精度0.01N。三维力传感器如 得无人机上的拉力和俯仰角。无人机上的拉力大 图5所示，在传感器受力区施加量程范围内的力， 小和系留绳缆上的拉力大小相等方向相反，即 可通过上位机读取笛卡尔坐标系下3个坐标轴上 T=TI 力的大小。为了统一坐标系，在安装三维力传感 系留线缆上任意一小段的受力情况可表示为 器时应使3个坐标轴与绕线机为原点建立的坐标 d/dy.(T..sin 0y)=d/dy.Wy 轴保持一致。三维力传感器精度能达到0.01N, dL=(dy)2+(dz)2=1+(dz/dy).dy (3) 在实际使用过程中微小的受力变化也能被传感器 taney=dz/dy 捕获，同时受力区在没有受到外力时传感器存在 将任意一点拉力T,用T表示为 噪声数据，如图6所示，为了消除噪声干扰对真实 Ty=To/cos (4) 数据的影响，在测量之前需要对噪声数据做预处 把式(4)代入式(3)简化得 理。传感器未受力时取1000个带噪声的数据求 品c8)-g=.d业 取均值，若用。表示无外力时带噪声数据，传感 dy (5) 器受绳缆拉力时的测量数据用N表示，那么测量 Y=PVg 数据的真实值可用N-表示
F= G sinβ−cosβtanθs T= G cos θs tanβ−sinθs (2) 系留无人机绳缆用悬链线模型表示，绳缆上 的受力分析如图 3 所示。 Z Z Y Y T0 T1 Ty θy Wy ΔL W θs θr A A B (a) 整体受力图 (b) 一小段受力图 图 3 绳缆自然受力图 Fig. 3 Tether natural force diagram B 点表示无人机端三维力传感器末端，A 点 表示绕线机末端。绳缆上力受力平衡方程可表示为 { T1 cos θs = T0 T1 sinθs = W T1 T0 W 式中： 表示无人机上拉力大小； 表示绕线机 端的拉力； 表示绳缆的重力。绳缆上的拉力由 三维力传感器测得，得到的数据分别是笛卡尔坐 标系下每个坐标轴的分力，在笛卡尔坐标系下已 知 3 个分力的方向和大小可以计算合力的方向和 大小，空间中 3 个力的合成如图 4 所示。 X Y j i k Z T 图 4 力的合成 Fig. 4 Force synthesis 从三维力传感器上通过力的合成可以间接获 得无人机上的拉力和俯仰角。无人机上的拉力大 小和系留绳缆上的拉力大小相等方向相反，即 T = T1 系留线缆上任意一小段的受力情况可表示为 d/dy ( Ty sin θy ) = d/dy Wy dL = √ (dy) 2 +(dz) 2 = √ 1+(dz/dy) dy tanθy =dz/dy (3) 将任意一点拉力 Ty 用 T0 表示为 Ty = T0/cos θy (4) 把式 (4) 代入式 (3) 简化得 d dy ( T0 tanθy ) = d dy Wy = γ dL γ = ρvg (5) γ ρ g dL v 式中： 表示系留绳缆的单位质量； 表示绳缆的 密度； 为重力加速度； 为一小段绳长； 表示 任意一小段绳缆体积，Wy 表示任意小段绳缆的质 量。绳缆上每一小段的长度用弧长公式表示： dL = √ 1+(dz/dy) 2 dy 绳缆的长度 Ls 用弧长积分得到： Ls= ∫ Ly 0 √ 1+(dz /dy) 2 (6) 式 (6) 代入式 (5) 中，并做微分处理可得： d dz ( dz dy ) = ρg T0 √ 1+(dz/dy) 2 dy (7) 式 (7) 做积分分离，整理后可得到悬链线方程： z = a cosh(y/a) a = T0/γ cosh(x) = (e x +e −x )/2 (8) 式中 cosh(x) 表示双曲余弦函数。对式 (8) 求导： dz dy = tanθy = sinh( y a ) (9) 式 (9) 代入式 (6) 得到绳缆长度： Ls = ∫ Ly 0 √ 1+ ( sinh y a ) dy = a sinh Ly a θs 式 (9) 是通用表示情况，系留无人机连接绳缆 端的角度大小为 ，因此可得到系留无人机悬链 线输入模型数学表达式： tanθs = sinh( Ly/a ) Ls=a sinh( Ly/a ) −a sinh(0) Lz=a cosh( Ly/a ) −a cosh(0) 2 实验平台搭建 2.1 基于力传感系留无人机 三维拉力传感器采用 VARIENSE 厂商的 FSE103，传感器直径 39 mm，重量 40 g，拉力范围 为在 0~80 N，最小精度 0.01 N。三维力传感器如 图 5 所示，在传感器受力区施加量程范围内的力， 可通过上位机读取笛卡尔坐标系下 3 个坐标轴上 力的大小。为了统一坐标系，在安装三维力传感 器时应使 3 个坐标轴与绕线机为原点建立的坐标 轴保持一致。三维力传感器精度能达到 0.01 N， 在实际使用过程中微小的受力变化也能被传感器 捕获，同时受力区在没有受到外力时传感器存在 噪声数据，如图 6 所示，为了消除噪声干扰对真实 数据的影响，在测量之前需要对噪声数据做预处 理。传感器未受力时取 1 000 个带噪声的数据求 取均值，若用 n0 表示无外力时带噪声数据，传感 器受绳缆拉力时的测量数据用 N 表示，那么测量 数据的真实值可用 N−n0 表示。 ·674· 智 能 系 统 学 报 第 15 卷
第4期 林海涛，等：基于力传感的系留无人机定位方法研究 ·675· 。受力区 表1系留绳缆参数表 Table 1 Tethered rope parameter table 绳缆直 绳缆 绳缆 绳缆密度/ 径均值/mm 质量kg 长/m kg.m3 5.432 0.3589 5.12 3.026×103 3实验测试 VARIENSE 悬链线模型估计的定位数据需要与系留无人 机在室内所处空间位置的真实值对比获得定位精 度。系留无人机实验场地由3.2m×4m×2.8m行 图5三维力传感器 架和安全网搭建。无人机在室内的真实位置采用 Fig.5 Three-dimensional force sensor Marvelmind的Indoor“GPS”测定，Indoor“GPS” Variense FSE Reader 0× Eile Becorder Iools Help 由5个基站和一个GPS调节器组成，在实验场地 Eirt a8.. ●Start Recording■Et中ecardine Clear hecording 的4根行架柱与系留无人机上分别固定一个GPS Shew F,-00 F,-5 基站，实验场地如图7所示，室内GPS调节器与PC 2 连接，室内GPS定位系统定位稳定性高且不易受 Graph Kecording 外界环境影响，在室内能达到2cm的定位误差。 