Автономная навигация
Коммерческое применение дронов обычно требует автономного полета, а не ручного управления. Связано это с тем, что часто коммерческие полеты надо выполнять регулярно в одном и том же месте и по одному и тому же полетному плану, который можно запрограммировать и снизить издержки на пилота.
Для автономного управления дрону надо как минимум знать с высокой точностью свои координаты в пространстве. На открытом пространстве можно использовать GPS — точность достигается в несколько метров. Дополнительная наземная станция и технология GPS RTK увеличат точность до нескольких сантиметров.
Но наземную станцию не всегда возможно использовать, и это очень дорого. Обычного GPS хватает для задания маршрута полета над сельхозполями, стройками, трубопроводами, и дроны в этих случаях летают автономно. Эта функция есть у любого современного дрона, который можно найти в продаже.
В таком режиме безопасно летать только в открытом небе без препятствий. Если речь идет об обследовании зданий, трубопроводов или применении внутри помещений, то тут не обойтись без дополнительных сенсоров, определяющих расстояние до объектов. Тут используют одномерные сонары, лидары, двумерные лидары, 3D-лидары и камеры глубины.
Есть еще одна важная проблема: если мы летаем в замкнутом пространстве или между высокими зданиями, то сигнал GPS будет недоступен и необходимо иметь другой источник координат дрона в пространстве. Можно определять свои координаты на борту, обрабатывая видеопоток с бортовых камер — лучше использовать стереокамеры или камеры глубины. Такой алгоритм называется SLAM (Simultaneous Localization and Mapping).
В потоке кадров с камеры алгоритм ищет особые точки (features), которыми могут быть маленькие уголки, какие-то неоднородности. Точкам присваиваются дескрипторы таким образом, что, если мы найдем эту же точку в последующих кадрах, когда камера уже успела переместиться в пространстве, ей будет присвоен такой же дескриптор и алгоритм сможет сказать: «Вот на этом кадре есть такая же точка, что и на предыдущем».
Алгоритм не знает 3D-координаты особых точек и координаты камеры в моменты съемок кадров — эти параметры ему как раз и надо вычислить. Он отслеживает изменения пиксельных координат особых точек между кадрами и пытается подобрать такие параметры, чтобы, если спроецировать особые точки в плоскость кадра, получались наблюдаемые или измеренные пиксельные координаты.
В итоге получается оценка перемещения камеры в пространстве. Обычно алгоритм SLAM очень требователен к вычислительным ресурсам, но есть камера Intel RealSense T265 с микросхемой, реализующей вычисления SLAM на аппаратном уровне.
Для организации автономного управления дроном необходимо решить три задачи.
- Определить координаты дрона в пространстве. Использовать для этого GPS-приемник или вычислять на борту координаты, обрабатывая видеопоток алгоритмом SLAM. А лучше использовать оба подхода, чтобы знать как глобальные, так и локальные координаты дрона
- Построить 3D-карту окружения дрона с помощью сенсоров типа стереокамер, камер глубины, лидаров.
- Добавить софт для планирования маршрута с учетом цели полета, текущих координат и карты окружения.
Автономная система управления полетом квадрокоптера с возможностью облета препятствий и комплексной навигацией
Список литературы
1. Алешин, Б. С. и др. Ориентация и навигация подвижных объектов: современные информационные технологии / Б. С. Алешин, А. А. Афонин, К. К. Веремеенко, Б. В. Кошелев, В. Е. Плеханов, В. А. Тихонов, А. В. Тювин, Е. П. Федосеев; под ред. Б. С. Алешина, К. К. Веремеенко, А. И. Черноморского // М.: Изд-во Физматлит, 2006. 422 с.
2. Воротников, С. А. Информационные устройства робототехнических систем / С. А. Воротников // М.: Изд-во МГТУ им. Н.Э.Баумана. 2005. 382 с.
3. Воронов, Е. М. Многокритериальный синтез позиционного управления на основе многопрограммной стабилизации. Ч. 1. / Е. М. Воронов // Вестник МГТУ им. НЭ Баумана. Серия «Приборостроение», 2023 . № 2. С. 3-19.
4. Воронов, Е. М. Многокритериальный синтез позиционного управления на основе многопрограммной стабилизации. Ч. 2. / Е. М. Воронов // Вестник МГТУ им. НЭ Баумана. Серия «Приборостроение», 2023 . № 3. С. 3-11.
5. Голубев, А. Е. Отслеживание программного изменения угла атаки для продольной динамики ракеты класса «воздух-воздух» с помощью метода обхода интегратора / А. Е. Голубев // Наука и образование. 2023. С. 401-414.
6. Дивеев, А. И. и др.Метод идентификационного синтеза управления и его применение к мобильному роботу / А. И. Дивеев, Е. А. Софронова, Е. Ю. Шмалько // Информационные и математические технологии в науке и управлении. 2023, №2 . С. 53-61.
7. Зенкевич, С. Л. и др. Основы управления манипуляционными роботами / С. Л. Зенкевич, А. С. Ющенко // М.: Изд-во МГТУ им. Н.Э.Баумана. 2004. 478 с.
8. Митин, С. В. Кодирование двоичной последовательности с использованием дискретных хаотических отображений // Наука и образование. МГТУ им. Н.Э. Баумана. 2023. № 6. С. 231-242.
9. Микрин, Е. А. Бортовые комплексы управления космических аппаратов / Е. А. Микрин // М.: Изд-во МГТУ им. Н.Э.Баумана. 2023 г. 246 с.
10. Неусыпин, К. А. и др. Методы коррекции навигационных систем беспилотных летательных аппаратов / К. А. Неусыпин, А. В. Пролетарский, Ч. Ким // Автоматизация и современные технологии. 2023. № 2. С. 30-34.
11. Николаев, Л. Ф. Аэродинамика и динамика полёта транспортных самолётов / Л. Ф. Николаев // М.: Изд-во Транспорт. 1990. 392 с.
12. Пупкова, К. А. и др. Методы классической и современной теории автоматического управления: Учебник в 5 томах. Том 1. Математические модели, динамические характеристики и анализ систем автоматического управления /К.А. Пупкова, Н.Д. Егупова // М.: Изд-во МГТУ им. Н.Э.Баумана. 2004. 656 с.
13. Попков, Н. П. Аэродинамика и динамика полёта лёгких самолётов: Курс лекций / Н. П. Попков // М.: Изд-во АБН аэро, 2023. 232 с.
