摘要
随着人工智能技术的迅猛发展，四旋翼飞行器正越来越多地参与到人类的生产生活中，如军事导航、安全监控等领域。但现阶段大多数飞行器需要通过遥控器控制飞行且续航能力有限，如何使四旋翼飞行器在自主飞行的基础上执行目标跟踪任务，并且在亟需返航时实现自主降落，一直是移动机器人领域的研究热点和难点。 本文对四旋翼飞行器在三维场景下进行目标跟踪的若干关键问题进行了研究，包括目标尺度变化、目标遮挡以及目标抖动等三个问题。针对目标尺度变化问题，本文通过对单目视觉传感器和双目视觉传感器的联合标定，为二维图像序列补偿对应的深度信息，实现了绝对尺度和相对尺度的相互转换，使核相关滤波目标跟踪算法更好地适应了目标的尺度变化。针对目标遮挡问题，本文先分析了目标遮挡是因为三维场景映射到二维图像过程中存在深度信息损失，因此，提出一种“场景信息分层表达”方法，并基于该方法和卡尔曼滤波，对遮挡行为进行预判。同时，利用改进的人工势场法实时调整四旋翼飞行器的运动轨迹，以达到减少遮挡发生的目的。针对因飞行器抖动导致的被跟踪目标模糊、位置突变等问题，本文还利用了卡尔曼滤波对目标采样区域进行了修正，在一定程度上提高了目标跟踪算法的精度。 当四旋翼飞行器因某种原因（如电池续航时间不足）需要返航时，基于视觉辅助标识的自主降落可以实现安全、精准的降落。针对绝大多数视觉标识无法提供多尺度检测的问题，本文设计了一种基于同心圆的视觉辅助标志，并实现了对该视觉标志的目标检测和精准定位。此外，本文还设计了云台控制器、速度控制器以及位置控制器等，最终，使四旋翼飞行器成功降落在速度未知的无人车的车顶。 本文以大疆公司生产的DJI M100四旋翼飞行器作为实验平台，通过实验验证了上述所提诸多算法的有效性和实用性。
NETL