<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[遥远的乌托邦]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/b457738242</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; b457738242]]></copyright><item><title><![CDATA[从零开始搭建无人机导航系统（四）——状态估计与概率论(二)]]></title><link>https://blog.youkuaiyun.com/b457738242/article/details/107236840</link><guid>https://blog.youkuaiyun.com/b457738242/article/details/107236840</guid><author>b457738242</author><pubDate>Thu, 09 Jul 2020 20:16:21 +0800</pubDate><description><![CDATA[前言
 上一篇中详细阐述了概率论的几个基本定理——概率密度函数、贝叶斯公式及推断、矩以及归一化积。
 本篇将在上一篇的基础上，围绕高斯随机过程展开，详细讨论高斯概率密度函数的定义及相关性质。
高斯概率密度函数
 首先，我们先来看一下一维情况下的高斯概率密度函数：
p(x∣μ,σ2)=12πσ2exp(−12(x−μ)2σ2)
p(x|\mu,\sigma^2)=\frac{1}{\sqrt{2\pi\sigma^2}} exp(-\frac{1}{2}\frac{(x-\mu)^2}{\sigma^2})
]]></description><category></category></item><item><title><![CDATA[从零开始搭建无人机导航系统（三）——状态估计与概率论(一)]]></title><link>https://blog.youkuaiyun.com/b457738242/article/details/107183180</link><guid>https://blog.youkuaiyun.com/b457738242/article/details/107183180</guid><author>b457738242</author><pubDate>Tue, 07 Jul 2020 15:50:29 +0800</pubDate><description><![CDATA[前言
 状态估计与控制是机器人学中两个避不开的问题，对于无人机而言亦是如此。如何在理解无人机模型的基础上，利用传感器信息，尽可能准确地估计一组完整描述它随时间运动的物理量，如位置、速度、加速度、角度、角速度等等，是状态估计领域要解决的最主要问题。
 稳定、准确的状态估计是无人机稳定控制的基础。本篇将讨论状态估计与概率论之间的联系。
状态估计问题的定义
 状态估计的过程是理解传感器本质的过程。任何传感器的精度都是有限的，因此，每个传感器的测量值也存在不确定性。
 传感器可分为两大类：内感受型和外感受型。
 总]]></description><category></category></item><item><title><![CDATA[无人机杂谈（三）——避其锋芒，攻其不备]]></title><link>https://blog.youkuaiyun.com/b457738242/article/details/107134985</link><guid>https://blog.youkuaiyun.com/b457738242/article/details/107134985</guid><author>b457738242</author><pubDate>Sun, 05 Jul 2020 09:57:14 +0800</pubDate><description><![CDATA[正面竞争
 说起多旋翼无人机的发展史，有一个不可不谈的公司——极飞科技。
 它成立于2007年，属于和大疆、零度、亿航等同一时期成立的公司。极飞科技早期同样以航模航拍多旋翼无人机起家，有一定的航模爱好者受众。随着大疆的不断壮大，极飞科技也进行了一些融资，在这个领域里做着自己的技术积累与探索。
 然而，在大疆推出精灵系列航拍无人机之后，它占领了大部分消费级多旋翼无人机市场，这直接导致了其他同类无人机的生存空间被大幅压缩。
 2014年，极飞科技在获得千万美元融资之后，做出了一个重大的决定——放弃消费级航拍无人]]></description><category></category></item><item><title><![CDATA[从零开始搭建无人机控制系统（一）——反馈与闭环]]></title><link>https://blog.youkuaiyun.com/b457738242/article/details/107000815</link><guid>https://blog.youkuaiyun.com/b457738242/article/details/107000815</guid><author>b457738242</author><pubDate>Sun, 28 Jun 2020 15:52:22 +0800</pubDate><description><![CDATA[前言
 有人说控制是一门玄学，有时候，通过修改一个参数就能大幅提高控制性能，有时候又死活调不出理想的效果；也有人说控制是一门艺术，它的实现机理充斥着数学之美。它是一门将理论与工程完美结合的学科。
 本专题将从零开始，带着各位读者，理一理无人机控制系统的那些事。
 控制的本质是对信号的操纵，即在理解信号特性的基础上，对其进行一定的改造，使其达到人为设定的目标。这个目标可能是某种特定的数值，也可能是一定的数值范围或是一组约束条件等等。
