МНОГОЭТАПНАЯ СИСТЕМА АВТОНОМНОЙ ПОСАДКИ, СТЫКОВКИ И ПОДЗАРЯДКИ БПЛА НА ОСНОВЕ ВИЗУАЛЬНОГО НАВЕДЕНИЯ
DOI:
https://doi.org/10.52167/1609-1817-2025-140-5-313-329Ключевые слова:
автономная посадка БПЛА, визуальное наведение, зарядная станция для дронов, периферийные вычисления, глубокое обучение, обучение с подкреплением, высокоточная посадкаАннотация
Продолжительность непрерывной работы беспилотных летательных аппаратов (БПЛА) существенно ограничена ресурсом их бортовых аккумуляторов. В данной статье представлена комплексная система, обеспечивающая полностью автономную посадку беспилотника и последующую зарядку его аккумулятора, призванная устранить это ограничение. Предлагаемое решение включает в себя интеллектуальную зарядную станцию, оснащенную защитным козырьком и мультимодальной системой наведения, а также специально разработанный квадрокоптер, оптимизированный для тесной интеграции с этой станцией. Архитектура станции сочетает в себе систему технического зрения (кольцевую многокамерную установку с обзором на 360° и активными светодиодными маркерами), беспроводные каналы связи и высокопроизводительный вычислительный модуль реального времени, который разгружает бортовые системы беспилотника, передавая ресурсоемкие задачи компьютерного зрения и управления на станцию. Система реализует многоступенчатый алгоритм посадки: глобальная навигация на основе GPS сочетается с точным визуальным наведением с использованием сверточных нейронных сетей и опорных маркеров.; Для планирования траектории захода на посадку под навесом используется глубокое обучение с подкреплением; на заключительном этапе используется адаптивный ПИД-регулятор для определения местоположения с точностью до нескольких сантиметров. Для надежной фиксации дрона во время зарядки предусмотрен магнитный стыковочный механизм, а протоколы безопасности предусматривают возможность экстренного прерывания процесса при необходимости. В ходе моделирования и тестирования прототипа система успешно выполнила автономную посадку в различных условиях (в том числе ночью и при умеренном ветре), продемонстрировав высокую точность позиционирования и стабильную работу. Полученные результаты свидетельствуют о том, что разработанная автономная система посадки и подзарядки позволяет значительно увеличить продолжительность полетов беспилотного летательного аппарата, одновременно снижая необходимость участия оператора.
Библиографические ссылки
[1] Xin, L., Tang, Z., Gai, W., & Liu, H. (2022). Vision-Based Autonomous Landing for the UAV: A Review. Aerospace, 9(11), 634. https://doi.org/10.3390/aerospace9110634
[2] Wang, B., Ma, R., Zhu, H., Sha, Y., & Yang, T. (2023). An Autonomous Tracking and Landing Method for Unmanned Aerial Vehicles Based on Visual Navigation. Drones, 7(12), 703. https://doi.org/10.3390/drones7120703
[3] Sankararaj, Kodeeswaran & Arumugam, Kannabhiran & D., Elangovan. (2025). A Comparative Study of Energy Sources, Docking Stations and Wireless Charging Technologies for Certain Quadrotor Unmanned Aerial Vehicles. Aerospace Science and Technology. 166. 110628. https://doi.org/10.1016/j.ast.2025.110628
[4] Gamagedara K., Lee T., Snyder M. Delayed Kalman filter for vision-based autonomous flight in ocean environments // Control Engineering Practice. 2024. Vol. 143. Art. 105791. https://doi.org/10.1016/j.conengprac.2023.10579
[5] Katkuri A.V.R., Madan H., Khatri N., Abdul-Qawy A.S.H., Patnaik K.S. Autonomous UAV navigation using deep learning-based computer vision frameworks: A systematic literature review // Array. 2024. Vol. 23. Art. 100361. https://doi.org/10.1016/j.array.2024.100361
[6] Morales J., Castelo I., Serra R., Lima P.U., Basiri M. Vision-Based Autonomous Following of a Moving Platform and Landing for an Unmanned Aerial Vehicle // Sensors. 2023. Vol. 23(2). Art. 829. https://doi.org/10.3390/s23020829
[7] Jawad A. M., Nordin R., Jawad H. M., et al. Wireless Drone Charging Station Using Class-E Power Amplifier in Vertical Alignment and Lateral Misalignment Conditions // Energies. 2022. Vol.15, No.4. P.1298. https://doi.org/10.3390/en15041298]
[8] Olson E. AprilTag: A robust and flexible visual fiducial system // Proceedings of the IEEE International Conference on Robotics and Automation (ICRA). 2011. P. 3400–3407. https://doi.org/10.1109/ICRA.2011.5979561
[9] Chang C.-W., Lo L.-Y., Cheung H.-C., Wen C.-Y. Proactive guidance for accurate UAV landing on a dynamic platform: A visual–inertial approach // Sensors. 2022. Vol. 22, No. 1. Art. 404. https://doi.org/10.3390/s22010404
[10] Wang J., Olson E. AprilTag 2: Efficient and robust fiducial detection // Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2016. P. 4193–4198. https://doi.org/10.1109/IROS.2016.7759617
[11] Pieczyński D., Ptak B., Kraft M., Piechocki M., Aszkowski P. A fast, lightweight deep learning vision pipeline for autonomous UAV landing support with added robustness // Engineering Applications of Artificial Intelligence. 2024. Vol.131. P.107864. https://doi.org/10.1016/j.engappai.2024.107864
[12] Gautam A., Singh M., Sujit P.B., Saripalli S. Autonomous Quadcopter Landing on a Moving Target // Sensors (Basel). 2022. Vol. 22(3). Art. 1116. https://doi.org/10.3390/s22031116
[13] Delbene A., Baglietto M., Simetti E. Visual Servoed Autonomous Landing of an UAV on a Catamaran in a Marine Environment // Sensors. 2022. Vol. 22(9). Art. 3544. https://doi.org/10.3390/s22093544
[14] Keipour A., Pereira G.A.S., Bonatti R., Garg R., Rastogi P., Dubey G., Scherer S. Visual Servoing Approach to Autonomous UAV Landing on a Moving Vehicle // Sensors. 2022. Vol. 22(17). Art. 6549. https://doi.org/10.3390/s22176549
[15] Rodriguez-Ramos A., Sampedro C., Bavle H., de la Puente P., Campoy P. A Deep Reinforcement Learning Strategy for UAV Autonomous Landing on a Moving Platform // Journal of Intelligent & Robotic Systems. 2019. Vol. 93. P. 351–366. https://doi.org/10.1007/s10846-018-0891-8
[16] Wu L., Wang C., Zhang P., Wei C. Deep Reinforcement Learning with Corrective Feedback for Autonomous UAV Landing on a Mobile Platform // Drones. 2022. Vol.6, No.9. P.238. https://doi.org/10.3390/drones6090238
[17] [1] Liu Y., Li J., Zhang H., Wang Y.
