I. Giới thiệu
Chương này giới thiệu về Hệ thống hạ cánh tự động cho UAV, đặc biệt là các ứng dụng tiềm năng của chúng trong kinh tế và xã hội. UAV là những thiết bị bay không người lái, có khả năng hoạt động tự động hoặc được điều khiển từ xa. Việc hạ cánh tự động là một thách thức kỹ thuật lớn, đòi hỏi sự kết hợp giữa công nghệ thị giác máy tính và quán tính. Các ứng dụng của UAV không chỉ giới hạn ở lĩnh vực quân sự mà còn mở rộng ra nhiều lĩnh vực dân sự như cứu hộ, giao hàng, và giám sát. Đặc biệt, việc hạ cánh chính xác là rất cần thiết trong nhiều kịch bản, từ việc sạc pin tự động đến việc thả hàng hóa ở những khu vực khó tiếp cận.
II. Cơ sở và công trình liên quan
Chương này trình bày các khái niệm cơ bản về định vị và navigating trong UAV. Đặc biệt, các thuật toán như Simultaneous Localization and Mapping (SLAM) và các phương pháp quán tính sẽ được thảo luận. Thị giác máy tính cũng đóng vai trò quan trọng trong việc nhận diện mục tiêu hạ cánh và giúp UAV xác định vị trí của mình. Các nghiên cứu trước đây đã chỉ ra rằng việc kết hợp giữa IMU và camera có thể cải thiện đáng kể khả năng định vị của UAV trong các môi trường GPS-denied.
III. Ước lượng trạng thái mục tiêu hạ cánh có thể nhìn thấy
Phần này tập trung vào việc phát triển một thuật toán để ước lượng vị trí của UAV khi mục tiêu hạ cánh có thể nhìn thấy. Sử dụng một mạng nơ-ron tích chập, thuật toán này có khả năng nhận diện helipad trong hình ảnh và kết hợp dữ liệu từ IMU để xác định vị trí chính xác. Kết quả cho thấy rằng mặc dù dữ liệu ước lượng có thể bị nhiễu, nhưng nó vẫn không thiên lệch và thể hiện sự đồng thuận tốt với các phương pháp khác như ARUCOTag. Điều này chứng minh rằng công nghệ thị giác máy tính có thể được áp dụng hiệu quả trong việc hỗ trợ hạ cánh tự động.
IV. Ước lượng trạng thái quán tính với bộ lọc Kalman biến thiên tuyến tính
Chương này trình bày việc phát triển một bộ lọc Kalman biến thiên tuyến tính (LTV) để xác định vị trí của UAV dựa trên dữ liệu từ IMU và quán tính. Bộ lọc này cho phép phân tích đơn giản hơn so với các phương pháp khác và đã chứng minh được hiệu suất ước lượng xuất sắc trong khoảng thời gian 30 giây. Điều này cho thấy rằng việc sử dụng quán tính có thể cải thiện đáng kể khả năng định vị của UAV trong các tình huống thực tế mà không cần đến các phương pháp phức tạp hơn.
V. Triển khai và hiệu chuẩn
Phần cuối cùng của nghiên cứu tập trung vào việc triển khai thiết bị thử nghiệm và quy trình hiệu chuẩn cho IMU. Một thuật toán hiệu chuẩn mới đã được phát triển, cho phép tối ưu hóa việc sử dụng các ARUCOTags để cải thiện độ chính xác của các thuật toán định vị. Mặc dù chưa có thử nghiệm nghiêm ngặt cho phương pháp này, nhưng kết quả ban đầu cho thấy rằng việc hiệu chuẩn IMU có thể giảm thiểu đáng kể sai số và cải thiện độ chính xác trong các thuật toán định vị đã đề xuất.
