語音控制無人機(jī)初探

1、    語音控制無人機(jī)初探    朱立鑫 崔韞鑫摘要：隨著無人機(jī)技術(shù)的迅猛發(fā)展，控制無人機(jī)的方式也在不斷革新。研究在開源地面站上實(shí)現(xiàn)無人機(jī)語音指令控制技術(shù)，可使操作更加便捷。通過簡潔、友好的語音界面就可與控制系統(tǒng)進(jìn)行深入信息交互，完成語音指令所代表復(fù)雜控制內(nèi)容。由于本文僅為語音控制無人機(jī)初探，主要介紹通過特定的一種方式實(shí)現(xiàn)語音控制。本文以開源地面站mission planner作為基礎(chǔ)進(jìn)行軟件開發(fā)，利用windows自帶的語音識(shí)別模塊進(jìn)行識(shí)別及其在無人機(jī)控制中的應(yīng)用為研究內(nèi)容，借此來簡化無人機(jī)控制流程、提供一種簡潔的語音指令控制界面，重點(diǎn)研究了語音識(shí)別技

2、術(shù)在無人機(jī)控制上的應(yīng)用。關(guān)鍵詞：語音識(shí)別；無人機(jī)；地面站語音識(shí)別技術(shù)是一種人機(jī)交互技術(shù)。語言作為信息溝通的最主要方式，可為人機(jī)交互使用時(shí)提供其它方式不可替代的直接和便利。因此，將語音識(shí)別這種人機(jī)交互手段應(yīng)用于無人機(jī)控制方面，可以為操作人員提供一種簡便的語音指令控制界面，使操作更加便捷。一、語音控制無人機(jī)研究現(xiàn)狀2001年，美國斯坦福大學(xué)研制出witas多模態(tài)對(duì)話系統(tǒng)用于控制無人機(jī)設(shè)備。隨后，語音控制技術(shù)高速發(fā)展。目前，我國民用無人機(jī)領(lǐng)域內(nèi)，語音控制無人機(jī)已成為下一發(fā)展階段。二、語音控制無人機(jī)總體設(shè)計(jì)本人主要從三個(gè)方面介紹語音控制無人機(jī)，即語音識(shí)別技術(shù)、指令控制及地面站軟件開發(fā)。三、無人機(jī)語音識(shí)

3、別技術(shù)本文主要介紹通過使用c#和speech sdk來進(jìn)行語音識(shí)別。本文介紹的語音識(shí)別功能，其實(shí)就是利用windows的語音引擎，它包含在speech sdk開發(fā)包中。我們就是使用此開發(fā)包根據(jù)自己的需要開發(fā)程序。speech sdk包含語音識(shí)別sr引擎和語音合成ss引擎兩種語音引擎。語音識(shí)別引擎用于識(shí)別語音命令，調(diào)用接口完成某個(gè)功能，實(shí)現(xiàn)語音控制。語音合成引擎用于將文字轉(zhuǎn)換成語音輸出。語音識(shí)別引擎分兩種模式識(shí)別：文本識(shí)別模式和命令識(shí)別模式。此兩種模式的主要區(qū)別在于識(shí)別過程中使用的匹配字典不同。前者使用的是通用字典，特點(diǎn)是覆蓋的詞匯量大，因?yàn)樵~匯量大直接導(dǎo)致識(shí)別的精度降低，識(shí)別速度較慢。后者的字

4、典需要開發(fā)者自己編寫，這種方式由開發(fā)者定義詞匯的數(shù)量，大大降低匹配過程中需要檢索的詞匯量，提高了識(shí)別速度，同時(shí)因?yàn)楹蜻x項(xiàng)極少，所以一般不會(huì)識(shí)別錯(cuò)誤。由于控制無人機(jī)飛行僅需要幾個(gè)特定的指令，而且對(duì)識(shí)別率要求較高，所以選用命令識(shí)別模式進(jìn)行語音識(shí)別開發(fā)。四、無人機(jī)飛行協(xié)議及控制指令（一）mavlink簡介mavlink協(xié)議是在串口通訊基礎(chǔ)上的一種更高層的開源通訊協(xié)議，主要應(yīng)用在微型飛行器（micro aerial vehicle）的通訊上。mavlink是為小型飛行器和地面站通訊時(shí)常常用到的那些數(shù)據(jù)制定一種發(fā)送和接收的規(guī)則并加入了校驗(yàn)（checksum）功能。如圖所示，每個(gè)消息幀都是上述的結(jié)構(gòu)，除了

