2018年09月10日 | 无人机飞控技术：我这一辈子

10年前，无人机行业考虑的是如何让飞机稳定飞起来、飞得更快、飞得更高。无人机的应用也主要是在军事等神秘领域。如今，随着芯片、人工智能、大数据技术的发展，无人机开始向智能化、终端化、集群化的趋势发展。

几年的时间让无人机从远离人们视野的军事应用飞入了寻常百姓家，更多的小白用户开始接触到无人机，只需要通过短暂的学习，也可以进行稳定安全的操作，体验了一把飞行和航拍的乐趣~不可否认，飞控技术的发展是这十年无人机变化的最大推手。但是，你真的了解飞控是什么吗？下面小曼为你仔细解读多轴飞行器的飞控是如何运行的。

飞控是什么？飞行控制系统（Flight control system）简称飞控，可以看作飞行器的大脑。多轴飞行器的飞行、悬停，姿态变化等等都是由多种传感器将飞行器本身的姿态数据传回飞控，再由飞控通过运算和判断下达指令，由执行机构完成动作和飞行姿态调整。

飞控可以理解成无人机的CPU系统，是无人机的核心部件，其功能主要是发送各种指令，并且处理各部件传回的数据。类似于人体的大脑，对身体各个部位发送指令，并且接收各部件传回的信息，运算后发出新的指令。例如，大脑指挥手去拿一杯水，手触碰到杯壁后，因为水太烫而缩回，并且将此信息传回给大脑，大脑会根据实际情况重新发送新的指令。飞控的主要组成部分

无人机飞控一般包括传感器、机载计算机和伺服作动设备三大部分，实现的功能主要有无人机姿态稳定和控制、无人机任务设备管理和应急控制三大类。传感器

多轴无人机机身大量装配的各种传感器，包括GPS、气压计、陀螺仪、指南针以及地磁感应等，可以采集角速率、姿态、位置、加速度、高度和空速等，是飞控系统的基础。机载计算机

机载计算机作为无人机的CPU，是飞控的中枢系统，类似于人体大脑的中枢神经，负责整个无人机姿态的运算和判断；同时，也操控着传感器和伺服作动设备。伺服作动设备

无人机执行机构都是伺服作动设备，是导航飞控系统的重要组成部分。其主要功能是根据飞控计算机的指令，按规定执行动作。对于固定翼无人机来说，主要通过调整机翼角度和发动机运转速度，实现对无人机的飞行控制。

多轴无人机的执行机构包括螺旋桨、电调和电机。多轴无人机飞控通过电调传输到螺旋桨的控制信号，来控制电机，带动螺旋桨转动，最终实现无人机的悬停、升降、前进等飞行状态的调整。

无人机朝红色箭头方向前进时，四个螺旋桨的旋转方向。你可能会发现对角线上的一对螺旋桨（M1和M3）方向一致，相邻螺旋桨旋转方向相反。关于螺旋桨的飞行原理，小曼在后面的文章中会单独介绍。飞控的种类目前飞控的主要种类有两种“开源飞控”、“自研飞控”。接触过无人机行业的人都知道，如何使飞控更加安全，更易操控是无人机研发的大难点！控。

每个飞控系统都可能成为未来的信息终端目前这个阶段有点像 80 年代的人们使用大哥大，当个宝贝一样但却没有发挥其很大的作用；而现在的手机已经终端化，仅仅是遍布全球的终端，人们从终端获取全球有益信息的同时也在贡献着自身的价值。

GPS如何定位水平位置和垂直高度？

GPS定位，实际上就是通过四颗已知位置的卫星来确定GPS接收器的位置。如上图所示，图中的GPS接收器为当前要确定位置的设备，卫星1、2、3、4为本次定位要用到的四颗卫星:

Position1、Position2、Position3、Position4分别为四颗卫星的当前位置（空间坐标），已知d1、d2、d3、d4分别为四颗卫星到要定位的GPS接收器的距离

1.无人机GPS模块位置信息从哪里来？

实际上，运行于宇宙空间的GPS卫星，每一个都在时刻不停地通过卫星信号向全世界广播自己的当前位置坐标信息。任何一个无人机GPS模块都可以通过天线很轻松地接收到这些信息，并且能够读懂这些信息（这其实也是每一个GPS芯片的核心功能之一）。这就是这些位置信息的来源。

2.无人机GPS模块距离信息从哪里来？

我们已经知道每一个GPS卫星都在不辞辛劳地广播自己的位置，那么在发送位置信息的同时，也会附加上该数据包发出时的时间戳。无人机GPS模块收到数据包后，用当前时间（当前时间当然只能由无人机GPS模块自己来确定了）减去时间戳上的时间，就是数据包在空中传输所用的时间了。

知道了数据包在空中的传输时间，那么乘上他的传输速度，就是数据包在空中传输的距离，也就是该卫星到GPS接收器的距离了。数据包是通过无线电波传送的，那么理想速度就是光速c，把传播时间记为Ti的话，用公式表示就是：di=c*Ti(i=1,2,3,4);这就是di(i=1,2,3,4)的来源了。