Vision-based autonomous landing of unmanned aerial vehicles: A review // Aerospace Science and Technology. 2020. Vol. 104. Art. 105939. https://doi.org/10.1016/j.ast.2020.105939
[18] Cocchioni F., Mancini A., Longhi S.
Autonomous navigation, landing and recharge of a quadrotor using artificial vision // Robotics and Autonomous Systems. 2014. Vol. 62, No. 8. P. 1155–1166.
https://doi.org/10.1016/j.robot.2014.04.001.
[19] Hayat S., Yanmaz E., Muzaffar R. Survey on unmanned aerial vehicle networks for civil applications: A communications viewpoint // IEEE Communications Surveys & Tutorials. 2016. Vol. 18, No. 4. P. 2624–2661. https://doi.org/10.1109/COMST.2016.2560343
[20] Lee D., Ryan T., Kim H.J. Autonomous landing of a VTOL UAV on a moving platform using image-based visual servoing // IEEE Transactions on Robotics. 2016. Vol. 32, No. 2. P. 414–427. https://doi.org/10.1109/TRO.2016.2533638
[21] Wenzel K.E., Masselli A., Zell A.
Automatic take off, tracking and landing of a miniature UAV on a moving carrier // Journal of Intelligent & Robotic Systems. 2011. Vol. 61. P. 221–238.
HTTPS://DOI.ORG/10.1007/s10846-010-9473-0.
[22] Alshbatat A.I., Dong L. Adaptive fuzzy logic controller for UAV landing using vision-based guidance // International Journal of Advanced Robotic Systems. 2016. Vol. 13, No. 1. https://doi.org/10.5772/62048
[23] Garrido-Jurado S., Muñoz-Salinas R., Madrid-Cuevas F.J., Marín-Jiménez M.J.
Automatic generation and detection of highly reliable fiducial markers under occlusion // Pattern Recognition. 2014. Vol. 47, No. 6. P. 2280–2292.
https://doi.org/10.1016/j.patcog.2014.01.005
[24] Morales J., Castelo I., Serra R., Lima P.U., Basiri M. Vision-based autonomous following of a moving platform and landing for an unmanned aerial vehicle // Sensors. 2023. Vol. 23, No. 2. Art. 829. https://doi.org/10.3390/s23020829
[25] Gui K., Guo J., Zhang X., Zhang D. Vision-based autonomous landing of UAV in low-light environments using infrared illumination // IEEE Access. 2020. Vol. 8. P. 129426–129436. https://doi.org/10.1109/ACCESS.2020.3009165
[26] Katkuri A.V.R., Madan H., Patnaik K.S. Autonomous UAV navigation using deep learning-based computer vision frameworks: A systematic review // Array. 2024. Vol. 23. Art. 100361. https://doi.org/10.1016/j.array.2024.100361
[27] Chang C.-W., Lo L.-Y., Cheung H.-C., Wen C.-Y. Proactive guidance for accurate UAV landing on a dynamic platform: A visual–inertial approach // Sensors. 2022. Vol. 22, No. 1. Art. 404. https://doi.org/10.3390/s22010404
[28] Hayajneh A., Al-Gharaibeh K., Al-Hajri M. Wireless power transfer technologies for UAV charging: A review // Energies. 2021. Vol. 14, No. 21. Art. 7128. HTTPS://DOI.ORG/10.3390/en14217128. (Scopus)
[29] Saviolo A., Tognon M., Franchi A. AutoCharge: Docking and charging of quadrotors using a tethered electromagnetic system // Proceedings of the IEEE International Conference on Robotics and Automation (ICRA). London: IEEE, 2023. P. 11427–11433. https://doi.org/10.1109/ICRA48891.2023.10160945
[30] Kurs A., Karalis A., Moffatt R., Joannopoulos J.D., Fisher P., Soljačić M.
Wireless power transfer via strongly coupled magnetic resonances // Science. 2007. Vol. 317, No. 5834. P. 83–86. https://doi.org/10.1126/science.1143254
[31] Raj R., Sah B., Bhattarai B. Autonomous UAV systems for persistent surveillance and inspection: Challenges and opportunities // Drones. 2022. Vol. 6, No. 11. Art. 322.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Категории
Лицензия
Copyright (c) 2025 Салтанат Амиргалиева, Айсулу Атаниязова, Сергазы Нарынов
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