 这是我认为的广义上的控制。事实上，控制应该归属于信号处理领域的一个分支。控]]></description><category></category></item><item><title><![CDATA[从零开始搭建无人机导航系统（二）——初识传感器（二）]]></title><link>https://blog.youkuaiyun.com/b457738242/article/details/106881164</link><guid>https://blog.youkuaiyun.com/b457738242/article/details/106881164</guid><author>b457738242</author><pubDate>Sun, 21 Jun 2020 07:49:33 +0800</pubDate><description><![CDATA[前言
 上一篇中，我们初步了解了多旋翼无人机最常用，也是最核心的几种传感器——IMU、气压计、磁力计、GPS。基于以上几种传感器，我们能够搭建一套完整的组合导航系统，从而对无人机的姿态、速度、位置等信息进行最优估计。
 然而，仅仅有以上几种传感器的无人机，相当于是一个 “瞎子”，它缺少对飞行环境的感知能力，即无法得知自身与环境的相对关系，也就无法对变化的环境做出应对策略。
 为了让无人机拥有环境感知能力，本篇介绍另外几种非必要但很实用的传感器。有了这些传感器的加入，导航系统能够对环境信息进行感知，并进行建图]]></description><category></category></item><item><title><![CDATA[从零开始搭建无人机导航系统（一）——初识传感器（一）]]></title><link>https://blog.youkuaiyun.com/b457738242/article/details/106734023</link><guid>https://blog.youkuaiyun.com/b457738242/article/details/106734023</guid><author>b457738242</author><pubDate>Sat, 13 Jun 2020 16:20:13 +0800</pubDate><description><![CDATA[前言
 本专题将从新手的角度，逐步揭开无人机导航系统的神秘面纱。
 传感器作为无人机的重要组成部分，承担了无人机系统对于环境信息以及自身状态采集的重担。大部分的导航算法都离不开对传感器原理的深入了解。
 例如，针对不同的传感器应该选择使用何种数字滤波器？状态估计算法的观测方程与运动方程如何设计？估计算法的噪声如何选择等等。诸如此类问题的解决，都需要对所采用的传感器本身，或者说对传感器模型有着深入的了解。
 本篇将针对多旋翼无人机的核心传感器特性进行阐述，同时，针对这些传感器在工程应用中可能碰到的问题进行详解]]></description><category></category></item><item><title><![CDATA[无人机杂谈（一）——技术优势是否真的能够转化为商业优势？]]></title><link>https://blog.youkuaiyun.com/b457738242/article/details/106602306</link><guid>https://blog.youkuaiyun.com/b457738242/article/details/106602306</guid><author>b457738242</author><pubDate>Sun, 07 Jun 2020 15:30:34 +0800</pubDate><description><![CDATA[初心
 每个工程师心中都有或曾有过对于技术最纯粹的一份坚持，一种执念。这种执念或是在某个技术领域达到一定高度，或是让技术运用于产品之中，使产品被更多人肯定。这是一种满足感，也即是初心。
 于是，很多工程师出身的企业创始人往往形成一种观念——只要产品在技术上领先竞争对手一代甚至几代，那么商业上的优势也会进一步扩大。
 然而，事实真的如此么？今天，我们以两大无人机企业——零度智控、大疆创新为例，仔细分析其发展史，希望能从中得到答案。
南大疆 北零度
 大疆创新（2006年）成立时间略早于零度智控（2007年），]]></description><category></category></item><item><title><![CDATA[环境感知与规划专题（十一）——状态栅格规划器（State Lattice Planner）]]></title><link>https://blog.youkuaiyun.com/b457738242/article/details/106516312</link><guid>https://blog.youkuaiyun.com/b457738242/article/details/106516312</guid><author>b457738242</author><pubDate>Wed, 03 Jun 2020 08:20:23 +0800</pubDate><description><![CDATA[前言
 前几篇中介绍了几种路径搜索算法，其中既有基于图搜索的路径搜索算法（如A*），也有基于采样的路径搜索算法（如RRT、RRT*）。通过路径搜索算法，我们能够得到一条可通行的路径，然而，对于这条路径中的路标点（Waypoint）之间的路径往往是不符合机器人（无人机\无人车）动力学模型的。
 因此，对于每一个路标点（Waypoint）之间的连接路径，我们需要进行进一步的优化，从而得到一条符合机器人（无人机\无人车）动力学约束的可通行的运动学连接（feasible motion connections）。