18 -12 Indoor Gps基站 ndoor Gps基站 00:0的2000：0027 0的0：28 00:00:29 00:00:00000 Receiving dataat 216 Hz 图6三维力传感器噪声 三维拉力传感器 系留硅胶线缆绕线机 Fig.6 Three-dimensional force sensor noise 无人机使用DIF450机架，三维力传感器悬 图7实验测试场地 挂于无人机底部重心位置，系留线缆通过螺纹螺 Fig.7 Experimental test site 栓与硅胶线缆连接。系留线缆末端与地面绕线机 由于绕线机不能自由旋转，因此不能实现绕 相连接，绕线机可控制绳缆长度变化，使绳缆始 线机与绳缆偏角的测量，在实验过程中做以下约 终能处于悬链线模型状态。 束，以便于实验数据的处理： 2.2绕线机与绳缆 1)绕线机的角度固定，不能在任意位置偏 绕线机可根据绳缆上张力大小使绳缆保持自 转，即不需要考虑绕线机被系留绳缆拖拽的方位角。 动收放。为了使实验效果明显，系留线缆选取了 2)系留无人机空间位置估计过程中忽略无人 密度较大的硅胶线缆，并且硅胶线缆不是完全均 机的飞行姿态（横滚、俯仰、偏航），把系留无人机 匀，为了减小绳缆密度不均匀产生的误差，这里 当作质点。 采用多点测量取平均值的方式获得绳缆密度。绳 3)坐标系的选取，以绕线机为原点建立笛卡 缆密度计算方式为 尔坐标系，系留无人机的位置是相对于坐标原点 O-V 的空间位置。 V=ar2.L 4数据分析 式中：m表示绳缆的总质量；V表示绳缆的总体 积：r表示绳缆半径；L表示绳缆总长，数据测定如表1 在实验场地中分别测量绳缆长度为1.2、1.8、 所示。 2.4、3.0m时的数据。为了验证该定位方法的有效 绕线机通过张力测试控制绳缆收放的同时绕 性，将Indoor“GPS”获取的数据表示系留无人机的 线机末端的编码器也能测量绳缆的长度L。 期望位置，悬链线模型下得到的数据表示估计位置
受力区 图 5 三维力传感器 Fig. 5 Three-dimensional force sensor 图 6 三维力传感器噪声 Fig. 6 Three-dimensional force sensor noise 无人机使用 DJI F450 机架，三维力传感器悬 挂于无人机底部重心位置，系留线缆通过螺纹螺 栓与硅胶线缆连接。系留线缆末端与地面绕线机 相连接，绕线机可控制绳缆长度变化，使绳缆始 终能处于悬链线模型状态。 2.2 绕线机与绳缆 绕线机可根据绳缆上张力大小使绳缆保持自 动收放。为了使实验效果明显，系留线缆选取了 密度较大的硅胶线缆，并且硅胶线缆不是完全均 匀，为了减小绳缆密度不均匀产生的误差，这里 采用多点测量取平均值的方式获得绳缆密度。绳 缆密度计算方式为 ρ= m V V = πr 2 · L 式中：m 表示绳缆的总质量；V 表示绳缆的总体 积；r 表示绳缆半径；L 表示绳缆总长，数据测定如表 1 所示。 LS 绕线机通过张力测试控制绳缆收放的同时绕 线机末端的编码器也能测量绳缆的长度 。 表 1 系留绳缆参数表 Table 1 Tethered rope parameter table 绳缆直 径均值/mm 绳缆 质量/kg 绳缆 长/m kg ·m−3 绳缆密度/ 5.432 0.358 9 5.12 3.026×103 3 实验测试 3.2 m×4 m×2.8 m 悬链线模型估计的定位数据需要与系留无人 机在室内所处空间位置的真实值对比获得定位精 度。系留无人机实验场地由 行 架和安全网搭建。无人机在室内的真实位置采用 MarveImind 的 Indoor “GPS”测定，Indoor “GPS” 由 5 个基站和一个 GPS 调节器组成，在实验场地 的 4 根行架柱与系留无人机上分别固定一个 GPS 基站，实验场地如图 7 所示，室内 GPS 调节器与 PC 连接，室内 GPS 定位系统定位稳定性高且不易受 外界环境影响，在室内能达到 2 cm 的定位误差。 Indoor Gps 基站 Indoor Gps 基站 三维拉力传感器 系留硅胶线缆 绕线机 图 7 实验测试场地 Fig. 7 Experimental test site 由于绕线机不能自由旋转，因此不能实现绕 线机与绳缆偏角的测量，在实验过程中做以下约 束，以便于实验数据的处理： 1) 绕线机的角度固定，不能在任意位置偏 转，即不需要考虑绕线机被系留绳缆拖拽的方位角。 2) 系留无人机空间位置估计过程中忽略无人 机的飞行姿态 (横滚、俯仰、偏航)，把系留无人机 当作质点。 3) 坐标系的选取，以绕线机为原点建立笛卡 尔坐标系，系留无人机的位置是相对于坐标原点 的空间位置。 4 数据分析 在实验场地中分别测量绳缆长度为 1.2、1.8、 2.4、3.0 m 时的数据。为了验证该定位方法的有效 性，将 Indoor “GPS”获取的数据表示系留无人机的 期望位置，悬链线模型下得到的数据表示估计位置。 第 4 期 林海涛，等：基于力传感的系留无人机定位方法研究 ·675·
·676· 智能系统学报 第15卷 绳长为1.2m时无人机位置的变化，改变的 2.0 T=1.6 tanY=18.0 tanZ=42.0 物理量只有三维力传感器上拉力的大小和方向， T=l.8tan=l5.6tn2-27.8 1.5 图8表示悬链线位置估计下系留无人机在10次 7=1.6tan=16.0tanZ=45.0 测量中位置变化情况。 