论文部分内容阅读
近年来,人工智能技术和计算机性能的突飞猛进,助推了无人机的蓬勃发展和应用。因为具有结构紧凑、快速便捷、成本低廉、可实现垂直起降、飞行姿态易于控制等优点,四旋翼无人机在军事和民用领域广泛应用。与智能交通、电力巡线、农业植保、军事跟踪、灾害搜救、航拍摄影等行业应用相结合,利用无人机自主完成各种复杂智能任务,将扮演愈发重要的作用。实现无人机对移动目标的识别与跟踪,并控制其在快速移动平台上自主降落,将具有重要的应用价值。移动降落是无人机智能处理的关键技术,包含三个环节:(1)目标检测与识别;(2)目标跟踪;(3)位置预估及降落。检测和识别环节,是无人机跟踪和移动降落的前提。本文采用局部搜索等策略优化的改进Apriltags检测识别算法,大幅度提升了处理性能,解决了实时性不足等问题。实现了目标特征大尺度变化情况下的稳定检测和识别,并可实时解算目标的三维位置及姿态信息。运用混合高斯背景模型初步检测运动目标,通过Faster RCNN分类。目标跟踪环节,使用Kalman滤波方法估计目标在二维图像中的位置,采用拟合函数方法对目标的运动轨迹进行估计,配合PID算法,实现了无人机对移动目标的稳定跟踪。TLD算法可对单个目标进行长时间跟踪,且具备二次跟踪能力,实现了对人脸和移动汽车的稳定识别、跟踪。移动降落环节,通过大小码结合的特定Apriltags移动降落靶标设计,运用冗余信息解算,使用双闭环PID控制算法保证跟踪降落的快速性、稳定性、准确性,并最终实现无人机的移动降落任务。本文专门为整个系统构建了坐标系,并在大疆Matrice 100可编程四旋翼无人机平台上,搭载Manifold机载计算机,配合单目Zenmuse X3摄像头,结合手机端APP DJI GO和无人机仿真平台DJI Assistant,完成了各个环节的仿真及现场实验测试。实验结果表明,本文设计的检测、识别、跟踪及降落系统,方法原理可靠,成功实现了无人机对高速移动目标的识别与稳定跟踪,完成了对高速移动平台的自主降落。