5、灰色外，其他的格子都代表了一個(gè)字節(jié)的數(shù)據(jù)。灰色格子里面的數(shù)據(jù)長度是不固定的。紅色的是起始標(biāo)志位（stx）。這個(gè)標(biāo)志位用于mavlink消息幀接收端進(jìn)行消息解碼。第二個(gè)格子代表的是payload的字節(jié)長度（len），范圍從0255。第三個(gè)格子代表的是本次消息幀的序號(hào)（seq），每次發(fā)完一個(gè)消息，這個(gè)字節(jié)的內(nèi)容會(huì)加1，加到255后會(huì)從0重新開始。這個(gè)序號(hào)用于mavlink消息幀接收端計(jì)算消息丟失比例。第四個(gè)格子代表發(fā)送本條消息幀的設(shè)備的系統(tǒng)編號(hào)（sys）。第五個(gè)格子代表了發(fā)送本條消息幀的設(shè)備的單元編號(hào)（comp）。第六個(gè)格子代表了有效載荷中消息包的編號(hào)（msg），mavlink消息幀接收端根據(jù)這個(gè)

6、編號(hào)來確定有效載荷里的消息包并根據(jù)編號(hào)選擇對(duì)應(yīng)的方式來處理有效載荷里的信息包。最后兩個(gè)字節(jié)是16位校驗(yàn)位，ckb是高八位，cka是低八位。校驗(yàn)碼由crc16算法得到。（二）地面站和飛控的通訊流程無人機(jī)連接好mp地面站后，都會(huì)主動(dòng)向地面站發(fā)送心跳包、飛行器姿態(tài)、系統(tǒng)狀態(tài)等組成的數(shù)據(jù)流。地面站會(huì)在剛連接上飛控時(shí)發(fā)送命令，請(qǐng)求飛控傳回所有參數(shù)，飛控根據(jù)自己的情況判斷是否接受地面站的請(qǐng)求，并根據(jù)不同的命令執(zhí)行相應(yīng)的操作。mp地面站比較成熟，在軟件內(nèi)已經(jīng)預(yù)設(shè)了無人機(jī)飛行所需的各種指令。這些指令通過mavlink協(xié)議傳遞給飛控，從而實(shí)現(xiàn)對(duì)無人機(jī)的控制。我們只需在地面站中找到這些指令，將語音識(shí)別結(jié)果與這些指

7、令相對(duì)應(yīng)就可以實(shí)現(xiàn)對(duì)無人機(jī)的語音控制。五、地面站軟件開發(fā)mission planner是一個(gè)功能齊全的開源地面站應(yīng)用程序。本人在此軟件的基礎(chǔ)上進(jìn)行二次開發(fā)，加入語音識(shí)別模塊，將識(shí)別結(jié)果與無人機(jī)飛行命令相對(duì)應(yīng)，從而實(shí)現(xiàn)對(duì)無人機(jī)的語音控制。實(shí)現(xiàn)語音控制用到的mp地面站內(nèi)的飛行指令，主要是導(dǎo)航命令。導(dǎo)航命令是用于控制無人機(jī)的運(yùn)動(dòng)，包括起飛、航路點(diǎn)和移動(dòng)至周圍和著陸。本人用到的導(dǎo)航命令：mav_cmd_nav_takeoff：從地面起飛（發(fā)射）。實(shí)現(xiàn)“起飛”指令。mav_cmd_nav_return_to_launch：返回home位置或就近的集結(jié)點(diǎn)。home的位置是飛行器解鎖位置。實(shí)現(xiàn)“返航”指令。mav_cmd_nav_land：在當(dāng)前或指定位置降落。實(shí)現(xiàn)“降落”指令。mav_cmd_nav_guided_enable：啟用引導(dǎo)控制模式切換到外部控制器。在guided模式下，在預(yù)先建立的三維坐標(biāo)系中，引導(dǎo)無人機(jī)在空間中實(shí)現(xiàn)“前進(jìn)”、“后退”、“向左”、“向右”、“上升”、“下降”等指令。六、總結(jié)本文以開源地面站mission planner作為基礎(chǔ)進(jìn)行軟件開發(fā)，利用windows自帶的語音識(shí)別模塊進(jìn)行識(shí)別及其在無人機(jī)控制中的應(yīng)用為研究內(nèi)容，借此簡化無人機(jī)控制流程、提供一種簡潔的語音指令控制界面，實(shí)現(xiàn)了語音控制無人機(jī)功能。本文僅為語音控制無人機(jī)初探，主要介紹通過特