李兆麟，趙慶佶，劉藝佳，敬馨怡，齊延嶺

(河南科技大學(xué)信息工程學(xué)院,河南 洛陽 471000)

0 引言

近年來,無人機(jī)技術(shù)的快速發(fā)展和廣泛應(yīng)用引起了廣泛關(guān)注。無人機(jī)控制系統(tǒng)作為無人機(jī)的核心組成部分,其精度和可靠性對無人機(jī)的自主控制和高效運(yùn)行至關(guān)重要。傳統(tǒng)的無人機(jī)控制系統(tǒng)主要通過遙控器、傳感器等手段進(jìn)行控制,但這種方式在特定情況下會受到干擾,控制精度較低。人機(jī)交互(HCI)指的是經(jīng)由各類信息數(shù)據(jù)的處理,提升溝通的智能化,從而達(dá)到人類和計算機(jī)相互傳達(dá),雙向交流的技術(shù)[1]。一些無人機(jī)系統(tǒng)嘗試使用人類手勢控制無人機(jī)平臺,但是手勢控制的有效距離太短,使用范圍也很小。為了解決這一問題,本文提出了一種基于人體姿態(tài)識別的無人機(jī)控制系統(tǒng)。該系統(tǒng)通過識別人體姿態(tài)來實現(xiàn)對無人機(jī)的控制,具有較高的精度和可靠性,能夠?qū)崿F(xiàn)無人機(jī)的自主控制和高效運(yùn)行。

本文首先介紹了無人機(jī)控制系統(tǒng)的概念和組成、基本原理以及反饋控制原理等。接著詳細(xì)描述了人體姿態(tài)識別的基本原理和流程、基于人體姿態(tài)識別的無人機(jī)控制系統(tǒng)的構(gòu)建過程和實現(xiàn)方法等。在此基礎(chǔ)上,分析了該系統(tǒng)的優(yōu)缺點(diǎn)和應(yīng)用前景。最后,對未來的研究方向進(jìn)行了展望,包括系統(tǒng)完善和優(yōu)化、算法改進(jìn)和升級、應(yīng)用拓展和深化等方面。

1 無人機(jī)控制系統(tǒng)的基本概念和原理

1.1 概念和組成

無人機(jī)控制系統(tǒng)是指通過計算機(jī)技術(shù)和控制算法對無人機(jī)進(jìn)行控制的系統(tǒng),其中無人機(jī)的控制系統(tǒng)作為最重要的部分,類似于無人機(jī)的大腦[2],主要由傳感器、執(zhí)行器、計算機(jī)、通信系統(tǒng)等組成。其中傳感器用于感知無人機(jī)的運(yùn)動狀態(tài)和環(huán)境信息;執(zhí)行器用于控制無人機(jī)的動作;計算機(jī)用于處理傳感器采集的數(shù)據(jù)和執(zhí)行器輸出的指令,并生成控制策略;通信系統(tǒng)用于與地面站進(jìn)行通信和數(shù)據(jù)傳輸。

1.2 基本原理

無人機(jī)控制系統(tǒng)的基本原理是通過傳感器采集無人機(jī)的運(yùn)動狀態(tài)和環(huán)境信息,經(jīng)過計算機(jī)算法處理后,輸出控制指令到執(zhí)行器,實現(xiàn)對無人機(jī)的控制?？刂葡到y(tǒng)可以采用開環(huán)控制或者閉環(huán)控制。開環(huán)控制是指只根據(jù)系統(tǒng)的輸入和輸出之間的關(guān)系來控制無人機(jī),不考慮實際系統(tǒng)的狀態(tài);閉環(huán)控制是指通過反饋機(jī)制將系統(tǒng)的實際狀態(tài)與期望狀態(tài)進(jìn)行比較,實現(xiàn)對系統(tǒng)控制的精確調(diào)節(jié)。

1.3 反饋控制原理

反饋控制是指將系統(tǒng)的實際狀態(tài)與期望狀態(tài)進(jìn)行比較,通過調(diào)節(jié)控制量來實現(xiàn)對系統(tǒng)的控制。在無人機(jī)控制系統(tǒng)中,反饋控制可以分為位置控制和姿態(tài)控制兩種方式。位置控制是指控制無人機(jī)的位置,使其達(dá)到期望的位置;姿態(tài)控制是指控制無人機(jī)的姿態(tài),使其達(dá)到期望的姿態(tài)。在姿態(tài)控制中,通常采用歐拉角或四元數(shù)表示無人機(jī)的姿態(tài)狀態(tài)。

2 人體姿態(tài)識別的構(gòu)建過程和實現(xiàn)方法

2.1 基本原理和流程

人體姿態(tài)識別的基本原理是通過對圖像或視頻中的人體關(guān)鍵點(diǎn)進(jìn)行檢測、跟蹤和分類等操作,從而得到人體的姿態(tài)信息,其流程如下:

1) 數(shù)據(jù)采集:人體姿態(tài)識別的第一步是獲取人體圖像或視頻。通常使用攝像頭等設(shè)備對人體進(jìn)行拍攝,以獲得足夠的姿態(tài)數(shù)據(jù)。傳統(tǒng)的人體姿態(tài)識別依賴于手動特征提取,通過將視頻序列分割,對提取的特征進(jìn)行編碼并規(guī)范化編碼特征,最后利用分類器進(jìn)行特征分類得到識別結(jié)果[2]。在采集數(shù)據(jù)時,應(yīng)該注意拍攝環(huán)境的光線、角度和背景等因素,以保證數(shù)據(jù)的質(zhì)量和準(zhǔn)確性。

2) 關(guān)鍵點(diǎn)檢測:關(guān)鍵點(diǎn)檢測是指對人體圖像或視頻進(jìn)行處理,從中檢測出人體的關(guān)鍵點(diǎn),如頭部、肩膀、手肘、手腕、膝蓋、腳踝等部位的坐標(biāo)位置。通常使用計算機(jī)視覺技術(shù)和深度學(xué)習(xí)算法對關(guān)鍵點(diǎn)進(jìn)行檢測,如基于人工神經(jīng)網(wǎng)絡(luò)的卷積神經(jīng)網(wǎng)絡(luò)(CNN)和循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)等模型。

3) 姿態(tài)識別:在關(guān)鍵點(diǎn)檢測的基礎(chǔ)上,通過結(jié)合先前訓(xùn)練好的深度學(xué)習(xí)模型或機(jī)器學(xué)習(xí)算法,對人體的姿態(tài)進(jìn)行識別和分類,如站立、行走、跑步、跳躍等。通常使用多分類或多標(biāo)簽分類算法對姿態(tài)進(jìn)行識別,如支持向量機(jī)(SVM)、決策樹(Decision Tree)和深度神經(jīng)網(wǎng)絡(luò)(DNN)等。

4) 姿態(tài)跟蹤:在姿態(tài)識別的基礎(chǔ)上,對人體的姿態(tài)進(jìn)行跟蹤,即不斷更新人體關(guān)鍵點(diǎn)的坐標(biāo)位置,以便更準(zhǔn)確地識別和跟蹤人體的運(yùn)動狀態(tài)。通常使用卡爾曼濾波、粒子濾波等算法進(jìn)行姿態(tài)跟蹤。

5) 應(yīng)用場景:人體姿態(tài)識別可以應(yīng)用于許多領(lǐng)域,如體育、醫(yī)療、安防等,如運(yùn)動員訓(xùn)練姿態(tài)分析、疾病診斷與康復(fù)等。人體姿態(tài)識別目前最為廣泛的應(yīng)用是在于智能監(jiān)控中。例如識別學(xué)生學(xué)習(xí)狀態(tài),識別打架斗毆,識別患者身體狀態(tài),這類識別往往需要較高的數(shù)據(jù)精度,目前大多數(shù)人體姿態(tài)識別技術(shù)要么依賴于可穿戴設(shè)備上傳感器,交互體驗較差;要么依賴于深度相機(jī),如Kinect等,不適宜無人機(jī)平臺使用[3]。實際上要想提高識別精度,可以在數(shù)據(jù)預(yù)處理環(huán)節(jié)進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)平衡、數(shù)據(jù)增強(qiáng)等操作。同時,還可以引入深度學(xué)習(xí)中的遷移學(xué)習(xí)、注意力機(jī)制等技術(shù)來提高算法的效果,利用人體姿態(tài)本身來控制無人機(jī)可以更便捷高效地實現(xiàn)短距離的人機(jī)交互。

2.2 構(gòu)建過程

本節(jié)將詳細(xì)介紹基于人體姿態(tài)識別的無人機(jī)控制系統(tǒng)的構(gòu)建過程。包括以下幾個方面:

1) 硬件設(shè)備的選擇:無人機(jī)控制系統(tǒng)需要使用到無人機(jī)、攝像頭等硬件設(shè)備。在選擇無人機(jī)時,需要考慮飛行穩(wěn)定性、載重能力和控制距離等因素。在選擇攝像頭時,需要考慮圖像質(zhì)量、采集速度和角度調(diào)整能力等因素。

2) 系統(tǒng)框架的設(shè)計:系統(tǒng)框架設(shè)計是構(gòu)建無人機(jī)控制系統(tǒng)的關(guān)鍵步驟之一。該步驟需要確定系統(tǒng)的整體架構(gòu)、模塊之間的關(guān)系和數(shù)據(jù)傳輸方式等。在基于人體姿態(tài)識別的無人機(jī)控制系統(tǒng)中,可以將系統(tǒng)框架劃分為圖像采集模塊、姿態(tài)識別模塊、控制模塊等多個模塊,通過數(shù)據(jù)傳輸實現(xiàn)模塊之間的信息交互。