]]></description><category></category></item><item><title><![CDATA[环境感知与规划专题（十）——基于采样的路径规划算法（二）]]></title><link>https://blog.youkuaiyun.com/b457738242/article/details/106465382</link><guid>https://blog.youkuaiyun.com/b457738242/article/details/106465382</guid><author>b457738242</author><pubDate>Mon, 01 Jun 2020 08:13:23 +0800</pubDate><description><![CDATA[前言
 上一篇介绍了快速搜索随机树（RRT）算法的原理，这是一种基于采样的路径规划算法，在地图尺寸较大时，其效率将显著的优于基于图搜索的路径规划算法（如A*）。
 然而，RRT也有其局限性，如：


狭窄通道情况下的搜索效率急剧下降


搜索得到的路径不是全局最优的


 本篇将针对RRT算法应用时出现的几个问题展开讨论，并阐述几种RRT算法的改进型。
快速获取搜索树中的相邻节点
 RRT算法中有一个重要的环节——获取搜索树种距离采样点最近的节点：

 该算法的效率直接影响了RRT算法的搜索效率，因此，本篇]]></description><category></category></item><item><title><![CDATA[环境感知与规划专题（九）——基于采样的路径规划算法（一）]]></title><link>https://blog.youkuaiyun.com/b457738242/article/details/106465370</link><guid>https://blog.youkuaiyun.com/b457738242/article/details/106465370</guid><author>b457738242</author><pubDate>Mon, 01 Jun 2020 08:12:38 +0800</pubDate><description><![CDATA[前言
 在环境感知与规划专题（一）——A*算法入门一文中阐述了广泛应用于机器人路径搜索问题的求解算法——A*，它是一种基于图搜索的路径规划算法。而主流的路径规划算法分为基于图搜索的路径规划算法与基于采样的路径规划算法。
 本文将阐述一种基于采样的路径规划算法——快速搜索随机树（RRT）。
快速搜索随机树（RRT）
 快速搜索随机树（RRT）算法从起始点开始，在地图上进行随机采样（如Monte Carlo Sample）,或者说随机撒点，进而，根据采样点信息，结合障碍物检测等约束条件，构建一颗搜索树，直到树的]]></description><category></category></item><item><title><![CDATA[环境感知与规划专题（六）——模型预测控制（MPC）在运动规划中的应用（二）]]></title><link>https://blog.youkuaiyun.com/b457738242/article/details/105912422</link><guid>https://blog.youkuaiyun.com/b457738242/article/details/105912422</guid><author>b457738242</author><pubDate>Mon, 04 May 2020 07:49:13 +0800</pubDate><description><![CDATA[前言
 上一篇中简述了模型预测控制在多旋翼飞行器运动规划中的应用。
 本篇将针对采用线性MPC的多旋翼飞行器的运动规划方案进行详细推导。
系统模型的离散化
 对于多旋翼飞行器这类三阶积分器模型，我们可以很容易得到其连续时间系统模型：
p˙=vv˙=aa˙=j
\dot p=v\\[2ex]  \dot v=a\\[2ex]  \dot a=j\\[2ex]
p˙​=vv˙=aa˙=j
 对其离散化...]]></description><category></category></item><item><title><![CDATA[环境感知与规划专题（五）——模型预测控制（MPC）在运动规划中的应用（一）]]></title><link>https://blog.youkuaiyun.com/b457738242/article/details/105912381</link><guid>https://blog.youkuaiyun.com/b457738242/article/details/105912381</guid><author>b457738242</author><pubDate>Mon, 04 May 2020 07:38:51 +0800</pubDate><description><![CDATA[前言
 上一章介绍了一种高效、实时的运动规划算法——JerkLimitedTrajectory（JLT）。
 在给定起始状态与终止状态后，该算法能够快速地计算出一条符合三阶积分器动力学模型的运动轨迹。其适用于类似多旋翼无人机的对象，能够解决一般的运动规划问题。
 然而，其存在一定的局限性，如：

