1. 智能车与无人机协同系统的设计思路
在智能消防系统中，我们面临一个关键挑战：如何让无人机和小车协同工作，准确识别信标灯并实现稳定跟踪。传统单一摄像头方案存在明显缺陷——既要识别信标灯又要跟踪小车，会导致图像处理算法过于复杂，MCU处理速度跟不上实时性要求。
核心痛点：信标灯检测需要超广角镜头（通常120°以上），但广角镜头畸变严重，不利于无人机对小车的精确定位。而如果使用普通镜头检测小车，又无法覆盖足够大的信标搜索范围。
我们的解决方案采用了双视觉系统分工协作：
- 红外窄带广角镜头（A镜头）：专门负责信标灯检测
- 紫外窄带普通镜头（B镜头）：专门负责小车跟踪
这种分工设计带来了三个显著优势：
- 每个摄像头只需处理单一任务，算法复杂度降低50%以上
- 可以针对不同任务选择最优镜头（广角vs普通）
- 紫外标记小车极大降低了环境光干扰，识别准确率提升至98%以上
2. 硬件选型与配置细节
2.1 视觉系统硬件配置
A镜头（信标检测）配置：
- 镜头类型：170°超广角红外窄带滤光镜头
- 传感器：1/2.7" CMOS，200万像素
- 滤光片：850nm窄带红外滤光片（带宽±10nm）
- 帧率：60fps@720p
B镜头（小车跟踪）配置：
- 镜头类型：90°普通视角紫外窄带滤光镜头
- 传感器：1/3" CMOS，120万像素
- 滤光片：395nm紫外窄带滤光片（带宽±5nm）
- 帧率：120fps@480p
实测数据：在3米高度下，A镜头可覆盖直径约10米的信标搜索区域，B镜头对小车的定位精度达到±2cm。
2.2 小车紫外标记方案
我们在小车上安装了4个高功率紫外LED（395nm），排列成边长为15cm的正方形。这种设计带来两个关键好处：
- 四点定位算法可以准确计算小车的朝向和位置
- 紫外光在日光下仍有超过200lux的亮度，确保全天候可识别
LED驱动参数：
- 工作电压：5V DC
- 工作电流：每个LED 100mA
- 调制频率：1kHz（避免环境光干扰）
3. 控制系统实现与参数调优
3.1 控制流程分解
整个系统的工作流程可以分为四个状态机：
-
初始状态：
- 小车静止
- 无人机在小车正上方2.5米处悬停
- 两个摄像头持续扫描
-
信标检测状态：
- A镜头识别到信标灯（Hough圆检测+亮度阈值）
- 计算信标相对于小车的方位角（α）和距离（d）
- 发送控制指令给小车
-
小车运动状态：
- 小车PID控制器根据（α,d）生成运动指令
- X/Y轴速度：v = kp*d (kp=0.3)
- 转向角速度：ω = kα*α (kα=0.5)
-
无人机跟踪状态：
- B镜头持续跟踪小车紫外标记
- 使用Kalman滤波器预测小车运动轨迹
- 无人机保持在小车上方2.5±0.1米
3.2 PID参数调优经验
在小车运动控制中，我们采用串级PID结构：
code复制位置环(P) → 速度环(PI) → 电机驱动
经过实测，最优参数为：
- 位置环：Kp=1.2，Ki=0，Kd=0.05
- 速度环：Kp=0.8，Ki=0.3，Kd=0
调试技巧：
- 先调速度环，确保电机响应快速且无超调
- 再调位置环，重点抑制末端振荡
- 在水泥地和地毯上分别测试，取折中参数
4. 典型问题与解决方案
4.1 无人机丢失跟踪目标
现象：小车快速转向时，无人机跟不上运动导致目标丢失
根本原因：
- 图像处理延迟（约50ms）
- 无人机姿态调整延迟（约200ms）
- 合计延迟超过运动预测窗口
解决方案：
- 限制小车最大转向速度（实测不超过1.5rad/s）
- 增加运动预测窗口（从3帧扩展到5帧）
- 在无人机控制器中加入前馈补偿
4.2 信标误识别
现象：阳光反射等强光源被误判为信标
优化措施：
- 增加红外脉冲检测（信标以10Hz频率闪烁）
- 设置最小亮度阈值（>1500lux）
- 形状验证（长宽比1±0.1）
4.3 通信延迟问题
实测数据：
- 图像传输延迟：80-120ms
- 控制指令延迟：20-50ms
优化方案：
- 采用图像本地处理，只传输坐标数据
- 使用TDMA协议分配通信时隙
- 设置指令缓存队列（深度=3）
5. 系统性能实测数据
测试环境：室外晴天，光照强度10万lux
| 指标 | 实测值 | 要求值 |
|---|---|---|
| 信标识别距离 | 0.5-8m | ≥5m |
| 小车定位精度 | ±1.5cm | ±3cm |
| 系统响应延迟 | 180ms | ≤200ms |
| 最大跟踪速度 | 2.5m/s | ≥2m/s |
| 连续工作时间 | 45分钟 | ≥30分钟 |
在实际比赛中，这套系统实现了98%的任务完成率。关键心得是：双视觉分工的方案虽然增加了硬件成本，但大幅降低了算法复杂度，最终换来的是更高的可靠性和实时性。
对于初次尝试的团队，建议先重点调通无人机对小车的跟踪，这是整个系统的基础。我们花了约60%的开发时间在优化跟踪算法上，事实证明这个投入非常值得。