7=1.5tan=42.0tanZ=53.5 导10 T=1.6tan=21.0tan2-35.3 1.0 7T=l.4tan=8.5tan2=19.0 T=1.9tan=25.0tan2-42.0 0.5 T=1.4 tanY=16.3 tanZ=38.5 T=2.3tan=28.0tan2-47,2 0.8 7=l.3tanf=21.5tan2-24.5 7T=20tan=20.51tanZ-43.5 0.6 7=l.8tan=32.0tan2=37.3 28 T=1.8tan=l0.0tan2-29.8 T=1.8 tanY=10.5 tanZ=17.8 0 =1.4tan=l5.8tanZ=52.0 0.4 7=l.1tan=l4.5tan2=-25.5 2.0 -1.0 X/m 0.5 1.01.5 0.2 7=1.0 tanY=19.3 tanZ=50.0 -2.00 Y/m 7=1.2tan=22.6tan2-25.8 7=l.1tan=27.0tanZ=44.5 图10绳长1.8m位置估计 7T=l.9tan=17.8tan2=26.0 Fig.10 Rope length 1.8 m position estimate 0.5 1.5 -0.5 1.0 2.0 X/m -1.5 0 0.5 Y/m 图8绳长1.2m位置估计 1.5 Fig.8 Rope length 1.2 m position estimate 把系留无人机的空间位置在YZ坐标轴的平 估计位置 期望位置 面上投影，对比期望位置与估计位置的误差如图9 0.5 所示。红色圆点表示RTK获得的期望位置，蓝色 圆点表示悬链线模型估计位置，黑色椭圆表示每 一组期望值与估计值的距离范围，椭圆中红色点 0.5 1.0 1.5 2.0 Y/m 与蓝色点距离越近误差越小。10次实验中，测量 图11绳长1.8m误差对比 误差取平均值，Y方向的误差为5.193%，Z方向的 Fig.11 Rope length 1.8 m error comparison 误差为6.341%。 2.5 7=2.0tan=18.2tanZ-60.7 1.5 20 -=1.8tan=18.0tan2Z=89.0 7T=2.0tan=9.0tanZ=36.6 1.5 .7=2.0tan=9.0tanZ=29.5 1.0 T=2.3tan=17.0tanZ=44.8 1.0 -7T=2.0an=16.1tanZ=43.8 估计位置期望位置心 T=2.2tan=4.0tan2-36.8 0.5 0.5 T=1.9 tanY=12.6 tanZ=37.2 -7=2.0tan=132tan2E36.0 ,7=1.9tan=13.0tan2=33.2 0.5 -0.5 0.5 1.0 1.5 X/m 1.01.52.025. 0. Y/m -1.50 Y/m 图9绳长1.2m误差对比 图12绳长2.4m位置估计 Fig.9 Rope length 1.2 m error comparison Fig.12 Rope length 2.4 m position estimate 绳长为1.8m时，悬链线模型估计位置如图10 2.5 所示。期望位置与估计位置误差比较如图11所示。 2.0 绳长1.8m的10次实验中，测量误差取平 0e024 均值，Y方向的误差为4.034%，Z方向的误差为 1.5 2.326%。该组数据下系留线缆Y方向的跨度在 1.0 估计位置 期望位置 0.8~1.6m,线缆的弯曲程度在该组数据中跨度较 大，这并没有导致该模型下系留无人机估计位置 0.5 的跳变，这表明悬链线模型对系留无人机空间位 0.5 1.0 1.5 2.0 置的估计与悬链线的弯曲程度无关。 Y/m 绳长L,为2.4m时，悬链线模型估计位置如图12 图13绳长2.4m误差对比 所示。期望位置与估计位置误差比较如图13所示。 Fig.13 Rope length 2.4 m error comparison
绳长为 1.2 m 时无人机位置的变化，改变的 物理量只有三维力传感器上拉力的大小和方向， 图 8 表示悬链线位置估计下系留无人机在 10 次 测量中位置变化情况。 Z/m X/m Y/m 1.0 0.8 0.6 0.4 0.2 0 1.5 0.5 0 0.5 1.0 1.5 −0.5 −1.5 T=1.4 tanY=8.5 tanZ=19.0 T=1.4 tanY=16.3 tanZ=38.5 T=1.3 tanY=21.5 tanZ=24.5 T=1.8 tanY=32.0 tanZ=37.5 T=1.8 tanY=10.5 tanZ=17.8 T=1.1 tanY=14.5 tanZ=25.5 T=1.0 tanY=19.3 tanZ=50.0 T=1.2 tanY=22.6 tanZ=25.8 T=1.1 tanY=27.0 tanZ=44.5 T=1.9 tanY=17.8 tanZ=26.0 图 8 绳长 1.2 m 位置估计 Fig. 8 Rope length 1.2 m position estimate 把系留无人机的空间位置在 YZ 坐标轴的平 面上投影，对比期望位置与估计位置的误差如图 9 所示。红色圆点表示 RTK 获得的期望位置，蓝色 圆点表示悬链线模型估计位置，黑色椭圆表示每 一组期望值与估计值的距离范围，椭圆中红色点 与蓝色点距离越近误差越小。10 次实验中，测量 误差取平均值，Y 方向的误差为 5.193%，Z 方向的 误差为 6.341%。 Z/m Y/m 1.5 1.0 0.5 0 0.5 1.0 1.5 估计位置 期望位置 图 9 绳长 1.2 m 误差对比 Fig. 9 Rope length 1.2 m error comparison 绳长为 1.8 m 时，悬链线模型估计位置如图 10 所示。期望位置与估计位置误差比较如图 11 所示。 绳长 1.8 m 的 10 次实验中，测量误差取平 均值，Y 方向的误差为 4.034%，Z 方向的误差为 2.326%。该组数据下系留线缆 Y 方向的跨度在 0.8~1.6 m，线缆的弯曲程度在该组数据中跨度较 大，这并没有导致该模型下系留无人机估计位置 的跳变，这表明悬链线模型对系留无人机空间位 置的估计与悬链线的弯曲程度无关。 绳长 Ls 为 2.4 m 时，悬链线模型估计位置如图 12 所示。期望位置与估计位置误差比较如图 13 所示。 