当前位置：首页 > news >正文

无人机飞控的二次开发，视觉定位

news 来源：原创 2025/6/29 4:15:35

硬件准备

软件配置

驱动安装：

安装视觉传感器的 ROS 驱动：

PX4 与 ROS 集成：

配置mavros：

参数配置

测试与优化

硬件准备

视觉传感器：选择合适的视觉定位传感器，如 Intel RealSense D435i、T265 等。这些传感器能够提供深度信息、光流信息和姿态信息，可辅助无人机进行定位。
安装硬件：将视觉传感器安装在无人机上合适的位置，通常是朝下或朝前，确保视野不受遮挡。使用机械结构或 3D 打印部件将其牢固地固定在机架上，同时注意保护传感器免受震动和碰撞。

软件配置

驱动安装：
- 安装 ROS（Robot Operating System）：PX4 通常与 ROS 结合使用以实现更复杂的功能，首先在开发环境中安装 ROS，推荐使用 ROS Melodic 或 Noetic。在 Ubuntu 系统上，可以通过以下命令安装 ROS：

sudo apt-get install ros-melodic-desktop-full  # 对于ROS Melodic
sudo apt-get install ros-noetic-desktop-full  # 对于ROS Noetic

安装视觉传感器的 ROS 驱动：
对于 Intel RealSense 系列传感器，可以使用realsense-ros包。在终端中使用以下命令克隆和编译该包：

mkdir -p ~/catkin_ws/src
cd ~/catkin_ws/src
git clone https://github.com/IntelRealSense/realsense-ros.git
cd ~/catkin_ws
catkin_make

PX4 与 ROS 集成：
- 安装mavros：mavros是 PX4 与 ROS 之间的桥梁，使用以下命令安装：

sudo apt-get install ros-melodic-mavros ros-melodic-mavros-extras  # 对于ROS Melodic
sudo apt-get install ros-noetic-mavros ros-noetic-mavros-extras  # 对于ROS Noetic

配置mavros：
运行以下命令进行配置：

wget https://raw.githubusercontent.com/mavlink/mavros/master/mavros/scripts/install_geerkin.sh
chmod +x install_geerkin.sh
./install_geerkin.sh

启动mavros：使用以下命令启动mavros，确保 PX4 飞控通过 USB 或其他通信方式与电脑连接：

roslaunch mavros px4.launch fcu_url:=/dev/ttyUSB0:57600  # 根据实际连接端口和波特率调整

视觉定位模块集成：
- 使用viso2或viso-mono：可以使用viso2或viso-mono等开源视觉里程计软件包，它们可以根据视觉传感器的信息计算无人机的位置和姿态。在 ROS 中安装这些软件包，例如：

sudo apt-get install ros-melodic-viso2  # 对于ROS Melodic
sudo apt-get install ros-noetic-viso2  # 对于ROS Noetic

运行视觉里程计节点：根据所使用的视觉传感器和软件包，运行相应的节点。例如，对于viso2，可以使用以下命令启动节点：

rosrun viso2_ros viso2_node  # 假设使用viso2进行视觉里程计计算

将视觉信息传递给 PX4：通过mavros将视觉信息发送给 PX4。编写一个 ROS 节点，将视觉里程计的位置和姿态信息转换为mavros所需的消息格式，并发布到相应的mavros话题上。以下是一个简单的示例代码：

import rospy
from geometry_msgs.msg import PoseStamped
from nav_msgs.msg import Odometry
from mavros_msgs.msg import VisionPoseEstimate

def odometry_callback(odom):
    pose_estimate = VisionPoseEstimate()
    pose_estimate.header = odom.header
    pose_estimate.pose = odom.pose.pose
    vision_pose_pub.publish(pose_estimate)

if __name__ == "__main__":
    rospy.init_node('vision_pose_publisher')
    rospy.Subscriber('/viso2/odometry', Odometry, odometry_callback)  # 订阅viso2的里程计话题
    vision_pose_pub = rospy.Publisher('/mavros/vision_pose/pose', VisionPoseEstimate, queue_size=10)
    rospy.spin()

代码解释：

这段 Python 代码使用 ROS 的rospy库。首先导入了所需的消息类型，包括PoseStamped、Odometry和VisionPoseEstimate。
定义了一个回调函数odometry_callback，当接收到/viso2/odometry话题的消息时，将该消息中的位置和姿态信息提取出来，填充到VisionPoseEstimate消息中，并将其发布到/mavros/vision_pose/pose话题上。
在__main__函数中，初始化 ROS 节点，订阅/viso2/odometry话题，创建/mavros/vision_pose/pose话题的发布者，并调用rospy.spin()保持节点运行。

参数配置

在 PX4 中启用视觉定位：在 QGC 地面站中，找到并修改与视觉定位相关的参数，例如：
- EKF2_AID_MASK：将其值修改为启用视觉定位，可能需要将相应的视觉定位位设置为 1，以允许 EKF2 滤波器使用视觉信息。
- EKF2_HGT_MODE：将其设置为使用视觉传感器辅助高度测量，如设置为Vision或Vision and Baro，以结合气压计和视觉传感器进行高度估计。

测试与优化

室内测试：在室内环境中，确保视觉传感器能够正常工作，观察 PX4 地面站中显示的位置和姿态信息是否与实际情况相符。如果出现偏差，可以检查传感器安装位置和角度是否正确，以及软件配置是否准确。
飞行测试：在安全的室内或室外环境中进行飞行测试，密切关注无人机的飞行状态。根据飞行效果，调整视觉定位的参数，如视觉信息的权重、传感器的校准参数等，以提高定位精度和飞行稳定性。

通过以上步骤，可以在 PX4 飞控上成功添加视觉定位功能，但在实际操作中，需要不断测试和调整，以确保视觉定位的可靠性和稳定性，满足无人机的飞行需求。