多源信息融合的无人机海上搜救系统的研究与实现

作者 顾禹¹ 申家齐² 徐家晨¹ 王天真¹ 1. 上海海事大学 物流工程学院(上海201306) 2.上海海事大学 信息工程学院(上海201306) 

　　摘要：介绍了一种基于四旋翼飞行器简单、快速地搜寻海上落水者的系统。该系统由三部分组成：海事救援无人机、智能可穿戴设备和监控中心。海事救援无人机和智能可穿戴设备均采用Cortex-M4内核的XMC4700处理器。当人员落水时，智能可穿戴设备会不断向外界发送佩戴者的位置信息和生命体征。海事救援无人机能按照预定轨迹飞行，同时利用机载摄像头实时搜索落水者并将图像传送至监控中心。无人机还能在飞行的过程中不断搜索附近是否有智能可穿戴设备的信号，若有，则将所得信息发送至监控中心同时飞向该位置并在人的指挥下投掷下救生物品。监控中心集中显示已知落水者和无人机的所有信息，并提供快捷的按钮命令供救援人员实现集中控制。

　　关键词：四旋翼;飞行器;海上搜救;处理器

　　*2017-2018年度“英飞凌杯”全国高校无人机创新设计应用大赛“三等奖’’

　　0引言

　　四旋翼飞行器具有体积小、重量轻、灵活度高、成本低等特点，适用多种空间场所，可以在任何小平台上灵活起降。它方便携带，低空飞行性好，可在复杂环境下快速执行搜索、投递任务。基于四旋翼飞行器的海上搜救系统能有效快速地对大片海域进行搜寻，因此能有效减少搜救时间，提高搜救效率，提升落水者的生还几率，有着广阔的应用前景。该技术得到很多专家们的高度关注，成为当前该领域下最活跃的研究方向之一。

　　1系统整体方案

　　系统整体功能框图如图1所示。该系统由三部分组成：海事救援无人机、智能可穿戴设备(以智能监测手环为例)和监控中心。智能监测手环上配有GPS模块、心率监测模块、体温监测模块和通信模块，实现不断向外界发送位置坐标和生命体征的功能。四旋翼飞行器借助DJIN3飞行控制器实现无人机的平稳飞行;无人机以Infineon(英飞凌)公司XMC4700单片机为核心，由图像识别模块、通信模块、投掷模块等几部分构成。飞行过程中，图像识别模块不断判断图像中是否有落水人员，并将结果发送给XMC4700单片机，XMC4700根据所得图像信息、手环信息和接收到的监控中心命令控制DJIN3实现自主飞行。当无人机发现落水者时，监控中心大屏幕上会用红框将落水者框出，救援人员确认后向无人机发出投掷救援物品的命令，无人机飞行到落水者上空投掷下救生物品。同时，监控中心还会根据无人机发回的落水者生命体征等信息，自动与医疗中心联系。

　　2无人机硬件系统设计

　　四旋翼飞行器以XMC4700为主控制器，该芯片是一款基于ARMCortex-M4内核的工业微控制器，主频可达120MHz，为四旋翼对指令响应的即时性提供了保障。为提高在较大重量负载时四旋翼的稳定性与抗风性，电子调速器使用了Infineon的iMOTIONIRMCF183，利用其MCE电机控制引擎，可以为电机设定详细的参数和输出曲线，保证电机在环境恶劣时能够快速反应。基于对四旋翼体积、续航时间的考量，气压计采用了InfineonDSP310，特点是精度高、耗电量低、体积小巧、易用安装。障碍物的距离测量采用了InfineonDistance2GO，这是一款24GHz雷达传感器，相比超声波、红外等测距方案，雷达测量更精准，还可以捕获目标的移动速度、角度和方向，优化无人机的运动决策。

　　3无人机搜救过程

　　四旋翼飞行器控制系统框图如图2所示。

　　3.1总体方案

　　四旋翼机载处理器XMC4700通过UART从DJIN3飞行控制器获取飞行数据，XMC4700通过UART与雷达Distance2go模块通信获取障碍物信息，通过I2C与气压计DPS310通信获取气压信息并转换为高度信息，通过UART与图像处理单元通信获取落水者位置信息通过无线串口获取监控中心指令和智能手环发出的落水者信息。XMC4700在进行数据融合后，通过UART向DJIN3发送飞行指令，DJIN3通过iMotion电调控制电机使飞机按照指令飞行。当无人机接收到监控中心的释放救援物品指令时通过PWM控制投掷器上的舵机，从而打开插销使救援物品落下。