3) 系統(tǒng)模塊的實現(xiàn):系統(tǒng)模塊的實現(xiàn)需要根據(jù)系統(tǒng)框架設(shè)計,逐一實現(xiàn)每個模塊的功能。在基于人體姿態(tài)識別的無人機(jī)控制系統(tǒng)中,圖像采集模塊需要使用攝像頭獲取人體姿態(tài)數(shù)據(jù);姿態(tài)識別模塊需要對人體姿態(tài)數(shù)據(jù)進(jìn)行處理,并使用深度學(xué)習(xí)算法進(jìn)行姿態(tài)識別;控制模塊需要根據(jù)識別出的姿態(tài)信息控制無人機(jī)的飛行狀態(tài)。每個模塊的實現(xiàn)需要結(jié)合具體的技術(shù)和算法進(jìn)行實現(xiàn)。

4) 模塊之間的數(shù)據(jù)傳輸:在系統(tǒng)實現(xiàn)的過程中,各個模塊之間需要進(jìn)行數(shù)據(jù)傳輸,以實現(xiàn)信息的交互。數(shù)據(jù)傳輸可以通過網(wǎng)絡(luò)連接實現(xiàn),如通過Wi-Fi或藍(lán)牙等方式將數(shù)據(jù)傳輸至無人機(jī)的控制器中。同時,為了保證數(shù)據(jù)傳輸?shù)姆€(wěn)定性和安全性,還需要進(jìn)行相關(guān)的設(shè)置和加密操作。

在整個構(gòu)建過程中,需要進(jìn)行系統(tǒng)測試和調(diào)試,以保證系統(tǒng)的穩(wěn)定性和準(zhǔn)確性。同時,還需要不斷地優(yōu)化和改進(jìn)系統(tǒng)的設(shè)計和實現(xiàn),以提高系統(tǒng)的性能和用戶體驗。

2.3 實現(xiàn)方法

基于人體姿態(tài)識別的無人機(jī)控制系統(tǒng)的實現(xiàn)方法可以分為以下幾個方面:

1) 無人機(jī)的自主控制:為了實現(xiàn)無人機(jī)的自主控制,需要使用到傳感器、飛行控制器等硬件設(shè)備,以及相關(guān)的控制算法。通過傳感器獲取無人機(jī)的狀態(tài)信息,并使用飛行控制器進(jìn)行飛行姿態(tài)的調(diào)整,從而實現(xiàn)無人機(jī)的自主控制。

2) 使用人體姿態(tài)數(shù)據(jù)來控制無人機(jī)的飛行姿態(tài):在基于人體姿態(tài)識別的無人機(jī)控制系統(tǒng)中,可以通過人體姿態(tài)數(shù)據(jù)來控制無人機(jī)的飛行姿態(tài)。具體而言,可以將人體姿態(tài)數(shù)據(jù)作為控制信號,與無人機(jī)的控制系統(tǒng)進(jìn)行信息交互,從而實現(xiàn)對無人機(jī)飛行姿態(tài)的控制。

3) 實現(xiàn)無人機(jī)的高效運(yùn)行:為了實現(xiàn)無人機(jī)的高效運(yùn)行,需要對系統(tǒng)進(jìn)行優(yōu)化和改進(jìn)。其中,關(guān)鍵的優(yōu)化點(diǎn)包括姿態(tài)識別算法的優(yōu)化、無人機(jī)的控制算法的優(yōu)化、控制信號的優(yōu)化等。同時,還需要根據(jù)實際應(yīng)用場景進(jìn)行相關(guān)的調(diào)整和適配,以提高無人機(jī)的運(yùn)行效率和性能。

4) 系統(tǒng)的實時性和穩(wěn)定性:在基于人體姿態(tài)識別的無人機(jī)控制系統(tǒng)中,需要保證系統(tǒng)的實時性和穩(wěn)定性。具體而言,需要采用高效的姿態(tài)識別算法、高速的數(shù)據(jù)傳輸和響應(yīng)系統(tǒng)、優(yōu)化的控制算法等,以保證系統(tǒng)能夠及時響應(yīng)人體姿態(tài)數(shù)據(jù),并進(jìn)行精確的飛行姿態(tài)控制。

5) 系統(tǒng)的可靠性和安全性:在系統(tǒng)的設(shè)計和實現(xiàn)過程中,還需要考慮到系統(tǒng)的可靠性和安全性。具體而言,需要采用可靠的硬件設(shè)備、合理的軟件設(shè)計、嚴(yán)格的安全措施等,以保證系統(tǒng)能夠安全可靠地運(yùn)行,同時還需要進(jìn)行相關(guān)的測試和驗證,以確保系統(tǒng)的穩(wěn)定性和安全性。