14. Пролетарский, А. В. и др. Интеллектуализированные системы управления летательными аппаратами / А. В. Пролетарский, Е. Ю. Алексеева // Наука и образование. 2023. № 9. С. 219-236.
15. Солодовников, В. В. Техническая кибернетика: Теория автоматического регулирования. Книги 1-3 / Под ред. В.В.Солодовникова // М.: Изд-во Машиностроение, 1967-1969.
16. Солодовников, В. В. Техническая кибернетика. Устройства и элементы систем автоматического регулирования и управления. Книга 3. Исполнительные устройства и сервомеханизмы / В. В. Солодовников // М.: Изд-во Машиностроение, 1976. 735 с.
17. Салычев, О. С. и др. Интегрированная бесплатформенная система навигации средней точности для беспилотного летательного аппарата / О. С. Салычев, В. Е. Григорьев, Н. Н. Макаров. Патент РФ 2539140, публикация патента: 10.01.2023.
18. Скорость погружения свободно падающих объектов [Электронный
ресурс]. – URL: http://vladfotki.narod.ru/_text/depth/hydro.htm (дата обращения:
25.11.2023).
19. Слабый и умеренный ветер [Электроный ресурс] // Словарь ветров / под ред. Л. З. Прох. – Л.: Гидрометеоиздат, 1983. – URL: http://academic.ru/dic.nsf/eng_rus/337710/ (дата обращения: 19.11.2023).
20. Фомичев, А. В. и др. Разработка алгоритма быстрой компенсации погрешностей комплексированной инерциально-спутникой системы навигации малогабаритных беспилотных летательных аппаратов в условиях сложной среды / А. В. Фомичев, Л. Тань// Наука и образование. 2023. № 10. С. 252-270.
21. Шляйхер, М. Техника автоматического регулирования для практиков / М. Шляйхер // М.: Изд-во JUMO GmbH. 2006. 124 c.
22. Ющенко, А. С. и др. Математические основы теории автоматического управления / В. А. Иванов, В. С. Медведев, А. С. Ющенко, Б. К. Чемоданов // М.: Изд-во МГТУ им. Баумана. 2006. 552 с.
23. Albers, A. et al. Semi-autonomous flying robot for physical interaction with environment / A. Albers, S. Trautmann, T. Howard // Robotics Automation and Mechatronics (RAM), 2023 IEEE Conference on. IEEE, 2023. P. 441-446.
24. Aguiar, A. P. et al. Trajectory-tracking and path-following of underactuated autonomous vehicles with parametric modeling uncertainty / A. P. Aguiar, J. P. Hespanha // IEEE Transactions on Automatic Control. 2007. № 52(8). P. 1362-1379.
25. Ang, W. T. et al. Feedforward controller with inverse rate-dependent model for piezoelectric actuators in trajectory-tracking applications / W. T. Ang, P. K. Khosla, C. N. Riviere // Mechatronics, IEEE/ASME Transactions on. 2007. № 12(2). P. 134-142.
26. Asbeck A. T. et al. Scaling hard vertical surfaces with compliant microspine arrays / A. T. Asbeck, S. Kim, M. R. Cutkosky, W. R. Provancher, M. Lanzetta // The International Journal of Robotics Research. 2006. № 25(12). P. 1165.
27. Bailey, T. et al. Consistency of the EKF-SLAM algorithm / T. Bailey, J. Nieto, J. Guivant // Intelligent Robots and Systems, 2006 IEEE/RSJ International Conference on. 2006. P. 3562-3568.
28. Bailey, T. et al. Data association for mobile robot navigation: A graph theoretic approach / T. Bailey, E. M. Nebot, J. K. Rosenblatt // Robotics and Automation,
2000. Proceedings. ICRA’00. IEEE International Conference on. IEEE. 2000. № 3. P. 2512-2517.
29. Bangura, M. et al. Nonlinear dynamic modeling for high performance control of a quadrotor / M. Bangura, R. Mahony // Australasian conference on robotics and automation. 2023. P. 1-10.
30. Barraquand, J. et al. Robot motion planning: A distributed representation approach / J. Barraquand, J. C. Latombe // The International Journal of Robotics Research. 1991. № 10(6). P. 628-649.
31. Bento, M. D. F. Unmanned aerial vehicles / M. D. F. Bento // An overview. Inside GNSS. 2008. № 3(1). P. 54-61.
32. Bhattacharya, P. et al. Roadmap-based path planning-Using the Voronoi diagram for a clearance-based shortest path / P. Bhattacharya, M. L. Gavrilova // Robotics & Automation Magazine, IEEE. 2008. № 15(2). P. 58-66.
33. Biswas, J. et al. Depth camera based indoor mobile robot localization and navigation / J. Biswas, M. Veloso // Robotics and Automation (ICRA), 2023 IEEE International Conference on. IEEE, 2023. P. 1697-1702.
34. Bouabdallah, S. et al Backstepping and sliding-mode techniques applied to an indoor micro quadrotor [C] / S. Bouabdallah, R. Siegwart // Robotics and Automation, 2005. ICRA 2005. Proceedings of the 2005 IEEE International Conference on. IEEE, 2005. P. 2247-2252.
35. Brown, D. L. et al. Determination of Barometric Altimeter Errors for the Orion Exploration Flight Test-1 Entry / D. L. Brown, J. P. Munoz, R. Gay // AIAA Guidance, Navigation, and Control Conference. 2023. P. 4993.
36. Brumback, B. D. et al. A chi-square test for fault-detection in Kalman filters / B. D. Brumback, M. D. Srinath // Automatic Control, IEEE Transactions on. 1987. № 32(6). P. 552-554.
37. Bunschoten, R. et al. Visual odometry from an omnidirectional vision system [C] / R. Bunschoten, B. Krose // Robotics and Automation: Proceedings. ICRA’03. IEEE International Conference on. IEEE, 2003. 2003. Vol. 1. P. 577-583.
38. Camera Calibration Toolbox for Matlab [Electronic resource]. – URL: http://www.vision.caltech.edu/bouguetj/calib_doc//(дата обращения: 19.10.2023).
39. Chatterjee, A. et al. Development of a real-life EKF based SLAM system for mobile robots employing vision sensing / A. Chatterjee, O. Ray, A. Chatterjee // Expert Systems with Applications. 2023. № 38(7). P. 8266-8274.
40. Cheeseman, P. et al. A stochastic map for uncertain spatial relationships / P. Cheeseman, R. Smith, M. Self // 4th International Symposium on Robotic Research. 1987. P. 467-474.