Z/m X/m Y/m 2.0 1.5 1.0 0.5 0 2.0 1.0 0 0 0.5 1.0 2.0 1.5 −1.0 −2.0 T=1.6 tanY=18.0 tanZ=42.0 T=1.8 tanY=15.6 tanZ=27.8 T=1.6 tanY=16.0 tanZ=45.0 T=1.5 tanY=42.0 tanZ=53.5 T=1.6 tanY=21.0 tanZ=35.3 T=1.9 tanY=25.0 tanZ=42.0 T=2.3 tanY=28.0 tanZ=47.2 T=2.0 tanY=20.5 tanZ=43.5 T=1.8 tanY=10.0 tanZ=29.8 T=1.4 tanY=15.8 tanZ=52.0 图 10 绳长 1.8 m 位置估计 Fig. 10 Rope length 1.8 m position estimate Z/m Y/m 2.0 1.5 1.0 0.5 0 0.5 1.0 2.0 1.5 估计位置 期望位置 图 11 绳长 1.8 m 误差对比 Fig. 11 Rope length 1.8 m error comparison T=2.0 tanY=18.2 tanZ=60.7 T=1.8 tanY=18.0 tanZ=89.0 T=2.0 tanY=9.0 tanZ=36.6 T=2.0 tanY=9.0 tanZ=29.5 T=2.3 tanY=17.0 tanZ=44.8 T=2.0 tanY=16.1 tanZ=43.8 T=2.2 tanY=14.0 tanZ=36.8 T=1.9 tanY=12.6 tanZ=37.2 T=2.0 tanY=13.2 tanZ=36.0 T=1.9 tanY=13.0 tanZ=33.2 Z/m X/m Y/m 2.5 2.0 1.5 1.0 0.5 0 1.5 0.5 0 0.5 1.0 2.5 2.0 −0.5 1.5 −1.5 图 12 绳长 2.4 m 位置估计 Fig. 12 Rope length 2.4 m position estimate Z/m Y/m 2.5 2.0 1.5 1.0 0.5 0 0.5 1.0 2.0 1.5 估计位置 期望位置 图 13 绳长 2.4 m 误差对比 Fig. 13 Rope length 2.4 m error comparison ·676· 智 能 系 统 学 报 第 15 卷
第4期 林海涛，等：基于力传感的系留无人机定位方法研究 ·677· 绳长2.4m的10次实验中，测量误差平均值， 基于力传感的系留无人机绳缆定位实验结果 Y方向误差为2.359%，Z方向误差为1.022%。 与文献[20]使用的Fotokite Pro无人机绳缆定位 绳长L,为3.0m时，悬链线模型估计位置如 相对比将定位误差由0.3675m缩减到0.1071m, 图14所示。期望位置与估计位置误差比较如图15。 定位精度提升了70.86%。 25 T=2.4tanl=19.2anZ242.8 5结束语 2.0 ,=2.5tan1=25.31an2-51.0 T=2.6tanl=24.0tan2-47.0 1.5 本文建立了系留无人机悬链线模型，仅依靠 .T=2.7tanl=13.8tanZ=427.0 1.0 1T=2.6an=25.0tan2=46.2 系留绳缆与三维力传感器实现无人机室内定位， =2.7tan=22.0tanZ-30.5 得益于三维力传感器能准确获得绳缆拉力，使系 0.5 -T=3.0tanl=17.0tanZ229.5 7T=3.1an=26.5tan239.4 统定位精度达到0.1071m。由于三维力传感器与 T=2.8tanl=24.0tanZ-38.6 无人机相互独立工作，系统可复制性强，悬链线 0.5 T=2.8tanl=35.0tanZ=49.0 模型下获得的定位数据，将定位数据传递给飞机 -0.5 控制系统，可使基于力传感的系留无人机适用于 X/m 1.0152.025。 -1.500. Y/m 更复杂的环境。未来将结合流体力学分析等进一 图14绳长3.0m位置估计 步丰富力学模型以提高定位精度。随着系留线缆 Fig.14 Rope length 3.0 m position estimate 长度的增加，系留线缆对无人机飞行姿态和位置 2.5 影响越来越大，非线性扰动对系留无人机的影响 23 不可忽视，可利用深度强化学习建立系留无人机 非线性扰动模型，使无人机能自适应绳缆上的非 2.1 线性外力造成的影响，从而提高定位精度。 1.9 参考文献： 估计位置 期望位置 [1]TZOUMANIKAS D,LI W,GRIMM M,et al.Fully autonomous micro air vehicle flight and landing on a mov- 1.5 1.7 1.92.1 2.32.5 ing target using visual-inertial estimation and model-pre- Y/m dictive control[J].Journal of field robotics,2019,36(1): 图15绳长3.0m误差对比 49-77. Fig.15 Rope length 3.0 m error comparison [2]王永全，李清泉，汪驰升.基于系留无人机的应急测绘技 绳长3.0m的10次实验中，测量误差取均值， 术应用).国土资源遥感，2020,32(1)：1-6. Y方向误差为3.103%，Z方向误差为4.206%。 WANG Yongquan,LI Qingquan,WANG Chisheng.Ap- plication of emergency surveying and mapping technology 在4种不同绳缆长度下测定的数据与In- based on tethered drones[J].Remote sensing for land and door“GPS”对比平均误差为3.573%，误差距离为 resources,2020,32(1):1-6 0.1071m。系留无人机在室内的期望位置是确定 [3]高源.系留无人机自动收放缆控制系统研究[D].哈尔 的，估计位置具有不确定性，不同绳缆长度下的 滨：哈尔滨工程大学，2018. 估计位置与真实位置的偏差如图16所示，估计位 GAO Yuan.Research on automatic control system of tethered unmanned aerial vehicle[D].Harbin:Harbin En- 置是在以期望位置为球的误差半径范围内波动。 gineering University,2018. 3.0 [4]MIKI T,KHRAPCHENKOV P,HORI K,et al. 2.5 UAV/UGV autonomous cooperation:UAV assists UGV to climb a cliff by attaching a tether[C].International Confer- 2.0 ence on Robotics and Automation.Montreal,Canada. 