摘要
目标跟踪是无人机的一个重要应用场景，这得益于无人机所具有的视角广阔和机动性高等优势。对于地面非合作目标跟踪，由于目标与无人机之间无信息交互，无人机一般需要通过视觉伺服系统来获取导航信息。然而，无人机板载处理器的算力难以满足视觉定位所需的实时图像处理需求。让无人机携带额外的小型计算设备或将图像传输至地面端进行处理虽然能够解决算力不足的问题，但将对无人机的续航能力和控制系统的响应速度存在较大影响。 本课题的研究目标是在存在通信干扰与延迟的条件下，对无人机目标跟踪平台和算法进行设计，从而使基于视觉伺服系统的无人机能够在复杂环境中对地面非合作机动目标实现稳定的跟踪。为此，本文提出了一种无人机非合作目标跟踪方案，主要工作内容包括：（1）根据相机成像原理设计了一种新的视觉伺服方法，通过使用搭载传感器的三轴云台直接获取相机位姿信息，结合目标检测模型得到的图像信息解算无人机与目标间的相对位置信息；（2）设计了对观测的目标运动轨迹进行补充和滤波的数据预处理方法，在此基础上构建了基于深度学习的目标轨迹预测模型并生成了用于训练模型的数据集；（3）基于预测模型估计的目标实时位置信息，设计了云台与无人机的跟踪控制算法。 本课题的创新点包括： （1）针对无人机跟踪目标时的导航问题，引入YOLO网络识别图像中的目标，并对基于云台的视觉伺服系统进行了改进，从而获取高精度的目标位置信息； （2）针对目标定位信息存在延迟的问题，提出了基于最小二乘拟合与滑动平均滤波算法的目标轨迹数据预处理方法和基于长短期记忆网络的目标轨迹预测模型； （3）针对目标跟踪控制问题，设计了基于时滞补偿的云台视觉跟踪控制算法和基于卡尔曼滤波器的无人机飞行控制算法。 本课题来源于实际应用需求，为视觉导航和运动预测等研究领域提供了新的思路与方法，对于提高无人机智能化水平、推动自主作业机器人关键技术发展有一定借鉴意义。
NETL