41. Choi, Y. W. et al. Laser Image SLAM based on Image Matching for Navigation of a Mobile Robot / Y W. Choi, K. D. Kim, J. W. Choi. 2023. № 30(2). P. 177-184.
42. Chong-Quan, Z. et al. Variance estimation in multisensor fusion algorithm / Z. Chong-Quan, D. Xi-Lu, Z. Li-Yong // IFAC. 2003. P. 7-12.
43. Chungang, Z. et al. Robot path planning in globally unknown environments based on rolling windows / Z. Chungang, X. Yugeng // Science in China Series E: Technolgical Science. 2001. № 44(2). P. 131-139.
44. Clapper, J. et al. Unmanned systems roadmap / J. Clapper, J. Young, J. Cartwright et al. // Office of the Secretary of Defense. 2007. P. 2007-2032.
45. Conte, G. et al. An integrated UAV navigation system based on aerial image matching / G. Conte, P. Doherty // Aerospace Conference, 2008 IEEE. IEEE, 2008. P. 1-10.
46. Da, R. Failure detection of dynamical systems with the state chi-square test / R. Da // Journal of guidance, control, and dynamics. 1994. № 1017(2). P. 271-277.
47. Davey, S. J. Simultaneous localization and map building using the probabilistic multi-hypothesis tracker / S. J. Davey // Robotics, IEEE Transactions on. 2007. № 23(2). P. 271-280.
48. Dierks, T. et al. Output feedback control of a quadrotor UAV using neural networks / T. Dierks, S. Jagannathan // IEEE Trans. Neural Netw. 2023. № 21(1). P. 50-66.
49. Dissanayake, M. W. M. G. et al. A solution to the simultaneous localization and map building (SLAM) problem / M. W. M. G. Dissanayake, P. Newman, S. Clark et al. // Robotics and Automation: Proceedings. ICRA’03. IEEE International Conference on. IEEE, 2003. 2003. Vol. 1. P. 229-241.
50. Fabresse, F. R. et al. Localization and mapping for aerial manipulation based on range-only measurements and visual markers / F. R. Fabresse, F. Caballero, I. Maza // Robotics and Automation (ICRA), 2023 IEEE International Conference on. IEEE, 2023. P. 2100-2106.
51. Fontanelli, D. et al. A fast ransac-based registration algorithm for accurate localization in unknown environments using lidar measurements / D. Fontanelli, L. Ricciato, S. Soatto //Automation Science and Engineering, 2007 IEEE International Conference on. IEEE, 2007. P. 597-602.
52. Geng, KeKe et al. Stabilization algorithms for automatic control of the movement trajectory quadcopters / K. K. Geng, N. A. Chulin // Science And Education: Scientific And Technical Electronic Edition. 2023. № 5. P. 218-235.
53. Geng, KeKe. An Improved EKF-SLAM Algorithm for Mobile Robot / K. K. Geng // International Scientific Journal. 2023. № 2. C. 74-78.
54. Guivant, J. E. et al. Optimization of the simultaneous localization and map-building algorithm for real-time implementation / J. E. Guivant, E. M. Nebot // Robotics and Automation, IEEE Transactions on. 2001. № 17(3). P. 242-257.
55. Hajiyev, C. Robust integrated INS/radar altimeter accounting faults at the measurement channels / C. Hajiyev, R. Saltoglu // The International Council of the Aeronautical Sciences, 2002. P. 6-8.
56. Hang, Y et al. Optimization method of MEMS IMU/LADAR integrated navigation system based on Compressed-EKF / Y Hang, J. Liu, R. Li et al. // Location and Navigation Symposium-PLANS 2023. IEEE, 2023. P. 115-120.
57. Hartley, R. et al. Multiple view geometry in computer vision / R. Hartley, A. Zisserman // Cambridge university press. 2003. 646 p.
58. Hartley, R. I. Estimation of relative camera positions for uncalibrated cameras / R. I. Hartley // European Conference on Computer Vision. Springer Berlin Heidelberg.
1992. P. 579-587.
59. Hii, A. J. et al. Fast normalized cross correlation for motion tracking using basis functions / A. J. Hii, C. E. Hann, J. G. Chase // Computer methods and programs in biomedicine, 2006, № 82(2). P. 144-156.
60. Hrabar, S. Vision-based 3D navigation for an autonomous helicopter / S. Hrabar // University of Southern California. 2006. 193 p.
61. Hsu, D. et al. On finding narrow passages with probabilistic roadmap planners / D. Hsu, L. E. Kavraki, J. C. Latombe // Robotics: The Algorithmic Perspective. Workshop on the Algorithmic Foundations of Robotics. 1998. P. 141-154.
62. Hua, B. et al. Federal adaptive filtering of restraining consecutive outliers algorithm in multi-source information integrated navigation system / B. Hua, W. Chen, G. Kang // 2023 10th IEEE International Conference on Control and Automation (ICCA). IEEE, 2023. P. 908-912.
63. Huh, S. et al Integrated navigation system using camera and gimbaled laser scanner for indoor and outdoor autonomous flight of UAVs / S. Huh, D. H. Shim, J. Kim // 2023 IEEE/RSJ International Conference on Intelligent Robots and Systems. IEEE, 2023. P. 3158-3163.
64. Ismail, A. L. T. et al. A mobile robot path planning using genetic algorithm in static environment / A. L. T. Ismail, A. Sheta, M. Al-Weshah // Journal of Computer Science. 2008. № 4(4). P. 341-344.
65. Jaradat, M. A. K. et al. Autonomous mobile robot dynamic motion planning using hybrid fuzzy potential field / M. A. K. Jaradat, M. H. Garibeh, E. A. Feilat // Soft Computing. 2023. № 16(1). P. 153-164.
66. Johnson, D. L. Terrestrial Environment (Climatic) Criteria Guidelines for Use in Aerospace Vehicle Development / D. L. Johnson // NASA Technical Memorandum.
1993. 455 p.
67. Juanjuan, C. et al. Study and Application of Low-cost Multi-sensor Integrated Navigation for Small UAV Autonomous Flight / C. Juanjuan, F. Jiancheng, S. Wei // Acta Aeronautica Et Astronautica Sinica. 2009. № 10. P. 21.
68. Julier, S. J. et al. Unscented filtering and nonlinear estimation / S. J. Julier, J. K. Uhlmann // Proceedings of the IEEE. 2004. № 92(3). P. 401-422.
