|
文献综述： |
|
无人机，英文简称UAV(Unmanned Aerial Vehicle)是指具有动力装置，不载人员的飞行器，在无人机发展初期，固定翼无人机以其稳定，简单，高效而成为无人机发展的主流，但随着电子器件和传感装置朝着微型化、轻量化以及高性能的方向不断发展，各种类型的小型无人机在近年来发展迅速并广泛的应用，垂直起降(vertical take-offand landing,VTOL)的旋翼无人机因其具备自主起飞和着陆能力，能够适应各种环境，能以如悬停、前飞、侧飞和倒飞等各种姿态飞行等优点开始成为无人机发展主流，但也是由于固定翼无人机无法比拟的优点导致其控制比较复杂,所以发展缓慢。 而在VTOL无人机中，四旋翼无人机又引起了人们极大的兴趣。目前，世界上对四旋翼无人直升机的研究主要集中在三个方面：基于惯性导航的自主飞行控制、基于视觉的自主飞行控制和自主飞行控制。其典型代表分别是：瑞士洛桑联邦科技学院的OS4、宾夕法尼亚大学的HMX4 和佐治亚理工大学GTMARS。目前国内在四旋翼无人机方面的研究还很少。上海交通大学纳米科学技术研究院曾成功地研制出以直径为两毫米的电磁型微马达作为驱动器，能离地飞行的双旋翼微型直升机。现在该研究院正在充分发挥已有的成功经验，研制能负载的，可离地飞行的四旋翼微型直升机。2005年,台湾修平技术学院设计了一个用于教学的四旋翼直升机。四旋翼无人直升机具有一定的应用前景，因此对四旋翼无人机控制问题的研究得到了各国学者的广泛关注，在此基础上基于视觉的自主飞行控制是研究的热点。 而视觉的自主飞行控制这就涉及到了手势识别技术。 下面是对手势识别技术和手势识别应用在国内外的研究现状进行探讨。 手势识别控制是人机交互控制的一种重要的交互方式。 按照技术采用的硬件设备和方法分，手势识别技术主要可分为两类，第一类是基于传感器的手势识别技术，该技术主要通过各种高精度传感器采集手势姿态信息；另一类是基于视觉的手势识别技术，该技术主要通过算法获取图像中的手势姿态信息。手势识别技术早期主要依靠手上佩戴的传感器手套来获取手的姿势，但由于制作传感器手套的费用比较昂贵，因此又产生了基于视觉的手势识别技术。 基于传感器的手势识别技术主要依靠传感器来获取整个手的姿态信息。早在1987年，美国VPL公司就利用一个多传感器的数据手套来与虚拟的模型之间进行交互，这也是当时在人机自然交互方面较早进入研究并有成果的公司。数据手套是由许多高精度的传感器件组成，通过这些传感器获取各个指关节在空间中的相对位置信息，形成用户手的位置、手指的方向等信息。因此在20世纪90年代初期，多数的手势识别研究是基于各个公司生产的数据手套。如在1990年，David L. Quam，等人利用美国VPL公司生产的数据手套做研究，发表了Gesture Recognition with a Data Glove，即基于数据手套的手势识别；Russell Beale等人也在同时期发表了基于数据手套的手势识别，作者通过建立神经网络识别手势，并给出了手势所代表的字母含义。 虽然数据手套能够提供精确的手势位置和状态信息，但其需要高精度的传感器做支撑，使得数据手套的价格较为昂贵，一般消费者难以负担，而且使用繁琐，时间用久了容易滋生细菌，给使用者的健康带来隐患，为了解决这一问题，光学标记方法逐渐取代了数据手套。该方法是将光学标记物佩戴在人手上，然后通过红外线检测这些光学标记，并将人手位置和手指的变化传送到系统屏幕上，如在2001年，针对增强现实交互的手指跟踪，Klaus Dorfmuller-Ulhaas等人利用光学标记法来识别用户的手势操作。 虽然使用这些外部设备提高了手势识别的稳定性和准确度，但是都需要在手上佩戴设备，这并没有实现人与机器进行自然交互的目的，且由于外部设备限制性，使得基于计算机视觉的非接触式手势识别方法得到了不断的关注和发展，它利用摄像头采集含有手势的图像，运用图像处理等相关技术从背景中分割手势并提取特征，再利用机器学习、统计学等领域的方法进行手势的分类、识别。根据数据采集的不同形式可将基于视觉的手势识别分为：基于二维表观的方法和基于王维建模的方法，前者使用单摄像机获取图像，而后者使用多摄像机或深度相机。 经过这几年图像处理的发展，基于机器视觉的手势识别技术逐渐成为了机器视觉领域的研究热点。基于视觉的手势识别技术主要可以分为三个步骤，第一，手势分割，即从简单或复杂的背景中提取出人手区域；第二，手势分析，即提取出人手的有效特征；第三，手势识别，利用图像处理的一些方法识别手势代表的含义。 有学者曾利用颜色手套区分手掌的各个区域，在捕捉到手的图像后，通过对不同颜色的区域进行处理，从而获取整个手势的含义。在1994年，Alberto Tomita等人专门对如何从灰度图像中提取手的轮廓进行了研究；在1996年，Rick Kjeldsen等人对彩色图像中的手段肤色模型进行了研究；KO I J等学者对基于帧模型的手势识别技术进行了研究；D.S. Banarse等人利用自组织神经网络对手势识别技术进行了研究。 以上研究都是利用单摄像机获取手势图像进行分析。随着技术的发展，产生了三维体感摄像机。 