轨迹平滑度与MAX_JERK之间存在不可调和的矛盾。即很难找到一组参数，使得生成的
轨迹既平滑又快速。...]]></description><category></category></item><item><title><![CDATA[环境感知与规划专题（四）——一种高效的运动规划算法（JLT）（下）]]></title><link>https://blog.youkuaiyun.com/b457738242/article/details/105618442</link><guid>https://blog.youkuaiyun.com/b457738242/article/details/105618442</guid><author>b457738242</author><pubDate>Tue, 28 Apr 2020 08:13:53 +0800</pubDate><description><![CDATA[0. 前言
上一篇中针对速度设定的JLT算法进行了详解，该算法能够解决一部分给定速度期望值，或者通过给定位置期望值以一定规则转化为给定速度期望值的问题。
该方法简单高效，能够实时运行于嵌入式MCU，解决多旋翼无人机的部分运动规划问题。本篇将探讨一种更直接的运动规划算法，该算法基于上一篇的速度设定问题的解法，做了一定扩展，其适用于解决更广泛的问题。
1. 位置设定问题的JerkLimitedTraj...]]></description><category></category></item><item><title><![CDATA[环境感知与规划专题（三）——一种高效的运动规划算法（JLT）（上）]]></title><link>https://blog.youkuaiyun.com/b457738242/article/details/105617531</link><guid>https://blog.youkuaiyun.com/b457738242/article/details/105617531</guid><author>b457738242</author><pubDate>Tue, 28 Apr 2020 08:13:20 +0800</pubDate><description><![CDATA[0. 前言
无人机在飞行过程中经常会遇到许多不可预见的突发情况或者障碍物，因此，寻求一种高效稳定的运动规划算法是十分必要的。
本文介绍一种可运行于嵌入式mcu的运动规划算法——Jerk Limited Trajectory（JLT），该方法为BVP方法的其中一种解法，计算量小，实时性强。且常与非线性MPC相结合，应用于解决复杂环境的运动规划问题。
该算法能够实时地根据变化的环境，在满足动力学约束的...]]></description><category></category></item><item><title><![CDATA[控制系统设计专题（四）——控制分配矩阵的求解及相关问题]]></title><link>https://blog.youkuaiyun.com/b457738242/article/details/105744078</link><guid>https://blog.youkuaiyun.com/b457738242/article/details/105744078</guid><author>b457738242</author><pubDate>Sat, 25 Apr 2020 07:52:35 +0800</pubDate><description><![CDATA[前言
  前一篇中对自抗扰控制算法的原理及扩张状态观测器的参数整定问题进行了详解。同时，提出了一种基于自抗扰控制算法的多旋翼飞行器控制系统设计方案。
  在系统辨识专题中，我们提到了控制效率方程的作用及重要性。
控制分配矩阵的必要性分析
  我们往往针对单一控制回路进行控制器设计及性能分析。对于被控对象而言，最终驱动执行机构的控制指令，由多个控制回路的控制器输出的某种组合关系决定。该组合关系称之为...]]></description><category></category></item><item><title><![CDATA[系统辨识专题（二）——多旋翼飞行器建模]]></title><link>https://blog.youkuaiyun.com/b457738242/article/details/105744048</link><guid>https://blog.youkuaiyun.com/b457738242/article/details/105744048</guid><author>b457738242</author><pubDate>Sat, 25 Apr 2020 07:38:37 +0800</pubDate><description><![CDATA[前言
  上一篇中详细阐述了MATLAB系统辨识工具箱的使用实例，本篇将以多旋翼飞行器为研究对象，详细阐述其刚体动力学模型、飞行控制刚体模型以及控制效率模型。最后，针对多旋翼飞行器控制系统设计当中的主要系统辨识问题进行解析。
多旋翼飞行器建模结构解析
  在进行多旋翼飞行器建模之前，我们需要了解与多旋翼飞行器系统设计息息相关的主要几大模型：