　　3.2像数据处理部分

　　硬件部分可以使用机载计算平台进行计算，也可以将图像通过5.8GHz图传模块传输至地面站上位机进行分析，起到冗余备份的功能。两种方式分析过程总体上一致。

　　在搜救的第一阶段，无人机在较高高度飞行，对海面进行大面积粗略搜索。在这一阶段，我们使用OpenCV自带的人上半身Haar特征分类器对于图像进行分析，该分类器使用Haar-like特征进行检测，使用积分图(IntegralImage)对Haarlike特征求值进行加速，使用AdaBoost算法对分类效果进行提升，使用筛选时级联把分类器级联到一起以提高准确率。该分类器可帮助我们查找图像源中符合人上半身头肩的图像特征，并标注其位置，结合无人机当前GPS坐标可计算出通过视觉方式识别出的落水者坐标。该坐标用于与落水者手环发回的坐标进行比对，当两者匹配，即可进入搜救第二阶段。

　　在搜救的第二阶段，无人机降低飞行高度，在第一阶段确定的坐标附近区域进行低空搜救。此时对于摄像头采集到的图像使用OpenCV自带的人脸Haar特征分类器对于图像进行分析，并将图像中的人脸分离出来。再将人脸图像与PCA方法训练的人脸库中的模型比较，输出数据库中匹配度最高的人员编号。该结果随后会与溺水人员手环发回的设备id进行比对以确定溺水者身份。其中，本系统主要运用了特征脸方法(Eigenface)对于人脸进行识别，特征脸方法是从图5智能监测手环系统框图图6上位机界面PCA导出的一种人脸识别和描述技术。就是将包含人脸的图像区域看作是一种随机向量，使用PCA算法通过求数据集的协方差矩阵最大的特征值对应的特征向量，从而找到数据方差最大的几个方向，达到对数据降维的效果，并找到数据中最明显的特征，即主成分。PCA算法的流程如图3所示。经过多重的确认之后，救援系统基本上可以确定溺水人员的身份，并会将信息比对融合结果回传至监控中心主控制终端，经过人工审核之后无人机便会飞向溺水人员坐标投掷救援物品。

　　4智能监测手环的制作

　　在该系统中智能监测手环用以XMC4700开发板为核心的简易装置来代替，其系统框图如图3所示。u-blox公司的6MGPS模块通过UART将数据包发送到XMC4700开发板上，XMC4700对数据包解包之后得到落水者的经纬度数据，再结合心率数据和体温数据一同通过无线串口向外发送，直至无人机接收到。

　　5监控中心上位机的制作

　　VisualStudio是一个功能强大的开发工具集，可以快速开发各种应用。该项目通过在VisualStudio中新建一个Windows窗体应用(.NETFramework)项目并利用其工具箱便可快速开发出如图4所示的上位机。上位机中内置落水者搜索功能。通过调用EmguCV库或AForge库可以实现基于哈尔模型的人脸检测和基于PCA的人脸识别功能。

　　参考文献：

　　[1]Lienhart R,Maydt J.An Extended Set of Haar-like Features for Rapid Object Detection [C]

　　Computer Vision and Pattern Recognition, 2001. CVPR 2001. Proceedings of the 2001 IEEE Computer Society Conference.

　　[2]Papageorgiou C P, Oren M, Poggio T. A General Framework for Object Detection[C]Computer Vision, 1998. Sixth International Conference

　　[3]Viola P,Jones M. An extended set of Haar-like features for rapid object detection[C]. Image

　　Processing. 2002. Proceedings. 2002 International Conference

　　[4]Oren M,Papageorgiou C,Sinha P,et al. Pedestrian detection using wavelet templates[C]. In

　　Computer Vision and Pattern Recognition, pages 193-99, 1997.

　　[5]Infineon.XMC4700 XMC4800 Reference Manual[R/OL].(2016-07).https://www.infineon.com/dgdl/Infineon-ReferenceManual_XMC4700_XMC4800-UM-v01_03-EN.pdf?fileId=5546d462518ffd850151904eb90c0044

　　[5]OPTIGA Trust SLS 10ERE Product Brief [R],2016-07

　　[6]TLI5012B E1000 [EB/OL].(2018-02-14).https://www.infineon.com/cms/en/product/sensor/magnetic-position-sensor/angle-sensor/tli5012b-e1000/

　　[7]TLI5012B E1000 data sheet[R/OL].(2018-02-4).https://www.infineon.com/dgdl/InfineonTLI5012B%20E1000-DS-v01_01-EN.pdf?fileId=5546d4624fb7fef2014ff423fcd077a8

　　[8]DPS310[EB/OL].(206-0905).https://www.infineon.com/cms/en/product/sensor/barometricpressure-sensor-for-consumer-applications/dps310/#ispnTab1

　　[9]DPS310 - Digital Pressure Sensor data sheet[R/OL].(2016-09-05).https://www.infineon.com/dgdl/Infineon-DPS310-DS-v01_00-EN.pdf?fileId=5546d462576f34750157750826c42242

      [10]DJI Onboard SDK文档[EB/OL].(2018-02-02)https://developer.dji.com/cn/onboard-sdk/documentation/introduction/homepage.html

本文来源于中国科技期刊《电子产品世界》2019年第1期第79页，欢迎您写论文时引用，并注明出处