總之,基于人體姿態(tài)識別的無人機(jī)控制系統(tǒng)的實現(xiàn)方法需要考慮到諸多因素,包括無人機(jī)的自主控制、姿態(tài)識別算法、無人機(jī)控制算法、控制信號等,同時還需要保證系統(tǒng)的實時性、穩(wěn)定性、可靠性和安全性。

3 現(xiàn)狀和展望

3.1 系統(tǒng)現(xiàn)狀

精度高:基于人體姿態(tài)識別的無人機(jī)控制系統(tǒng)能夠?qū)崿F(xiàn)對無人機(jī)的精準(zhǔn)控制,提高了控制精度。

可靠性高:該系統(tǒng)利用人體姿態(tài)識別技術(shù)進(jìn)行控制,不受外界干擾和環(huán)境變化的影響,能夠保證控制系統(tǒng)的可靠性。

操作簡單:無需通過繁瑣的遙控器進(jìn)行操作,只需通過人體動作即可實現(xiàn)對無人機(jī)的控制。

多場景適用:該系統(tǒng)可以適用于不同場景下的無人機(jī)控制,如搜救、農(nóng)業(yè)、環(huán)保等領(lǐng)域。

缺點(diǎn)分析:人體姿態(tài)識別算法的復(fù)雜度高:該系統(tǒng)需要使用復(fù)雜的人體姿態(tài)識別算法進(jìn)行控制,需要較高的技術(shù)門檻和計算能力。

受限于識別技術(shù)的限制:該系統(tǒng)的控制能力受限于人體姿態(tài)識別技術(shù)的限制,如果識別不準(zhǔn)確,會影響無人機(jī)的控制精度和穩(wěn)定性。

適用范圍受限:該系統(tǒng)需要有良好的光照條件和空間環(huán)境,否則會影響人體姿態(tài)識別的準(zhǔn)確度,限制了該系統(tǒng)的適用范圍。

3.2 未來研究方向展望

1) 系統(tǒng)完善和優(yōu)化:對于基于人體姿態(tài)識別的無人機(jī)控制系統(tǒng),未來研究可以進(jìn)一步完善和優(yōu)化系統(tǒng)的性能。例如,提高系統(tǒng)的識別精度和速度,增強(qiáng)系統(tǒng)的穩(wěn)定性和魯棒性,降低系統(tǒng)的成本和能耗等。

2) 算法改進(jìn)和升級:在基于人體姿態(tài)識別的無人機(jī)控制系統(tǒng)中,算法是關(guān)鍵的技術(shù)支撐。未來研究可以通過改進(jìn)和升級算法來提高系統(tǒng)的性能。例如,采用更先進(jìn)的深度學(xué)習(xí)算法來識別人體姿態(tài),如根據(jù)圖像中被識別的目標(biāo)人數(shù)分類,可以分為單人姿態(tài)估計和多人姿態(tài)估計;根據(jù)分辨率遞進(jìn)方向進(jìn)行分類,可以分為自頂向下和自底向上[4],結(jié)合目標(biāo)檢測和跟蹤算法來實現(xiàn)更加精確的無人機(jī)控制等。

3) 應(yīng)用拓展和深化:基于人體姿態(tài)識別的無人機(jī)控制系統(tǒng)具有廣泛的應(yīng)用前景。未來研究可以進(jìn)一步拓展和深化應(yīng)用領(lǐng)域。例如,將該系統(tǒng)應(yīng)用于救援、消防、農(nóng)業(yè)等領(lǐng)域,進(jìn)一步探索其應(yīng)用潛力。同時,可以將該系統(tǒng)與其他技術(shù)進(jìn)行融合,實現(xiàn)更加復(fù)雜的任務(wù)和功能。

4 應(yīng)用前景

隨著人工智能技術(shù)的不斷發(fā)展和普及,基于人體姿態(tài)識別的無人機(jī)控制系統(tǒng)具有廣闊的應(yīng)用前景。特別是在農(nóng)業(yè)、環(huán)保、消防等領(lǐng)域,該系統(tǒng)可以實現(xiàn)對無人機(jī)的高精度控制,提高工作效率和安全性。此外,該系統(tǒng)還可以與其他無人機(jī)控制技術(shù)相結(jié)合,進(jìn)一步提高無人機(jī)的控制能力和應(yīng)用范圍。

5 結(jié)語

基于人體姿態(tài)識別的無人機(jī)控制系統(tǒng)可以顯著提高無人機(jī)控制的精度和可靠性,實現(xiàn)自主作業(yè)和高效率。該系統(tǒng)在航空攝影、搜救、巡邏等領(lǐng)域具有廣闊的應(yīng)用前景。因此,本研究為無人機(jī)控制系統(tǒng)的開發(fā)提供了新的思路和方法。