69. Krig, S. Computer Vision Metrics: Survey, Taxonomy, and Analysis / S. Krig. // Apress, 2023. 465 p.
70. Krstic, M. et al. Nonlinear and adaptive control design / M. Krstic, I. Kanellakopoulos, P. V. Kokotovic. N. Y.: John Wiley & Sons. 1995. 563 p.
71. Kuffner, J. J. et al. RRT-connect: An efficient approach to single-query path planning / J. J. Kuffner, S. M. LaValle // Robotics and Automation, 2000. Proceedings. ICRA’00. IEEE International Conference on. IEEE, 2000. № 2. P. 995-1001.
72. LaValle, S. M. Planning algorithms / S. M. LaValle // Cambridge University Press. 2006. 842p.
73. Li, R. et al. LIDAR/MEMS IMU integrated navigation (SLAM) method for a small UAV in indoor environments / R. Li, J. Liu, L. Zhang // 2023 DGON Inertial Sensors and Systems (ISS). IEEE, 2023. P. 1-15.
74. Li, T. C. et al. Analysis of pressure and Blanchard altitude errors computed using atmospheric data obtained from an F-18 aircraft flight / T. C. Li, R. D. Shaner // Position Location and Navigation Symposium. IEEE, 2002. 2002. P. 344-350.
75. Linben, L. et al. Optimal weight distribution principle used in the fusion of multi-sensor data / L. Linben, L. I. Zigang, C. Chaoying // Journal of Chinese Inertial Technology. 2000. № 8(2). P. 36-39.
76. Liu, C. A. et al. Dynamic path planning for mobile robot based on improved ant colony optimization algorithm / C. A. Liu, X. H. Yan, C. Y Liu // Acta Electronica Sinica. 2023. № 5. P. 42.
77. Mbede, J. B. et al. Fuzzy motion planning among dynamic obstacles using artificial potential fields for robot manipulators / J. B. Mbede, X. Huang, M. Wang // Robotics and autonomous Systems. 2000. № 32(1). P. 61-72.
78. Mbede, J. B. et al. Robust neuro-fuzzy sensor-based motion control among dynamic obstacles for robot manipulators / J. B. Mbede, X. Huang, M. Wang // Fuzzy Systems, IEEE Transactions on. 2003. № 11(2). P. 249-261.
79. McCormick, B. W. Aerodynamics of V/STOL flight / B. W. McCormick // Courier Corporation. 1967. 322p.
80. Menter, F. R. et al. Ten years of industrial experience with the SST turbulence model / F. R. Menter, M. Kuntz, R. Langtry // Turbulence, heat and mass transfer. 2003. № 4(1). P. 625-632.
81. Moyano, C. J. Quadrotor UAV for wind profile characterization / C. J. Moyano // PhD thesis, Universidad Carlos III de Madrid. Departamento de Informtica. 2023. 86 p.
82. Munoz, L. E. et al. Robust nonlinear real-time control strategy to stabilize a PVTOL aircraft in crosswind / L. E. Munoz, O. Santos, P. Castillo // Intelligent Robots and Systems (IROS), 2023 IEEE/RSJ International Conference on. IEEE, 2023. P. 1606-1611.
83. Neira, J. et al. Data association in stochastic mapping using the joint compatibility test / J. Neira, J. D. Tardos // Robotics and Automation, IEEE Transactions on. IEEE, 2001. № 17(6). P. 89-897.
84. Okabe, A. et al. Spatial tessellations: concepts and applications of Voronoi diagrams / A. Okabe, B. Boots, K. Sugihara // John Wiley & Sons. 2009. 696 p.
85. Pan, P. Improved Ant Colony Algorithm for Path Planning of Soccer Robot / P. Pan // Journal of Convergence Information Technology. 2023. № 8(7). P. 958-965.
86. Pareek, N. K. et al. Image encryption using chaotic logistic map / N. K. Pareek, V. Patidar, K. K. Sud // Image and Vision Computing. 2006. № 24(9). P. 926-934.
87. Pratihar, D. K. et al. A genetic-fuzzy approach for mobile robot navigation among moving obstacles / D. K. Pratihar, K. Deb, A. Ghosh // International Journal of Approximate Reasoning. 1999. № 20(2). P. 145-172.
88. Qin, Y. et al. Theory of Kalman Filter and Integrated Navigation / Y. Qin, H. Zhang, S. Wang // Northwestern Polytechnic University Press. 2023. 386 p.
89. Qin, Y. Q. et al. Path planning for mobile robot using the particle swarm optimization with mutation operator / Y. Q. Qin, D. B. Sun, N. Li // Machine Learning and Cybernetics, 2004. Proceedings of 2004 International Conference on. IEEE, 2004. Vol. 4. P. 2473-2478.
90. Qu, L. et al. An SLAM algorithm based on improved UKF / L. Qu, S. He, Y. Qu // Control and Decision Conference (CCDC), 2023 24th Chinese. IEEE, 2023.
P. 4154-4157.
91. Rasmussen, C. et al. Probabilistic data association methods for tracking complex visual objects / C. Rasmussen, G. D. Hager // Pattern Analysis and Machine Intelligence, IEEE Transactions on. 2001. № 23(6). P. 569-576.
92. Roberts, A. et al. Adaptive Position Tracking of VTOL UAVs / A. Roberts, A. Tayebi // IEEE. Trans. on Rob. 2023. № 27. P. 129-142.
93. Roh, H. C. et al. Fast SLAM using polar scan matching and particle weight based occupancy grid map for mobile robot / H. C. Roh, C. H. Sung, M. T. Kang // Ubiquitous Robots and Ambient Intelligence (URAI). 2023 8th International Conference on. IEEE, 2023. P. 756-757.
94. Santos, O. et al. Real-time Stabilization of a Quadrotor UAV: Nonlinear Optimal and Suboptimal Control / O. Santos, H. Romero, S. Salazar, R. Lozano // J. Intell Robot Syst. 2023. Vol. 70. P. 79-91.
95. Segars, A. H. et al. Re-examining perceived ease of use and usefulness: A confirmatory factor analysis / A. H. Segars, V. Grover // MIS quarterly. 1993. P. 517-525.
96. Senba, A. et al. Transient response analysis with extended Kalman filter for recursive self-identification using semi-active devices / A. Senba, H. Furuya // CD-Proc. 48th AIAA/ASME/ASCE/AHS/ASC Structures, Structural Dynamics and Material Conference. AIAA, 2007. P. 1-8.
97. Smith, S. M. et al. SUSAN — a new approach to low level image processing / S. M. Smith, J. M. Brady // International journal of computer vision. 1997. № 23(1). P. 45-78.