15 2019:8041-8047 [5]NAKANISHI H,HASHIMOTO H.AR-marker/IMU hy- 1.0 brid navigation system for tether-powered UAV[J].Journ- 05 al of robotics and mechatronics,2018,30(1):76-85. 估计位置变化区 期望位置 [6]XIAO X,DUFEK J,WOODBURY T D,et al.UAV as- 0.5 1.01.52.02.53.0 sisted USV visual navigation for marine mass casualty in- Y/m cident response[C]//Intelligent Robots and Systems.Van- 图16不同绳长误差对比 couver,Canada.2017:6105-6110. Fig.16 Error comparison of different rope lengths [7]TALKE K,DE OLIVEIRA M C,BEWLEY T,et al
绳长 2.4 m 的 10 次实验中，测量误差平均值， Y 方向误差为 2.359%，Z 方向误差为 1.022%。 绳长 Ls 为 3.0 m 时，悬链线模型估计位置如 图 14 所示。期望位置与估计位置误差比较如图 15。 T=2.4 tanY=19.2 tanZ=42.8 T=2.5 tanY=25.3 tanZ=51.0 T=2.6 tanY=24.0 tanZ=47.0 T=2.7 tanY=13.8 tanZ=427.0 T=2.6 tanY=25.0 tanZ=46.2 T=2.7 tanY=22.0 tanZ=30.5 T=3.0 tanY=17.0 tanZ=29.5 T=3.1 tanY=26.5 tanZ=39.4 T=2.8 tanY=24.0 tanZ=38.6 T=2.8 tanY=35.0 tanZ=49.0 Z/m X/m Y/m 2.5 2.0 1.5 1.0 0.5 0 1.5 0.5 0 0.5 1.0 2.5 2.0 1.5 −0.5 −1.5 图 14 绳长 3.0 m 位置估计 Fig. 14 Rope length 3.0 m position estimate Z/m Y/m 2.5 2.3 2.1 1.9 1.7 1.5 1.7 1.9 2.5 2.1 2.3 估计位置 期望位置 图 15 绳长 3.0 m 误差对比 Fig. 15 Rope length 3.0 m error comparison 绳长 3.0 m 的 10 次实验中，测量误差取均值， Y 方向误差为 3.103%，Z 方向误差为 4.206%。 在 4 种不同绳缆长度下测定的数据与 Indoor “GPS”对比平均误差为 3.573%，误差距离为 0.107 1 m。系留无人机在室内的期望位置是确定 的，估计位置具有不确定性，不同绳缆长度下的 估计位置与真实位置的偏差如图 16 所示，估计位 置是在以期望位置为球的误差半径范围内波动。 Z/m Y/m 3.0 2.5 2.0 1.5 1.0 0.5 0 0.5 1.0 3.0 1.5 2.0 2.5 估计位置变化区 期望位置 图 16 不同绳长误差对比 Fig. 16 Error comparison of different rope lengths 基于力传感的系留无人机绳缆定位实验结果 与文献 [20] 使用的 Fotokite Pro 无人机绳缆定位 相对比将定位误差由 0.367 5 m 缩减到 0.107 1 m， 定位精度提升了 70.86%。 5 结束语 本文建立了系留无人机悬链线模型，仅依靠 系留绳缆与三维力传感器实现无人机室内定位， 得益于三维力传感器能准确获得绳缆拉力，使系 统定位精度达到 0.107 1 m。由于三维力传感器与 无人机相互独立工作，系统可复制性强，悬链线 模型下获得的定位数据，将定位数据传递给飞机 控制系统，可使基于力传感的系留无人机适用于 更复杂的环境。未来将结合流体力学分析等进一 步丰富力学模型以提高定位精度。随着系留线缆 长度的增加，系留线缆对无人机飞行姿态和位置 影响越来越大，非线性扰动对系留无人机的影响 不可忽视，可利用深度强化学习建立系留无人机 非线性扰动模型，使无人机能自适应绳缆上的非 线性外力造成的影响，从而提高定位精度。 参考文献： TZOUMANIKAS D, LI W, GRIMM M, et al. Fully autonomous micro air vehicle flight and landing on a moving target using visual-inertial estimation and model-predictive control[J]. Journal of field robotics, 2019, 36(1): 49–77. [1] 王永全, 李清泉, 汪驰升. 基于系留无人机的应急测绘技 术应用 [J]. 国土资源遥感, 2020, 32(1): 1–6. WANG Yongquan, LI Qingquan, WANG Chisheng. Application of emergency surveying and mapping technology based on tethered drones[J]. Remote sensing for land and resources, 2020, 32(1): 1–6. [2] 高源. 系留无人机自动收放缆控制系统研究 [D]. 哈尔 滨: 哈尔滨工程大学, 2018. GAO Yuan. Research on automatic control system of tethered unmanned aerial vehicle[D]. Harbin: Harbin Engineering University, 2018. [3] MIKI T, KHRAPCHENKOV P, HORI K, et al. UAV/UGV autonomous cooperation: UAV assists UGV to climb a cliff by attaching a tether[C]. International Conference on Robotics and Automation. Montreal, Canada. 