在無人機與運動平臺的機動狀態(tài)條件下，為了滿足相對位姿測量系統(tǒng)的跟蹤要求，需要實現(xiàn)運動平臺上的相對位姿測量系統(tǒng)對機動狀態(tài)下的目標(biāo)無人機的實時穩(wěn)定跟蹤。在對目標(biāo)無人機的跟蹤過程中，如果直接對場景中的所有內(nèi)容進行匹配計算，尋找最佳匹配位置，需要處理大量的冗余信息。因此，為了縮小目標(biāo)搜索范圍，需要采用一定的搜索算法對未來時刻目標(biāo)的位置狀態(tài)進行事先估計假設(shè)。目前比較常用的方法包括預(yù)測法、優(yōu)化搜索方向、逐幀檢測法和逐幀分割法，針對無人機著陸過程中，環(huán)境干擾較大，運動較為復(fù)雜，選擇預(yù)測法進行縮小目標(biāo)搜索范圍。預(yù)測法可以預(yù)測運動體下一幀可能出現(xiàn)的位置，在其相關(guān)區(qū)域內(nèi)尋找最優(yōu)點。
針對位姿測量系統(tǒng)對目標(biāo)無人機著陸過程中的跟蹤特點分析，可以得知：
(1)觀測到的無人機可能存在多個視角，而各視角間的外觀存在較明顯差異，此外由于氣象因素，背景變化較為復(fù)雜；
(2)可以利用無人機系統(tǒng)自身提供的輔助信息，主要包括測控鏈路提供的位置信息作為輔助跟蹤；
(3)跟蹤目標(biāo)為協(xié)作模型，即已知其各視角模型，可以在離線情況下進行訓(xùn)練。
基于以上特點，提出基于多信息融合的多視角協(xié)作模型跟蹤技術(shù)，采用運動平臺導(dǎo)航設(shè)備提供的無人機目標(biāo)信息結(jié)合貝葉斯框架下的卡爾曼濾波算法，算法原理如圖3所示。首先，充分利用協(xié)作模型進行離線學(xué)習(xí)，建立多視角模型庫。當(dāng)檢測到目標(biāo)初始位置后，估計其當(dāng)前視角，并與模型庫中對應(yīng)視角模型進行匹配，利用卡爾曼濾波預(yù)測其下一幀位置。同時，將相對位姿測量系統(tǒng)提供的目標(biāo)無人機運動信息與上述視覺算法預(yù)測信息進行數(shù)據(jù)融合，獲得下一幀目標(biāo)最終預(yù)測位置。目標(biāo)匹配示意圖如圖4所示。
免責(zé)聲明:凡注明來源全球無人機網(wǎng)的所有作品，均為本網(wǎng)合法擁有版權(quán)或有權(quán)使用的作品，歡迎轉(zhuǎn)載，請注明出處。非本網(wǎng)作品均來自互聯(lián)網(wǎng)，轉(zhuǎn)載目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點和對其真實性負責(zé)。
?