98. Sola, J. et al. Impact of landmark parametrization on monocular EKF-SLAM with points and lines / J. Sola, T. Vidal-Calleja, J. Civera // International Journal of Computer Vision. 2023. № 97(3). P. 339-368.
99. Sun, F. et al. A data association method based on simulate anneal arithmetic for mobile robot SLAM / F. Sun, T. Wang, W. Lu // Automation and Logistics. IEEE International Conference on. IEEE, 2008. P. 425-430.
100. Takeshi, A. Motion planning for multiple obstacles avoidance of autonomous mobile robot using hierarchical fuzzy rule / A. Takeshi // Proceedings of IEEE International Conference on Multi-sensor Fusion and Integration for Intelligent System (MFI’94). Las Vegas, 1994. P. 265-271.
101. Tkachev, S. B. et al. Design of Path Following Method for Unmanned Aerial Vehicles using Normal Forms / S. B. Tkachev, W. Liu // IFAC-Papers OnLine. 2023. № 48 (11). P. 10-15.
102. Tong, L. et al. Passive and active nonlinear fault tolerant control of a quadrotor unmanned aerial vehicle based on the sliding mode control technique / L. Tong, Z. Youmin, Gordon B. W. // Journal of Systems and Control Engineering. 2023. Vol. 227. P. 12-23.
103. Tu, Y. et al. The Mobile Robot SLAM Based on Depth and Visual Sensing in Structured Environment / Y. Tu, Z. Huang, X. Zhang // Robot Intelligence Technology and Applications. 2023. P. 343-357.
104. Upadhyay, T. N. et al. Autonomous GPS/INS navigation experiment for space transfer vehicle / T. N. Upadhyay, S. Cotterill, A. W. Deaton // IEEE Transactions on Aerospace and Electronic Systems. 1993. № 29(3). P. 772-785.
105. Upadhyay, T. N. et al. Autonomous reconfigurable GPS/INS navigation and pointing system forrendezvous and docking / T. Upadhyay, S. Cotterill, A. Deaton // Space Programs and Technologies Conference. 1991. P. 1390.
106. Wan, E. et al. The unscented Kalman filter for nonlinear estimation / E. Wan, R. Van der Merwe // Adaptive Systems for Signal Processing, Communications, and Control Symposium, 2000. AS-SPCC. IEEE, 2000. P. 153-158.
107. Welzl, E. Constructing the visibility graph for n-line segments in O (n 2) time / E. Welzl // Information Processing Letters. 1985. № 20(4). P. 167-171.
108. Xian, B. et al. Nonlinear robust output feedback tracking control of a quadrotor UAV using quaternion representation / B. Xian, C. Diao, B. Zhao // Nonlinear Dynamics. 2023. P. 1-18.
109. Xiong, Z. et al. Fuzzy adaptive Kalman filter for marine INS/GPS navigation / Z. Xiong, Y Hao, J. Wei // Mechatronics and Automation, 2005 IEEE International Conference. IEEE, 2005. № 2. P. 747-751.
110. Yang, S. X. et al. An efficient neural network approach to dynamic robot motion planning / S. X. Yang, M. Meng // Neural Networks. 2000. № 13(2). P. 143-148.
111. Yang, S. X. et al. Neural network approaches to dynamic collision-free trajectory generation / S. X. Yang, M. Meng // Systems, Man, and Cybernetics, Part B: Cybernetics, IEEE Transactions on. 2001. № 31(3). P. 302-318.
112. Ye-Lun, X. et al. Flight theory in atmospheric disturbance / X. Ye-Lun, J. Chang-Jiang // Beijing: National Defence Industry Press, 1993. P. 73-74.
113. Yi, Z. et al. Tracking control for UAV trajectory / Z. Yi, Y. Xiuxia, Z. Hewei // Guidance, Navigation and Control Conference (CGNCC), 2023 IEEE Chinese. IEEE, 2023. P. 1889-1894.
114. Yost, D. J. et al. Command to line-of-sight guidance: A stochastic optimal control problem / D. J. Yost, J. E. Kain // Journal of Spacecraft. 1977. № 14(7). P. 438-444.
115. Yu, J. et al. Fault Detection Using Propagator for Kalman Filter and Its Application to SDINS / J. Yu, J. G. Lee, C. G. Park // ICCAS. 2003. P. 978-983.
116. Yuan, G. et al. A Variable Proportion Adaptive Federal Kalman Filter for INS/ESGM/GPS/DVL Integrated Navigation System / G. Yuan, K. Yuan, H. A. Zhang // Computational Sciences and Optimization (CSO), 2023 Fourth International Joint Conference on. IEEE, 2023. P. 978-981.
117. Yue, Bai et al. Trajectory tracking control of a quad-rotor UAV based on command filtered backstepping / Yue Bai, Cheng Peng, Changjun Zhao, Yantao Tian //
2023 Third International Conference on Intelligent Control and Information Processing. IEEE, 2023. P. 179-184.
118. Zarchan, P. Tactical and Strategic Missile Guidance, volume 176 of Progress in Astronautics and Aeronautics / P. Zarchan // AIAA, third edition, 1997. P. 95-118.
119. Zhang, S. et al. An efficient data association approach to simultaneous localization and map building / S. Zhang, L. Xie, M. Adams // The International Journal of Robotics Research. 2005. № 24(1). P. 49-60.
120. Zhu, Q. B. et al. An ant colony algorithm based on grid method for mobile robot path planning / Q. B. Zhu, Y. Zhang // Robot. 2005. № 27(2). P. 132-136.
121. Zuo, Z. Trajectory tracking control design with command-filtered compensation for a quadrotor / Z. Zuo // Control Theory & Applications, IET. 2023. № 4(11). P. 2343-2355.
122. Zhang T. et al. A new method of seamless land navigation for GPS/INS integrated system / T. Zhang, X. Xu // Measurement. 2023. № 45(4). P. 691-701.
123. Zhang J. et al. Shoe-mounted personal navigation system based on MEMS inertial technology / J. Zhang, Y Qin, C. B. Mei // Journal of Chinese Inertial Technology. 2023. № 19(3). P. 253-256.
149
Какие бывают дроны
Дроны бывают разные. По конструкции различают несколько типов дронов:
- мультироторный — коптеры;
- самолетный — fixed wing;
- гибридный — он взлетает вертикально, потом использует крылья.
Также дроны делятся на потребительские (consumer) и коммерческие (commercial).
