论文部分内容阅读
无人机对地面移动目标跟踪和无人机的自主着陆是无人机相关技术研究的热点问题。本课题以旋翼无人机在较为复杂狭窄的小场景中执行监视、目标导引与自主降落等任务为背景,研究旋翼无人机目标跟踪与自主着陆回收技术。无人机对目标实现稳定跟踪这一任务,对目标检测与跟踪算法和控制器的性能提出了很高的要求。本文主要对以下三个问题进行研究:一是解决在运动过程中因目标外观发生变化,导致跟踪结果产生漂移或是目标检测的失败;二是通过本文提出的目标检测与跟踪算法得到跟踪结果后,设计出合适的控制策略实现无人机对目标的稳定跟随;三是为了方便无人机的回收,在任务结束后能够实现无人机的自主着陆。首先,稳定的目标检测与跟踪是无人机实现目标跟随的前提,本文提出一种适用于无人机平台的目标检测和跟踪算法。利用基于深度学习的目标检测算法中离线学习的优势,克服传统检测算法无法对外观发生变化的目标进行检测的不足,将SSD算法(Single Shot MultiBox Detector,简称SSD)与并行跟踪与检测框架(Parallel Tracking and Detection,简称PTAD)结合,利用PTAD框架的特点,提高检测模块的运行速率,从而有效提高了整个算法的跟踪性能。其次,适合的控制策略是无人机实现目标跟随的关键,将目标跟踪所得结果在图像中的位置与预期位置的偏差作为误差信号,使用基于图像的视觉伺服控制方法设计PID控制器,实现了无人机依靠其前向相机对目标进行稳定跟随。最后,为方便无人机的回收,本文设计了一种圆环嵌套二维码的自主着陆标志。通过一种基于圆定义的快速有效的圆环检测方法使无人机搜索到可能的着陆区域,使用基于图像的视觉伺服控制方式设计PID控制器,实现了无人机的自主降落控制,并在下降过程中通过对标志中二维码的识别判断无人机是否着陆,有效避免了无人机的误着陆。本文以Parrot公司推出的AR.Drone 2.0为本课题实验平台开展实验研究,验证了本文所提出的相关方法的有效性。