摘要
多无人机协同跟踪技术是智能无人集群系统中的一个重点技术，该技术可以广泛应用于实际应用场景中，如播洒农药、人工降雨、地表温度采集等应用场景。多无人机协同跟踪为人力无法执行的复杂场景任务提供了有效的解决方案。目前，多无人机协同跟踪问题中存在三个主要的挑战：如何同时保证目标跟踪算法的实时性、准确性和鲁棒性；如何在相机标定条件不足，无法获得准确相机内参的场景下，保证目标定位算法依然能够准确定位目标；如何在多无人机的场景下，设计出有效的协同策略，保证系统中的各个无人机能够发挥其最大价值。为此，本文针对多无人机协同跟踪问题展开研究，提出了一个基于双模板互相关响应融合的孪生网络跟踪算法和一个用于四旋翼无人机的单目视觉对地目标定位算法，构建了一个支持多架无人机协同跟踪的原型系统，在此基础上，搭建了实验环境和实验场景，对本文提出的算法和原型系统进行了实验验证。本文的贡献包括以下三点： （1）针对现有的目标跟踪算法无法同时保证跟踪的实时性、准确性和鲁棒性的问题，提出了一个基于双模板互相关响应融合的孪生网络跟踪算法。该算法以孪生区域建议网络为基线算法，采用初始模板与预测模板联合跟踪的策略，利用自定义的互相关响应融合网络，融合两个模板响应，生成兼顾准确性和鲁棒性的融合响应；采用三阶段训练策略对融合网络进行迭代优化，使融合网络学习到最有效的融合策略，从而提升跟踪算法的准确性和鲁棒性。 （2）针对相机标定条件不足的场景下，目标定位算法无法进行准确定位的问题，提出了一种基于相机视场角的目标定位算法。该算法使用相机视场角取代相机内参，无需进行相机内参标定；同时设计了四旋翼无人机的位姿叠加定位策略，并使用去噪算法进行位姿去噪，使得定位算法在无人机位姿变化时也具有良好的定位效果。 （3）基于上述研究成果，设计了双机和三机中的长僚机协同策略，集成本文提出的目标跟踪与目标定位算法，构建出一个支持多架无人机协同跟踪的原型系统；搭建了仿真实验环境和实验场景，通过仿真实验，验证了本文研究成果的有效性。
NETL