Потребительские, как ты понимаешь, — это те, которые можно купить в магазине и использовать как летающую камеру. DJI Phantom и Mavic — хорошие модели. Есть и менее дорогие, но они определенно уступают по качеству. Такие квадрокоптеры используют для съемки разных мероприятий, зданий, исторических объектов.
Как правило, такие дроны летают на ручном управлении, реже по миссии в автономном режиме по GPS-координатам. Рынок потребительских квадрокоптеров больше чем наполовину принадлежит одной компании — DJI. С ней очень сложно конкурировать, поскольку там делают реально крутой продукт: доступный, функциональный, удобный.
Хотя в области квадрокоптеров для селфи DJI начинает теснить компания Skydio со своим дроном R2. Фишка этого дрона в том, что он может летать автономно, например за мотоциклистом в лесу. При этом беспилотник видит все препятствия и прокладывает автономный безопасный маршрут в реальном времени так, чтобы человек всегда оставался в кадре. Реально крутая штука.
Коммерческие дроны используются в компаниях для решения определенной задачи. Одни следят за состоянием сельхозполей, летая над ними регулярно и делая фотографии, другие умеют распылять удобрения точечно. Дроны используют на стройках, в карьерах. Каждый день они облетают строительный объект, делают фотографии, по которым создается 3D-модель в облаке, и уже она помогает отслеживать ежедневные изменения.
Пример российской компании, которая активно работает с этой технологией на рынке США, — Traceair.
Другой способ применения — осмотр трубопроводов дронами. Это особенно актуально для России: у нас газовые трубопроводы тянутся на тысячи километров, и надо контролировать утечки и врезки.
Ну и конечно, у всех на слуху доставка товаров дронами. Не знаю, заработает ли когда-нибудь сервис Amazon Prime Air, но уже сейчас компания Matternet доставляет товары в Цюрихе и некоторых городах США, а компания Zipline давно отправляет медикаменты в полет над просторами Африки.
Компании Volocopter и Ehang уже имеют летающие прототипы такси, а компания с российскими корнями Hoversurf разрабатывает летающий байк.
В помещениях тоже есть задачи для коммерческих дронов, но пока они не сильно распространены, в этой области идут интенсивные R&D-исследования. Возможные применения для такого вида дронов:
Поживем — увидим, какие проекты будут реализованы и задисраптят нашу жизнь. Глобальная цель — сделать систему управления дроном, которой герой фильма «Бегущий по лезвию 2049» мог бы сказать: «Сфотографируй тут все!»
Настройка и запуск ardupilot
Релизы новых версий Ardupilot немного запаздывают в сборке от Emlid. Если необходимый функционал доступен в самой последней версии, то установить ее из исходников можно
Разработчики Navio добавили в свою сборку простую и удобную утилиту Emlid tool для проверки датчиков и настройки Ardupilot. Сначала проверим, видит ли Raspberry контроллер Navio:
emlidtool infoЕсли в ответ на эту команду выдает что-то вроде:
Vendor: Emlid Limited
Product: Navio 2
Issue: Emlid 2023-06-05 831f3b08594f2da17dccae980a2e3659115ef71f
Kernel: 4.14.34-emlid-v7
RCIO firmware: 0xcaec2284значит видит. Проверим состояние датчиков (покажет список и состояние):
emlidtool testи драйвера ШИМ-контроллера в ядре Linux:
cat /sys/kernel/rcio/status/alive0 = не работает, 1 = работает.
Прошивка ШИМ-контроллера обновляется так:
sudo emlidtool rcio updateТеперь настроим Ardupilot:
sudo emlidtool ardupilotВ терминале откроется текстовый GUI с пошаговыми менюшками. Выбираем copter последней версии, тип
arducopter
, автозапуск при включении (
On boot: enable
), старт после настройки (
Ardupilot: start
Выходим через пункт меню Quit.
Проверим запустился ли Ardupilot:
sudo systemctl status arducopterОбратите внимание, файл запуска в systemd называется
arducopter
, так как настроен был вариант
copter
Теперь нужно настроить Ardupilot так, чтобы он отправлял нам телеметрию. Для этого отредактируем файл конфигурации:
sudo nano /etc/default/arducopter В нем должны быть такие строки:
TELEM1="-A udp:127.0.0.1:14550"
ARDUPILOT_OPTS="$TELEM1"Сохраняем файл (
Ctrl X
, затем
Y
) и перезапускаем Ardupilot:
sudo systemctl daemon-reload
sudo systemctl restart arducopter
Проверить состояние процесса Ardupilot можно такой командой:
sudo systemctl status arducopterС такими настройками Ardupilot будет транслировать телеметрию (пакеты
) в локальный UDP-порт 14550. Далее, скрипт
(описание ниже) будет забирать оттуда телеметрию и передавать в GCS или скрипт, а также отправлять в обратном направлении пакеты с командами.
Вместо локального адреса и порта можно записать IP-адрес ПК или планшета в локальной сети и пакеты будут транслироваться сразу туда.
Однако, такой подход оправдан, если данные телеметрии больше нигде не используются и у устройства с GCS статический IP адрес. Иначе каждый раз в настройках Ardupilot придется прописывать новый. Чтобы общаться с автопилотом по TCP могли одновременно несколько GCS с динамическими адресами и еще какие-нибудь скрипты на самом бортовом компьютере, удобнее использовать MAVProxy.
Этот скрипт (написан на Python) может получать пакеты MAVLink на локальный UDP-адрес и ретранслировать их на несколько локальных или удаленных IP-адресов как по UDP, так и по TCP. Пакеты передаются в обоих направлениях Ardupilot ⇔ GCS. Кроме того, MAVProxy представляет из себя полноценную GCS, но с текстовым интерфейсом.
Полетные режимы – apm copter team
Как нам уже известно, контроллер APM очень богат разнообразными полетными режимами, которые каждый пилот может использовать для своих целей. Рассмотрим эти режимы более детально и произведем их выбор в Mission Planner.
О полетных режимах начал писать в статье «Использование модуля GPS», здесь продолжаю.
Без использования модуля GPS мы можем воспользоваться лишь несколькими (рассмотрю основные) полетными режимами:
- Stabilize — основной режим, в котором рекомендуется взлетать и производить посадку. Задействованы гироскоп и акселерометр, компас дополнительно для контроля и коррекции. Управление газом производится вручную — для висения обычно действует правило — уровень газа 50% (это достигается при оптимальном подборе комплектующих, либо коррекцией уровня под тяжелые коптеры). Единственная помощь в этом режиме — удержание горизонта. При максимальном отклонении стиков крена и тангажа коптер не будет отклоняться больше 45° относительно горизонта.
