Экспериментальное исследование работы демпферных подвесов для съёмочной аппаратуры беспилотных летательных аппаратов на основе комплексного анализа оптического потока и сигналов инерциальных датчиков

Обеспечение стабилизации съёмочной аппаратуры на борту беспилотных летательных аппаратов является критическим фактором качества аэрофотосъёмки и спектрометрических измерений, при этом объективная сравнительная оценка эффективности различных демпферных подвесов в реальных условиях полёта остаётся методически сложной задачей. Целью работы являлась экспериментальная оценка эффективности демпферных подвесов для полезной нагрузки беспилотных летательных аппаратов с использованием комплексного анализа данных инерциального измерительного модуля и компьютерного зрения. Исследования выполнены на комплексе с беспилотным летательным аппаратом Matrice 300 RTK и регистратором данных на Raspberry Pi. Демпферные подвесы, работающие на сжатие и растяжение, сравнивались с жёстким креплением. Описываются использованные методы анализа видеопотока для определения амплитудно-частотных характеристик углов ориентации съёмочной системы. Указываются методы обработки данных инерциального измерительного модуля для получения информации о динамике углов ориентации. Раскрывается методика комплексной обработки данных камеры и инерциального блока, позволяющая объединить низкочастотную точность оптического потока и широкополосность измерений инерциальных датчиков. Проводились исследования эффективности работы типов демпферных подвесов на скоростях полёта дрона от 1 до 7 м/с. Установлено, что лучшей эффективностью обладает подвес с силиконовыми демпферами, работающими на сжатие, который позволяет уменьшать энергию вибрационных процессов на величину до 77 % в диапазоне от 0 до 85 Гц.

1. Telli K [et al.]. A Comprehensive Review of Recent Research Trends on Unmanned Aerial Vehicles (UAVs). Systems. 2023;(11):400 р. DOI: 10.3390/systems11080400

2. Hildmann H, Kovacs E. Review: Using Unmanned Aerial Vehicles (UAVs) as Mobile Sensing Platforms (MSPs) for Disaster Response, Civil Security and Public Safety. Drones, 2019;(3):59 р. DOI: 10.3390/drones3030059

3. Dogotari M [et al.]. Development of a UAV-Borne LiDAR System for Surveying Applications. Proceedings. 2019;(30):75 p. DOI: 10.3390/proceedings2019030075

4. Geronel RS, Botez RM, Bueno DD. On the Effect of Flexibility on the Dynamics of a Suspended Payload Carried by a Quadrotor. Designs. 2022;6(31):2-28. DOI: 10.3390/designs6020031

5. Lamaka AA, Gutarau AV, Shcherbakou NG, Ivuts PV. Photospectral Data Obtaining with the Unmanned Aerial Spectrometry Vehicle. Devices and Methods of Measurements. 2023;14(1):7-17. DOI: 10.21122/2220-9506-2023-14-1-7-17

6. Cocuzza S, Doria A. Modeling and Identification of Vibrations in a UAV for Aerial Manipulation. Advances in Italian Mechanism Science. Mechanisms and Machine Science. 2020;91. DOI: 10.1007/978-3-030-55807-9_21

7. Suvorkin V [et al.]. Assessment of Noise of MEMS IMU Sensors of Different Grades for GNSS/IMU Navigation. Sensors. 2024;24:1953 p. DOI: 10.3390/s24061953

8. Lucas BD, Kanade T. An iterative image registration technique with an application to stereo vision. Proceedings of the 7th International Joint Conference on Artificial Intelligence (IJCAI). 1981;2:674-679 pp.

9. Fischler MA, Bolles RC. Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography. Communications of the ACM. 1981;24(6):381-395. DOI: 10.1145/358669.358692

10. Shi J, Tomasi C. Good features to track. Proceedings of IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 1994:593-600 pp. DOI: 10.1109/CVPR.1994.323794

11. Matveev VV, Raspopov VYa. Fundamentals of Strapdown Inertial Navigation Systems. Saint Petersburg: Elektropribor, 2009;280 p. (In Russ.).

12. Megyesi D, Bréda R, Schrötter M. Adaptive Control and Estimation of the Condition of a Small Unmanned Aircraft Using a Kalman Filter. Energies. 2021;14:2292 p. DOI: 10.3390/en14082292