如在2010年，微软发布了一款以三维体感摄像头为核心的体感外设，其核心是三维体感摄像机，称为Kinect，该摄像机通过红外传感器标度北侧物体的深度值，并与RGB彩色摄像头获取的图像结合成一幅深度图像。该摄像机的产生使得科研人员通过图像深度信息就可快速的分离出手的区域。但是 Kinect虽然可以捕捉人的全身肢体动作及肢体各关节角度，甚至还可以捕捉人物面部。可是对于手部数据，Kinect 无法捕捉手掌和手指的动作及姿态数据，并且对于躯干及四肢关节的捕捉识别精度有限，到2013年，Leap Motion 有限公司推出的桌面级手势交互控制器Leap Motion，一款针对双手及前臂的光学体感交互设备，在其操作空间内，可以捕捉双手及前臂的所有肢体及姿态，对于手掌及手指的识别精度相比 Kinect 高，是一款专门针对手势交互的桌面级光学体感交互产品。 国内外手势识别技术应用较多的领域主要集中在娱乐、演示方面。三星推出一款智能电视ES8000，该电视集成了手势识别、脸部识别等技术，该电视首先对手势进行环境测试和动作识别测试，完成测试后即可通过挥手的方式调出电视的控制菜单，也可通过握拳、松手等手势控制游戏。 现在手势识别在无人机领域的研究开始逐步增多，将手势识别技术应用于无人机无疑是一个非常有发展前景的方向。 参考文献： 1.[1]单海燕. 四旋翼无人直升机飞行控制技术研究[D].南京航空航天大学 2.[2]茹常剑,魏瑞轩,沈东. 多无人机协同的稳定控制机理研究[J]. 物理学报,2014,63(22):13-19. 3.[3]Mao-de YAN,Xu ZHU,Xun-xun ZHANG,Yao-hong QU. 基于一致性的三维多无人机高精度编队控制策略（英文）[J]. Frontiers of Information Technology amp; Electronic Engineering,2017,18(07):968-978. 4.[4]ZhengZhang.StudyonaltitudecontrolofInsect-LikeFlapping-WingMicroAerialVehicle[A].InternationalInformatizationandEngineeringAssociations、AtlantisPress.Proceedingsof20155thInternationalConferenceonComputerSciencesandAutomationEngineering(ICCSAE2015)[C].InternationalInformatizationandEngineeringAssociations、AtlantisPress:,2015: 5.[5] 王树刚.四旋翼直升机控制问题研究[D].哈尔滨工业大学.2006 6.[6] 聂博文.微小型四旋翼无人直升机建模及控制方法研究[D].国防科学技术大学.2006 7.[7] 黄溪流. 一种四旋翼无人直升机飞行控制器的设计[D].南京理工大学,2010. 8.[8] 唐强,张翔伦,左玲等.无人机航迹规划算法的初步研究[J].航空计算技术,2003,33(1) 9.[9] 胡庆. 基于STM32单片机的无人机飞行控制系统设计[D].南京航空航天大学,2012. 10.[10] Meier L, Tanskanen P, Heng L, et al. PIXHAWK: A micro aerial vehicle design for autonomous flight using onboard computer vision[J]. Autonomous Robots, 2012, 33(1-2):21-39. 11.[11] Bouabdallah S, Siegwart R. Full control of a quadrotor[C]// Ieee/rsj International Conference on Intelligent Robots and Systems. IEEE, 2007:153-158. 12.[12] Mellinger D, Kumar V. Minimum snap trajectory generation and control for quadrotors[J]. 2011:2520-2525. 13.[13] Van Nieuwstadt M J, Murray R M. Real-time trajectory generation for differentially flat systems[J]. International Journal of Robust amp; Nonlinear Control, 2015, 8(11):995-1020. 14.[14] 陈宗基, 魏金钟, 王英勋,等. 无人机自主控制等级及其系统结构研究[J]. 航空学报, 2011, 32(6):1075-1083. 15.[15] 文传源. 现代飞行控制系统[M]. 北京航空航天大学出版社, 1992. 16.[16] 郑海彬 .手势识别及其应用研究[D].南京航空航天大学 2016 |