2019: 8041−8047. [4] NAKANISHI H, HASHIMOTO H. AR-marker/IMU hybrid navigation system for tether-powered UAV[J]. Journal of robotics and mechatronics, 2018, 30(1): 76–85. [5] XIAO X, DUFEK J, WOODBURY T D, et al. UAV assisted USV visual navigation for marine mass casualty incident response[C]// Intelligent Robots and Systems. Vancouver, Canada. 2017: 6105−6110. [6] [7] TALKE K, DE OLIVEIRA M C, BEWLEY T, et al. 第 4 期 林海涛，等：基于力传感的系留无人机定位方法研究 ·677·
·678· 智能系统学报 第15卷 Catenary tether shape analysis for a UAV-USV team[Cl// of low-cost LiDAR sensor for application in indoor UAV Intelligent Robots and Systems.Madrid,Spain.2018: navigation[C]//Static Analysis Symposium,2018:1-5. 7803-7809 [20]XIAO X,FAN Y,DUFEK J,et al.Indoor UAV localiza- [8]胡文超，孙新柱，陈孟元.音频感知哈希闭环检测的无人 tion using a tether[C]//International Symposium on 机仿生声呐SLAM算法研究).智能系统学报，2019， Safety,Security,and Rescue Robotics.Philadelphia, 14(2):338-345. USA.2018:1-6. HU Wenchao,SUN Xinzhu,CHEN Mengyuan.Research [21]XIAO X,DUFEK J,SUHAIL M,et al.Motion planning on UAV bionic sonar SLAM algorithm for audio perceptu- for a UAV with a straight or kinked tether[Cl//Intelligent al hash closed loop detection[J].CAAI transactions on in- Robots and Systems.Madrid,Spain.2018:8486-8492. telligent systems,2019,14(2):338-345. [22]张飞，白伟，乔耀华.基于改进D*算法的无人机室内路 [9]XIAO X,DUFEK J,MURPHY R.Visual servoing for 径规划J.智能系统学报，2019,14(4)：662-669 teleoperation using a tethered UAV[C]//International ZHANG Fei.BAI Wei,QIAO Yaohua.UAV indoor path Symposium on Safety,Security,and Rescue Robotics. planning based on improved D*algorithm[J].CAAl Shanghai,China.2017:147-152. transactions on intelligent systems,2019,14(4):662-669. [10]王勋，张代兵，沈林成.一种基于虚拟力的无人机路径 [23]YANG L,FENG X,ZHANG J,et al.Multi-ray modeling 跟踪控制方法).机器人，2016,38(3)329-336. of ultrasonic sensors and application for Micro-UAV loc- WANG Xun,ZHANG Daibing,SHEN Lincheng.A alization in indoor environments[J].Sensors,2019,19(8): method of UAV path tracking control based on virtual 1770-1777 force[J].Robot,.2016,38(3):329-336. [24]WALKER O,VANEGAS F,GONZALEZ F,et al.A [11]DUFEK J.MURPHY R.Theoretical limitations of visual deep reinforcement learning framework for UAV naviga- navigation of lifesaving VSV using small UAS[C]//Inter- tion in indoor environments[C//IEEE Aerospace Confer- national Symposium on Safety,Security,and Rescue Ro- ence.Montana,USA.2019:1-14. botics.Philadelphia.USA.2018:1-7. [25]洪洋，孙秀霞，王栋.基于矩形几何特性的小型无人机 [12]BALSI M.ESPOSITO S,FALLAVOLLITA P,et al. 快速位姿估计方法.中国激光，2016,43(5)：232-244. Single-tree detection in high-density LiDAR data from HONG Yang,SUN Xiuxia,WANG Dong.A fast pose es- UAV-based survey[J].European journal of remote sens- timation method for small UAV based on rectangular geo- ing,2018,51(1):679-692. metric characteristics[J].Chinese laser,2016,43(5): [13]苏贇，王挺，姚辰.