动力系统模型
  动力系统模型，描述的是为多旋翼飞行...]]></description><category></category></item><item><title><![CDATA[控制系统设计专题（三）——自抗扰控制算法（下）]]></title><link>https://blog.youkuaiyun.com/b457738242/article/details/105744004</link><guid>https://blog.youkuaiyun.com/b457738242/article/details/105744004</guid><author>b457738242</author><pubDate>Sat, 25 Apr 2020 07:24:38 +0800</pubDate><description><![CDATA[前言
  上篇中详细阐述了经典的自抗扰控制算法的原理，本篇将围绕两种ADRC算法展开，针对扩张状态观测器的参数整定问题进行详解，同时，对跟踪微分器的几个重要应用进行介绍。
两种典型的ADRC算法
  自抗扰控制算法的核心，在于通过扩张状态观测器动态观测系统的“总扰动”，在补偿系统后，将其简化为积分器串联系统，由此，扩张状态观测器观测得到的“总扰动”补偿环节可等效于PID控制算法中的积分项作用，并且...]]></description><category></category></item><item><title><![CDATA[控制系统设计专题（一）——PID控制算法]]></title><link>https://blog.youkuaiyun.com/b457738242/article/details/105618426</link><guid>https://blog.youkuaiyun.com/b457738242/article/details/105618426</guid><author>b457738242</author><pubDate>Sun, 19 Apr 2020 17:26:52 +0800</pubDate><description><![CDATA[前言
  PID控制算法是工业控制领域数十年来应用最广泛的经典控制算法之一，其理论原理易于理解，算法结构简单，易于工程实现，这也是其受到工程师们青睐的重要原因。
  尽管算法原理简单，其参数整定难度却因被控对象而异，不同工程师对同一被控对象整定出的PID参数也各不相同。这对PID控制算法的理解以及工程经验提出了很高的要求。本篇将从PID控制算法展开，针对PID控制算法的几个主要问题进行探讨。
PI...]]></description><category></category></item><item><title><![CDATA[数字滤波器设计专题（二） ——数字滤波器设计实战]]></title><link>https://blog.youkuaiyun.com/b457738242/article/details/105617994</link><guid>https://blog.youkuaiyun.com/b457738242/article/details/105617994</guid><author>b457738242</author><pubDate>Sun, 19 Apr 2020 17:04:18 +0800</pubDate><description><![CDATA[前言
  上一篇中阐述了MALTAB工具箱的FDA工具使用方法，它提供一种快速便捷的滤波器设计途径，使得工程师能够针对实际应用场景，基于FFT频谱分析的基础上，设计对应的滤波器，输出滤波器参数。本篇将着重以多旋翼无人机较为典型的传感器——加速度计的滤波器设计为例，阐述具体的滤波器设计原则、技巧以及评判标准。
常用数字滤波器

FIR与IIR滤波器

  FIR滤波器又称有限冲激响应滤波器，它能在保...]]></description><category></category></item><item><title><![CDATA[多旋翼无人机技术详解]]></title><link>https://blog.youkuaiyun.com/b457738242/article/details/105617864</link><guid>https://blog.youkuaiyun.com/b457738242/article/details/105617864</guid><author>b457738242</author><pubDate>Sun, 19 Apr 2020 16:54:23 +0800</pubDate><description><![CDATA[前言
  上一篇文章从技术角度对多旋翼无人机行业的发展过程进行浅析、回顾以及展望，本篇文章将详解剖析多旋翼无人机的技术组成。
多旋翼无人机的技术框架
  多旋翼无人机主要由传感器、导航系统、控制系统、动力系统、故障诊断系统、决策及规划系统组成。
  传感器作为多旋翼无人机的感知系统的重要组成部分，其作用不言而喻，良好的传感器数据为导航系统的解算提供了扎实的数据基础。
  导航系统则结合不同的传感器...]]></description><category></category></item></channel></rss>