引言：随着无人机的发展，对无人机的控制也面临很多的问题，其中着舰控制是无人机控制技术发展的主攻方向之一。由于向舰船着陆时环境复杂，空间小，对控制要求很高，很多无人机在着舰过程中都容易出现事故。常见无人机进行着舰控制会利用惯性、是无线电和GPS导航技术。使用无线电容易受到电磁干扰，而且不利于保障无人机的隐蔽性，惯性着舰的缺点在于系统误差会随着时间不断累积，GPS技术存在高度控制上精度不足，而且技术受制于美国的问题。使用视觉技术可以获得大量无源信息，综合利用光学、信息技术理论，在着舰控制中具有多方面的优势。
1 计算机视觉技术
图像在计算机中是根据像素点进行储存的，对每个像素点都会使用一系列的二进制数字组成数据，所以计算机对图像的裂解和人类不同，而计算机视觉技术的目标，就是让计算机拥有和人一样的图像分类和理解能力，目前深度学习技术的快速发展，促进了计算机视觉技术的发展，提升了计算机对图像的解析能力。
目前的感知模型包括单层感知模型和多层感知模型两种，单层感知会模仿大脑建立神经元，通过多个输入数值进行求解，如果求解的结果满足期望值，再进行结果输出[1]。单层感知模型可以完成逻辑函数运算，模型包括输入层、输出层和偏置项。虽然单层感知模型可以对输入的数值进行线性划分并完成分类工作，但是并不能对非线性问题进行求解，所以需要对多个单层感知模型进行组合，构成多层感知模型，有效解决非线性问题。
神经网络模型进行非线性运算时，激活函数发挥了巨大作用，激活函数能将非线性特征带入到神经网络中，让神经网络具备更强的特征表达能力。目前的激活函数包括sigmoid、Tanh和ReLu三种最常见的激活函数。
Simoid函数公式为：
输入的数据经过Sigmoid函数处理后，输出值会在0和1之间，该函数的优势在于求导比较简单，而且获得的曲线比较平滑，所以在特征行进的数据处理时有着非常好的效果。但是Sigmoid函数的缺点在于会出现梯度消失，因此不能满足网络的训练工作。
Tanh函数也被称为双曲线正切函数，是在Sigmoid函数向下平移收缩获得，Tanh函数为：
Tanh函数处理数据后，获得的结果在-1到1之间，平均值等于0，但是Tanh函数同样存在梯度等于零的问题，导致深度网络很难进行训练。
ReLU激活函数也叫做修正线性单元，该函数的目的是为了处理梯度中的饱和效应提出的，计算公式为：
在输入
值大于等于0时，梯度值为1，能避免之前两种函数存在的梯度问题，同时该函数的更为简单，计算量非常小，可以提升算法的运算速度，能更快地完成对视频图像的解析工作。在输入的x<0时，ReLU的梯度值为0，会导致深度神经网络神经元失效，导致深度神经网络中的权值不再更新，造成死区问题[2]。
2 无人机着舰关键技术分析
2.1 无人机模型和特性
ReLU激活函数实在处理梯度饱和效应时提出的，所以该函数也被称为修正线性单元，该函数是为了处理梯度饱和效应提出的。无人机的着舰状态相对于飞行状态更加平稳，所以可以使用线性化小扰动方法实现对无人机着舰的非线性配平，由于无人机着舰的过程中存在下滑轨迹，因此可以将着舰的轨迹固定不变，然后使用trim函数计算出无人机的配平值。
无人机模型在着舰下滑配平值的控制下，虽然总想状态比较稳定，但是依然存在响应速度慢、阻尼大的问题，会造成无人机着舰时横向不稳定，造成无人机出现震荡。为此需要使用linmod函数进行无人机着舰过程中配平点的线性化处理。
2.2 着舰场景模型
舰船的加班运动方向包括船体的正常行驶运动方向和海洋波浪所导致的扰动，在无人机着舰的过程中，可以将船体航行视为二维运动，而且速度保持恒定。舰船甲板的扰动模型可以通过大量实验获得，由于海浪具有一定的周期性，所以舰船加班的运动也是一个周期性的平稳随机过程，通过多个正弦波的叠加可以描述舰船甲板的运动轨迹。舰船甲板对舰载机着舰点的位置有着巨大影响，因为甲板高度改变，造成无人机着舰点的高度也会上下变化，也有可能导致无人机着舰过程中出现前行位移偏差，导致无人机存在与甲板相撞的风险[3]。舰船在海上进行高速运动的时候，海面上的空气流过甲板也会导致复杂的气流变化，同样会对无人机着舰造成干扰，所以在无人机着舰的控制中，也要考虑气流变化对无人机的影响，通过分析气体的弹性，计算出无人机的最佳着舰点。
3 视觉着舰导航系统结构分析
无人机视觉着舰导航系统包括无人机图像采集系统、无人机识别跟踪、无人机位置计算和无人机着舰控制等环节。在无人机着舰过程中，系统的总控制受到相关命令后，就会用摄像机扫描周围的图像，之后对图像进行预加工处理，并根据图像获得无人机所处的位置，控制台接收到无人机位置信息之后，应进一步调整图像采集系统的运行参数，解算无人机所处的空中位置。无人机着舰控制中心根据无人机的控制位置信息，实时控制无人机的运动状态，保证无人机稳定降落到着舰点，同时会将无人机运动的相关信息实时反馈给无人机图像系统，确保无人机可以沿着最优预定轨道航行，完成着舰工作任务。
结束语：利用无人机自带的设计相机获得周围环境信息，并利用计算机视觉技术处理计算出无人机的实施飞行参数，飞控系统控制无人机完成着舰动作具有非常强的应用潜力。和其他技术相比，计算机视觉导航结束可以获得大量信息，有效降低了无人机对外部设备的依赖，提升无人机的自主控制能力，使自动化程度大幅度提升。
参考文献：
[1]黄楠楠. 无人机视觉辅助着舰导航[D].西安电子科技大学,2015.
[2]丁萌. 基于计算机视觉的无人机自主着陆方法研究[D].南京航空航天大学,2006.
[3]赵君爱. 计算机视觉技术在无人机着舰控制中的应用[J]. 舰船科学技术,2020,44(03):165-168.