3、无人机GPS模块为什么需要4颗卫星

从理论上来说，以地面点的三维坐标（N，E，H）为待定参数，确实只需要测出3颗卫星到地面点的距离就可以确定该点的三维坐标了。但是，卫地距离是通过信号的传播时间差Δt乘以信号的传播速度v而得到的。其中，信号的传播速度v接近于真空中的光速，量值非常大。因此，这就要求对时间差Δt进行非常准确的测定，如果稍有偏差，那么测得的卫地距离就会谬以千里。而时间差Δt是通过将卫星处测得的信号发射时间tS与接收机处测得的信号达到的时间tR求差得到的。其中，卫星上安置的原子钟，稳定度很高，我们认为这种钟的时间与GPS时吻合；接收机处的时钟是石英钟，稳定度一般，我们认为它的时钟时间与GPS时存在时间同步误差，并将这种误差作为一个待定参数。这样，对于每个地面点实际上需要求解就有4个待定参数，因此至少需要观测4颗卫星至地面点的卫地距离数据。

未来无人机在各类应用中更像是布撒的一系列终端设备，飞控作为无人机的核心会在终端化过程中扮演重要作用，无论在消费、农业、巡视等各领域，飞控将成为数据终端的核心，大量的飞行状态、任务数据、载荷状态会被记录、回传、分发，用户或其他利益相关方会通过付费等商业模式获取终端的有用信息。

超声测距

通过超声波发射装置发出超声波，根据接收器接到超声波时的时间差就可以知道距离了。这与雷达测距原理相似。 超声波发射器向某一方向发射超声波，在发射时刻的同时开始计时，超声波在空气中传播，途中碰到障碍物就立即返回来，超声波接收器收到反射波就立即停止计时。(超声波在空气中的传播速度为340m/s，根据计时器记录的时间t，就可以计算出发射点距障碍物的距离(s)，即:s=340t/2)

超声波指向性强，在介质中传播的距离较远，因而超声波经常用于距离的测量，如测距仪和物 位测量仪等都可以通过超声波来实现。利用超声波检测往往比较迅速、方便、计算简单、易于做到实时控制，并且在测量精度方面能达到工业实用的要求，因此在移 动机器人的研制上也得到了广泛的应用。

为了使移动机器人能自动避障行走，就必须装备测距系统，以使其及时获取距障碍物的距离信息(距离和方向)。本文所介绍的三方向(前、左、右)超声波测距系统，就是为机器人了解其前方、左侧和右侧的环境而提供一个运动距离信息。

为了研究和利用超声波，人们已经设计和制成了许多超声波发生器。总体上讲，超声波发生器可以分为两大类:一 类是用电气方式产生超声波，一类是用机械方式产生超声波。电气方式包括压电型、磁致伸缩型和电动型等;机械方式有加尔统笛、液哨和气流旋笛等。它们所产生 的超声波的频率、功率和声波特性各不相同，因而用途也各不相同。目前较为常用的是压电式超声波发生器。

光流的概念是Gibson在1950年首先提出来的。它是空间运动物体在观察成像平面上的像素运动的瞬时速度，是利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前帧之间存在的对应关系，从而计算出相邻帧之间物体的运动信息的一种方法。一般而言，光流是由于场景中前景目标本身的移动、相机的运动，或者两者的共同运动所产生的。

当人的眼睛观察运动物体时，物体的景象在人眼的视网膜上形成一系列连续变化的图像，这一系列连续变化的信息不断“流过”视网膜（即图像平面），好像一种光的“流”，故称之为光流（optical flow）。光流表达了图像的变化，由于它包含了目标运动的信息，因此可被观察者用来确定目标的运动情况。

研究光流场的目的就是为了从图片序列中近似得到不能直接得到的运动场。运动场，其实就是物体在三维真实世界中的运动；光流场，是运动场在二维图像平面上（人的眼睛或者摄像头）的投影。

那通俗的讲就是通过一个图片序列，把每张图像中每个像素的运动速度和运动方向找出来就是光流场。那怎么找呢？咱们直观理解肯定是：第t帧的时候A点的位置是(x1, y1)，那么我们在第t+1帧的时候再找到A点，假如它的位置是(x2,y2)，那么我们就可以确定A点的运动了：(ux, vy) = (x2, y2) - (x1,y1)。

那怎么知道第t+1帧的时候A点的位置呢？ 这就存在很多的光流计算方法了。

1981年，Horn和Schunck创造性地将二维速度场与灰度相联系，引入光流约束方程，得到光流计算的基本算法。人们基于不同的理论基础提出各种光流计算方法，算法性能各有不同。Barron等人对多种光流计算技术进行了总结，按照理论基础与数学方法的区别把它们分成四种：基于梯度的方法、基于匹配的方法、基于能量的方法、基于相位的方法。近年来神经动力学方法也颇受学者重视。

飞控通信网络化随着智能手机增长率的放缓以及无人机终端化的趋势，移动运营商们也敏锐捕捉到了商机，纷纷推出了面向无人机应用的移动通信解决方案。这类方案目前采用成熟商用 2G、3G、4G 网络，通过定义套餐、开发贴片 SIM 卡组件、天线定制等方式，使无人机作为终端接入商用网络。

虽然还存在网络不稳定、覆盖区域不全等因素，但随着无人机数据价值的增加、移动通信技术的高速发展驱动以及无人机管控压力的增大，在不久的将来借助运营商的飞控网络化趋势不可阻挡。形成无人机+大数据在大数据时代，没有人否认原始数据的重要性。