基于合作目标的无人机目标跟踪方 232-244 法J.机器人，2019,41(4)：425432. [26]LU Y,XUE Z,XIA G S,et al.A survey on vision-based SU Yun,WANG Ting,YAO Chen.Target tracking meth- UAV navigation[J].Geo-spatial information science, od of UAV based on cooperative target[J].Robot,2019. 2018,21(1:1-12 41(4):425-432 作者简介： [14]王怿，祝小平，周洲.三维动态环境下的无人机路径跟 踪算法J.机器人，2014,36(1)：83-91. 林海涛，硕士研究生，主要研究方 WANG Yi,ZHU Xiaoping,ZHOU Zhou.UAV path 向为无人机控制。 tracking algorithm in 3D dynamic environment[J].Robot, 2014,36(183-91. [15]TEULIERE C.MARCHAND E.ECK L.3D Model- based tracking for UAV indoor localization[J].IEEE transactions on cybernetics,2015,45(5):869-879 [16]KOTARU P.WU G.SREENATTH K.Dynamics and 张华，教授，博士生导师，博士后 control of a quadrotor with a payload suspended through 主要研究方向为智能控制。近年来承 an elastic cable[C].Advances in computing and commu- 担科研项目15项，其中国家自然科学 nications.Kochi Ernakulam,India.2017:3906-3913. 基金项目4项、国防基础科研项目 [1刀张毅，沙建松.基于图优化的移动机器人视觉SLAM 1项、国防重点专项1项。发表学术 智能系统学报，2018.13(2)：290-295. 论文50余篇。 ZHANG Yi,SHA Jiansong.Mobile robot vision SLAM based on graph optimization[].CAAI transactions on in- telligent systems,2018,13(2):290-295. 李永龙，博士研究生，主要研究方 [18]TANG L,YANG S,CHENG N,et al.Toward autonom- 向为智能感知与智能控制。 ous navigation using an RGB-D camera for flight in un- known indoor environments[Cl//Chinese Guidance Nav- igation and Control Conference.Yantai,China.2014: 2007-2012. [19]JEONG N,HWANG H,MATSON E T,et al.Evaluation
Catenary tether shape analysis for a UAV-USV team[C]// Intelligent Robots and Systems. Madrid, Spain. 2018: 7803−7809. 胡文超, 孙新柱, 陈孟元. 音频感知哈希闭环检测的无人 机仿生声呐 SLAM 算法研究 [J]. 智能系统学报, 2019, 14(2): 338–345. HU Wenchao, SUN Xinzhu, CHEN Mengyuan. Research on UAV bionic sonar SLAM algorithm for audio perceptual hash closed loop detection[J]. CAAI transactions on intelligent systems, 2019, 14(2): 338–345. [8] XIAO X, DUFEK J, MURPHY R. Visual servoing for teleoperation using a tethered UAV[C]// International Symposium on Safety, Security, and Rescue Robotics. Shanghai, China. 2017: 147−152. [9] 王勋, 张代兵, 沈林成. 一种基于虚拟力的无人机路径 跟踪控制方法 [J]. 机器人, 2016, 38(3): 329–336. WANG Xun, ZHANG Daibing, SHEN Lincheng. A method of UAV path tracking control based on virtual force[J]. Robot, 2016, 38(3): 329–336. [10] DUFEK J, MURPHY R. Theoretical limitations of visual navigation of lifesaving VSV using small UAS[C]// International Symposium on Safety, Security, and Rescue Robotics. Philadelphia, USA, 2018: 1−7. [11] BALSI M, ESPOSITO S, FALLAVOLLITA P, et al. Single-tree detection in high-density LiDAR data from UAV-based survey[J]. European journal of remote sensing, 2018, 51(1): 679–692. [12] 苏贇, 王挺, 姚辰. 基于合作目标的无人机目标跟踪方 法 [J]. 