第二届无人机竞赛终期报告cuttimo

项目一：FollowMe!自动跟 项目描 项目方 SDK应 Pattern检 目标跟 具体实 项目二：疯狂降 项目描 项目方 Pattern检 数字识 自主循迹飞 具体实 项目三：基于语音的飞行控 项目描 项目方案 讯飞 APP主要程序代码说 APP界 项目四：手势控 项目描 项目方 方案思 具体实 程序流 APP界 参考文 项目一：FollowMe自动跟由团队派一名选手进入场地，团队其他成员开启所编写的控制利用无人小飞机携带的头，使无人机紧密地跟随选手。选手按照赛道指示，用自己的身体牵引无人小飞机顺

1SDK应用、Pattern检SDK应AR.Drone提供了比较成SDK，但考虑到ROS系统的可移植性好，以及Linux系统的稳定性，故选取Linux下ROS系统作为开发平台。该平台为AR.Drone特意开发了一个类似于SDK的函数包，ardrone_autonomy，里面包含了操控AR.Drone的各种服务。ROSARDroneSDK2如所示。无人机的陀螺仪、加速度传感器搜集姿态信息，头信息；这些信息通过WIFI发送给PC端，在PC端中的ROS平台下，通过特定算法对信息做出处理，产生相应的控制命令；控制命令以ATCommand的形式通过WIFI发送给无人机；无人机接收到命令后通过底控2Pattern图3为1，而其他区域被置为0。为了使程序不收光照的影响，在二值化的过程中，本组每境下的对比度。PatternOPENCVcvFindBlobsByCCClaster用PatternP和D部分。P用于控制无人机飞向目标点，D用于减小超调，稳定系统。由上届竞赛可知，针对控制对象，提供如下两个方案：4PID5PID 要优于第案。此外，在目标跟随控制过程中，有两点值得注意：这里本组简单的使用了一个P环节，通过计算到的当前高度和预设的固定高度之间的开发环境：Ubuntu14.04Qt5.3.0开发平台：ROS-信号不稳定，电脑会有接收不到图像的情况，所以加入了判断图像是否卡住的应对机制，如果在一段时间内没有接收到新的图像，认为图像卡住，此时发送Hover指令让飞中，目标检测框图和控制量计算框图的原理分别在本章节Pattern检测和目标跟随有详细描否否是否是等待6项目二：疯狂降

7Pattern检测、数图8（b）所示。 8（a）（b）10。由于现场环境受光照影响较大，为了减少光照对二值化过程的中，本组每个像素R通道和G通道与B通道的差值，如果该差值大于一定的阈值，则置为1，否则置为0。PatternOPENCVcvFindBlobsByCCClaster用为的Pattern的位置。数字识别将在下节详细介绍。(KNN，K-NearestNeighbor)分类算法。该分类算法是数据挖掘分类技术中最简单9KNNKNN比较好理解，其一般过程如下（1）训练数 ENVvrt类即可，需要注意的是，这种算法的识别准确率并不是很高，可以考虑与其他机器学习算法结合使用。AR.Drone起飞时会有漂移的现象，使得这个项目的循迹算法特别，具体自主循迹参量机的飞行轨迹。具体而言，这里需要两个并行的控制器：是否高度控制器用于稳定高度，利用当前高度和预设高度的差值，使用简单的P是否开发环境：Ubuntu14.04Qt5.3.0开发平台：ROS-整体流程：疯狂降落的整体流程图如图11项目二的整体程序流程图所示。该流程图大实现方法面章节里有详细介绍。开开图像是否卡是否否图像是否为新一是目标丢目标丢失判目标未是否是否为停机坪工作结无人机降PID控制量无人机起悬程序初始自主循迹飞11项目三：基于语音的飞行性以及性能，目前小组主要采用“讯飞离线命令识别系统+YADroneAndroid功能包”的形式来实现相关功能；其中APP部分采用Eclipse进行开发。 hamburg.de/oldServer/teaching/projects/yadrone/download.html讯飞sdk的 对于使用令，的原则主要是两点：简洁，区别大；为此尽量避免音似的词汇，经过最后的现场调试和不断的改进，最终将指令设定为：起飞、降落、前进、后错错正设别结开始识语音录更新词控制模式选手动控语音控输出飞行指连续飞间断飞选择控制按连接本项目中主要借鉴上一届的DKdrone的工程，以此同时对其一些关键代码进行call.bnf文件的编所谓离线词库的编写，主要就是对CuttimoDrone/assets/下的call.bnf文件进行编写。降、左旋、右旋、左转、右转。可以很方便的对call.bnf文件进行更改，以此加入Call.bnf文件#BNF+IAT1.0UTF-!grammar!slot!start<instruct VoiceControlActivity.java为语音识别的主程序。根据语音识别的回调结果，给飞机发出 VoiceControlActivity.java中的线程休眠时间、飞行速度、旋intpause_time=intpause_time_lessintpause_time_zyintpause_time_xintpause_time_dzyintpause_time_moreintpause_time_chongintspeed_qhintspeed=intspeed_spin=20;项目四：手势控由团队选出一名操作，操作通过挥舞，使用上安装 app，对8动作7：飞机水平顺时针盘旋要实现飞机势控制，手势的建模确定了手势的识别的范围，对于一个好势识别自然地沟通；而惯性导航器件主要分为加速度及和陀螺仪，可以通过对不同的动作的特 本项目中所用到的多传感器数据融合的知识也只是处于初级阶段的数据融合：像素现动作的分类过程。通过标准训练数据对决策树进行训练，以此来得到最佳的动作参WEKA的全名是怀卡托智能分析环境（WaikatoEnvironmentforKnowledgeysis），wekaWEKA的主要开发者来自新西兰。WEKA作为一个算法甚至借鉴它的方法自己实现可视化工具并不是件很的事情。关于weka的，在网上有各种大牛，神人的博文，以及，以下粘贴部分博文如下：/blog/1308834 在本项目中，主要用到的weka的Explorer部分，由于在程序中到的传感首先需要进行格式转换，转换方法如下：到的.csv格式的文件在weka的保存为arff文件。得到所需格式的文件后，进入Explorer选项，打开经过app到的并转换成的准确率。选择好打开的文件后，可以在choose选项中添加各类滤波器来滤除掉失败的训练实例，添加好文件后classfiy选项，在里面可以选择不同种类的分类方具体开发环境：windows由InstanceMaker.java制作，在InstanceMaker.java中调用D ollectorService.java直接到加速度计和陀螺仪的各个方向的实时测量数据，采样率为/