- Acro — режим, при котором можно достичь более резкого и быстрого полета. Соблюдаются все те же условия, что при режиме Stabilize, только коптер может отклониться уже до 60°.
- AltHold — режим удержания высоты. В данном режиме добавляется использование бародатчика, который способствует удержанию высоты. Для наиболее правильной работы необходимо, чтобы уровень газа висения коптера был 50%. При положении стика газа в 50% и включенном режиме коптер должен сам удерживать высоту, на которой вы включили этот режим. При повышении или понижении газа происходит изменение высоты со скоростью, прямо пропорциональной величине отклонения стика вверх или вниз.
- Land — режим автоматической посадки в текущем положении. Используется бародатчик для контроля высоты.
- Simple — режим, который позволяет «забыть» об ориентации коптера относительно пилота. В данном режиме самым важным является компас. При арминге контроллер запоминает направление по компасу. При взлете и повороте коптера вокруг оси (рыскание), контролер сам учитывает, на сколько повернут коптер, и сам вносит поправку в радиоуправление так, что если, например, развернуть коптер передом к себе, то при отклонении стика тангажа от себя, коптер полетит на удаление, а не на приближение. Этот режим тоже хорош для начинающего пилота. При использовании этого режима важно не менять свое положение (не поворачиваться) и помнить, в каком направлении стоял коптер перед взлетом.
При наличии модуля GPS можно воспользоваться дополнительными режимами:
- Loiter — режим удержания точки (по координате и высоте). Режим хорошо подходит для обучения полетам, фото и видеосъемки.
- RTL (Return To Launch) — возврат домой, в точку взлета. Контроллер запоминает точку, где произвели Arming и позволяет вернуть коптер в эту точку.
- Auto — полет по точкам миссии. Миссия может создаваться вручную через ПО Mission Planner, а также можно добавлять точки, используя дополнительный тумблер на аппаратуре радиоуправления.
- Position — удержание позиции (только по координате). Режим хорошо подходит для фото и видеосъемки.
- Circle — полет по окружности носом к центру. Позволяет автоматически облетать какой-либо объект вокруг.
- FailSafe — RTL — режим спасения, который отправит коптер лететь домой. Режим можно настроить на включение при срабатывании одного/нескольких условий, таких как: потеря сигнала РУ, потеря сигнала телеметрии, низкий уровень заряда аккумулятора. При потере сигнала GPS можно выполнить режим Land.
- Guided — полет по команде, данной с наземной станции (компьютер с Mission Planner). Задается точка на карте и нажимается кнопка «Лететь сюда».
- FollowMe — полет «хвостиком» за ведущим. Ведущим может быть ноутбук, на котором установлен модуль GPS. Коптер будет следовать за ведущим в том же направлении и с той же скоростью. Режим будет интересен тем, кто хочет снять себя на видео, например на велосипеде.
- Super Simple — режим, который до 10м радиусе не вносит поправок в управление, а на удалении больше 10 метров работает на «притягивание к дому», т.е. если стик тангажа тянуть на себя, то коптер полетит к точке дома. Больше 10 метров также не важно, как коптер ориентирован, т.е. как в Simple. Удобно, если «зарулились».
В крайних версиях прошивки (начиная с 3.1.х) еще добавлены режимы, такие как: Sport, Drift, Hybrid. О них позже…
Пока нам этого достаточно. На первых порах нас больше всего интересуют 2 режима: Stabilize и Loiter. Stabilize — основной режим, в котором лучше всего взлетать и садиться. Если в этом режиме коптер висит и летает достаточно хорошо (никуда его не сносит, не падает, хорошо слушается стиков), то с большой уверенностью можно сказать, что все было сделано правильно или почти правильно. Loiter — режим, с помощью которого (повторюсь) лучше всего начинать учиться летать, т.к. он достаточно спокойный и подходит начинающему пилоту. Если в этом режиме коптер хорошо держит позицию (не сносит по сторонам, не крутит кругами, нет просадки по высоте), то считаем, что тоже все сделано правильно.
Прежде чем попробовать эти режимы — нам сначала их необходимо настроить. Настройка осуществляется в Mission Planner. Запускаем программу, подключаемся к контроллеру APM. Далее переходим к вкладке «CONFIG/TUNUNG» — «Flight Modes» и видим окно настроек:
На данном изображении показано, как я обычно делаю настройку режимов.
Думаю, что с переключателем режимов вы уже определились, тогда можно приступить к настройке. У меня используется переключатель по схеме Алексея Козина, поэтому я не буду говорить «переключаем тумблер», а буду говорить «нажимаю кнопку». Еще раз проверяем, как работает переключатель, т.к. щелкаем все 6 кнопок по очереди и видим подсвеченную строку режима. Первый режим у меня — Stabilize. При включении пульта переключатель устанавливает низкий уровень импульса. Второй режим тоже Stabilize, но к нему добавлена настройка «Simple mode». Третий режим у меня для частого изменения, т.е. меняю по мере надобности. Четвертый — Alt Hold, пятый — Loiter, шестой — RTL. В итоге получается удобная для меня последовательность режимов: в начале — взлетел, по необходимости включил Simple, в центре режимы по необходимости, в конце — для висения в воздухе и возврата автоматом к дому, нажимаю соответствующую кнопку.
К данной настройке особых рекомендаций нет и делать можете, как вам удобно! После изменения настроек необходимо нажать кнопку «Save Modes» для сохранения. Перед каждым полетом советую заглядывать в Mission Planner, чтобы вспомнить ваши настройки полетных режимов.
Update 28.05.2023: Перенес режим Super Simple в режимы, зависящие от GPS.
Если вы нашли ошибку на странице, то нажмите Shift Enter или нажмите здесь, чтобы уведомить нас.
Система управления
Чрезвычайно важный пункт — система управления полетом. Наиболее привычный и удобный (для тех, кто уже имел дело с радиоуправляемыми моделями) вариант — штатный пульт с мини-джойстиками, кнопками и регуляторами. Многие пульты оснащены световыми индикаторами, а некоторые — даже небольшим ЖК-дисплеем, на экран которого выводится информация об основных параметрах и режимах работы.
Простой пульт ДУ
Пульт с монохромным ЖК-дисплеем
Сейчас в продаже представлено немало моделей мультикоптеров, которые не укомплектованы пультом и рассчитаны на управление с мобильных устройств — смартфонов, планшетных ПК и пр. В этом случае на устройство, выполняющее роль пульта, устанавливается специальное приложение, а управление осуществляется при помощи сенсорного экрана, на котором отображаются виртуальные джойстики, регуляторы и пр.