机器人, 2019, 41(4): 425–432. SU Yun, WANG Ting, YAO Chen. Target tracking method of UAV based on cooperative target[J]. Robot, 2019, 41(4): 425–432. [13] 王怿, 祝小平, 周洲. 三维动态环境下的无人机路径跟 踪算法 [J]. 机器人, 2014, 36(1): 83–91. WANG Yi, ZHU Xiaoping, ZHOU Zhou. UAV path tracking algorithm in 3D dynamic environment[J]. Robot, 2014, 36(1): 83–91. [14] TEULIERE C, MARCHAND E, ECK L. 3D Modelbased tracking for UAV indoor localization[J]. IEEE transactions on cybernetics, 2015, 45(5): 869–879. [15] KOTARU P, WU G, SREENATTH K. Dynamics and control of a quadrotor with a payload suspended through an elastic cable[C]. Advances in computing and communications. Kochi Ernakulam, India. 2017: 3906−3913. [16] 张毅, 沙建松. 基于图优化的移动机器人视觉 SLAM[J]. 智能系统学报, 2018, 13(2): 290–295. ZHANG Yi, SHA Jiansong. Mobile robot vision SLAM based on graph optimization[J]. CAAI transactions on intelligent systems, 2018, 13(2): 290–295. [17] TANG L, YANG S, CHENG N, et al. Toward autonomous navigation using an RGB-D camera for flight in unknown indoor environments[C]// Chinese Guidance Navigation and Control Conference. Yantai, China. 2014: 2007−2012. [18] [19] JEONG N, HWANG H, MATSON E T, et al. Evaluation of low-cost LiDAR sensor for application in indoor UAV navigation[C]// Static Analysis Symposium, 2018: 1−5. XIAO X, FAN Y, DUFEK J, et al. Indoor UAV localization using a tether[C]// International Symposium on Safety, Security, and Rescue Robotics. Philadelphia, USA. 2018: 1−6. [20] XIAO X, DUFEK J, SUHAIL M, et al. Motion planning for a UAV with a straight or kinked tether[C]// Intelligent Robots and Systems. Madrid, Spain. 2018: 8486−8492. [21] 张飞, 白伟, 乔耀华. 基于改进 D*算法的无人机室内路 径规划 [J]. 智能系统学报, 2019, 14(4): 662–669. ZHANG Fei, BAI Wei, QIAO Yaohua. UAV indoor path planning based on improved D* algorithm[J]. CAAI transactions on intelligent systems, 2019, 14(4): 662–669. [22] YANG L, FENG X, ZHANG J, et al. Multi-ray modeling of ultrasonic sensors and application for Micro-UAV localization in indoor environments[J]. Sensors, 2019, 19(8): 1770–1777. [23] WALKER O, VANEGAS F, GONZALEZ F, et al. A deep reinforcement learning framework for UAV navigation in indoor environments[C]// IEEE Aerospace Conference. Montana, USA. 2019:1-14. [24] 洪洋, 孙秀霞, 王栋. 基于矩形几何特性的小型无人机 快速位姿估计方法 [J]. 中国激光, 2016, 43(5): 232–244. HONG Yang, SUN Xiuxia, WANG Dong. A fast pose estimation method for small UAV based on rectangular geometric characteristics[J]. Chinese laser, 2016, 43(5): 232–244. [25] LU Y, XUE Z, XIA G S, et al. A survey on vision-based UAV navigation[J]. Geo-spatial information science, 2018, 21(1): 1–12. [26] 作者简介： 林海涛，硕士研究生，主要研究方 向为无人机控制。 张华，教授，博士生导师，博士后， 主要研究方向为智能控制。近年来承 担科研项目 15 项，其中国家自然科学 基金项目 4 项、国防基础科研项目 1 项、国防重点专项 1 项。发表学术 论文 50 余篇。 李永龙，博士研究生，主要研究方 向为智能感知与智能控制。 ·678· 智 能 系 统 学 报 第 15 卷