Некоторые модели рассчитаны на управление с мобильного устройства — смартфона или планшетного ПК
При наличии у мультикоптера встроенной камеры и функции трансляции изображения можно выводить на экран мобильного устройства картинку («вид из кабины») в режиме реального времени. Наличие такой возможности обычно обозначается аббревиатурой FPV, которая расшифровывается как First Person View («вид от первого лица»).
Однако на практике управление при помощи мобильных устройств имеет ряд серьезных недостатков.
Начнем с того, что при ярком солнечном освещении изображение на экране плохо читается — что создает серьезные помехи для пилота. Ведь в отличие от аппаратных рычажков и кнопок виртуальные органы управления, отображаемые на экране, невозможно найти на ощупь.
Кроме того, нажатия на сенсорный экран обрабатываются операционной системой мобильного устройства с некоторой задержкой, которая практически незаметна при использовании обычных приложений, но может оказаться критичной в случае управления полетом в режиме реального времени.
И, наконец, одним из наиболее существенных недостатков такого варианта является ограниченный радиус действия. Дело в том, что связь летательного аппарата с мобильным устройством осуществляется по Wi-Fi. Встроенные беспроводные адаптеры смартфонов и планшетных ПК даже в идеальных условиях (на открытом пространстве) обеспечивают стабильное соединение на расстоянии не более 50-60 м.
Для некоторых моделей мультикоптеров, которые в базовой комплектации рассчитаны на управление с мобильного устройства, можно приобрести фирменный пульт как дополнительный аксессуар. Например, для квадрокоптера Bebop Drone компании Parrot доступно дополнительное устройство управления под названием Skycontroller, рассчитанное на работу в паре с планшетом или смартфоном.
Оно выполнено в виде штурвала и оборудовано двумя аппаратными джойстиками для управления полетом. В центре имеется кронштейн для крепления мобильного устройства. В корпус пульта Skycontroller встроен двухдиапазонный репитер Wi-Fi с четырьмя внутренними антеннами, который позволяет увеличить радиус действия беспроводного соединения с квадрокоптером до 2 км. Кроме того, у Skycontroller имеется выход HDMI для подключения видеоочков.
Пульт Skycontroller для квадрокоптера Parrot Bebop Drone
Итак, в случае приобретения малых и миниатюрных мультикоптеров, которые планируется эксплуатировать в помещении, управление посредством приложения, запускаемого на мобильном устройстве, является вполне приемлемым решением. Если же выбор пал на модель среднего или большого размера, предназначенную для использования на улице, наличие аппаратного пульта ДУ является обязательным условием для нормальной эксплуатации.
Съемка и трансляция изображения
Для проведения фото- и видеосъемки с воздуха можно приобрести либо мультикоптер, оборудованный встроенной камерой, либо модель, позволяющую закрепить и поднять в воздух отдельную фото- или видеокамеру. Каждый из этих вариантов имеет свои достоинства и недостатки.
Квадрокоптер Parrot Bebop Drone оборудован встроенной в корпус камерой
Главные преимущества встроенной камеры — минимальные габариты и вес. Кроме того, встроенная камера получает питание от аккумуляторной батареи мультикоптера и управляется со штатного пульта — благодаря чему для проведения съемки не нужно модернизировать конструкцию летательного аппарата и обзаводиться дополнительным оборудованием. И, наконец, это не потребует лишних затрат: цена камеры входит в стоимость мультикоптера.
Квадрокоптер Syma x8cw укомплектован съемной камерой, которая прикрепляется к его корпусу снизу
В некоторых моделях, оснащенных встроенной или съемной камерой, реализована возможность трансляции изображения по Wi-Fi на мобильное устройство. В этом случае пользователь может видеть «живую» картинку с камеры на экране своего планшета или смартфона — что позволяет гораздо более точно компоновать кадр.
Серьезные недостатки встроенных камер — низкая разрешающая способность и не очень высокое качество получаемых изображений. Конечно, сейчас в продаже можно найти модели, оборудованные 10- и даже 20-мегапиксельными встроенными камерами, однако необходимо иметь в виду, что в силу объективных причин разрешающая способность отнюдь не является синонимом качества.
За примерами далеко ходить не надо — достаточно объективно оценить фотографии, сделанные при помощи смартфонов. Еще один принципиальный недостаток данного решения заключается в том, что при маневрах летательного аппарата встроенная в его корпус камера изменяет свое положение — что не всегда совпадает с замыслом оператора.
В силу ряда перечисленных выше причин многие предпочитают оснащать мультикоптер внешней камерой. Модели среднего размера способны транспортировать компактные и относительно легкие action-камеры, а большие мультикоптеры позволяют поднять в воздух зеркальный фотоаппарат или профессиональную видеокамеру.
Квадрокоптер DJI Phantom c action-камерой GoPro Hero 2
Начнем с того, что для установки дополнительного съемочного оборудования понадобится специальная оснастка (обычный или стабилизирующий подвес) и дополнительные аксессуары. В некоторых случаях может потребоваться доработка конструкции летального аппарата.
Специальный подвес для установки зеркальной фотокамеры
Кроме того, нужна система дистанционного управления съемкой. При использовании action-камер данная проблема решается довольно просто, поскольку многие устройства этой категории оборудованы встроенным адаптером Wi-Fi и могут управляться через мобильное приложение, запускаемое на смартфоне или планшетном ПК.
При наличии функции Live View также обеспечивается трансляция «живой» картинки с камеры на экран мобильного устройства. Единственной проблемой может оказаться радиус действия Wi-Fi-соединения, который зачастую оказывается значительно меньше, чем у штатного пульта управления мультикоптера.
Гексакоптер с видеокамерой, закрепленной на управляемом подвесе
Что касается фотоаппаратов и видеокамер, то в большинстве случаев для дистанционного управления их работой необходимо приобрести и установить дополнительный модуль. Это может быть как адаптер Wi-Fi, обеспечивающий возможность управления с мобильных устройств (а заодно передачу изображений и видео), так и приемник для специального пульта со встроенным радиопередатчиком.
Стоит также обратить внимание на то, что использование двух радиосистем, работающих в одном частотном диапазоне (например, пульта ДУ с передатчиком 2,4 ГГц и адаптера Wi-Fi), может привести к возникновению сильных помех. Естественно, это необходимо учитывать при установке дополнительного оборудования на мультикоптер.
