无人机协同编队飞行中的视觉感知关键技术研究

《无人机协同编队飞行中的视觉感知关键技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、南京航空航天大学博士学位论文摘要现代的无人机（UAV）在军事和民用领域都发挥着重要的作用，越来越受到各国的重视。以赶超国外先进水平为目标，面向UAV开展多学科交叉的基础性、关键性和预先性的技术研究，有着非常重要的现实与前瞻意义。多UAVs协同编队飞行（CFF）是国外近年来提出的一种新概念，目的是提高UAV完成任务的效率，拓宽其使用范围。基于视觉信息的UAV编队飞行方法来自于仿生思想，鉴于计算机视觉方法和视频流处理硬软件的迅猛发展，利用视觉方法来实现UAV的编队飞行成为了可能，国外已有利用视觉传感器实现双机编队飞行的试飞实例。多UAVsC

2、FF中的视觉感知技术研究涉及到多个交叉学科，针对其中多项关键技术，本文的主要研究内容如下：1）提出了一种基于主动轮廓模型的改进贪婪算法，对运动区域内的目标轮廓进行实时精确提取，捕获UAV机载视觉传感器视频流中的目标特征信息。设计了一种去噪去抖的视频图像预处理方法以改善UAV上所拍摄的图像质量；针对UAV编队视频序列中的多目标精确跟踪的要求，使用STK三维建模软件模拟UAV编队飞行视频，通过双差分图像操作、多分辨率连通分支标记算法确定图像中的运动区域；利用改进贪婪算法，对运动区域内的目标轮廓进行实时精确提取；建立在线卡尔曼滤波器组实现对多

3、目标的预测跟踪，给出了如何对目标实现遮挡判定与分割的概率方法。2）提出了一种基于平方根无迹卡尔曼滤波器（SUKF）算法的视觉信息双机间相对运动状态估计测量方法。将SUKF算法引入多UAVsCFF领域，建立了双机跟踪问题的动力学模型以及视觉测量方程，同时详细描述了SUKF算法实现双机间相对运动状态测量的具体流程。本文引入的SUKF不仅可以保证协方差矩阵的正定性，同时可以提高算法的数值计算精度。仿真结果显示了算法的有效性。3）将传统的比例导引避障策略（PN-OAG）扩展至最小机动避障策略（MM-OAG），寻求整个航迹过程中的最小机动避障方法

4、。利用来自视觉传感器中不断更新的相对运动状态信息来判定障碍是否对目标飞机构成威胁，把通常使用的平面障碍模型扩展到三维空间，给出了障碍威胁判定标准，介绍了避障策略的优化方法。理论分析和仿真结果表明本文的避障策略具有很好的应用前景。4）CFF物理/虚拟原型联合仿真平台依据实验室现有条件设计，主要包括四个子系统：PP-FCS、无人机动力学模型仿真器、VP-FCS以及地面测试系统。分别给出了各个子系统的设计与实现方案；并基于此仿真平台进行了基于视觉信息的“僚机-长机”编队飞行仿真试验。试验结果表明双机飞行正常，编队跟踪试验不仅验证了视觉I南京航

5、空航天大学博士学位论文编队方法理论框架的正确性，也从工程应用的角度验证了基于视觉信息的多UAVsCFF方法的可行性。这一联合仿真系统为今后多机CFF仿真研究提供了重要的参考依据和算法验证平台。关键词：无人机；协同编队飞行；视觉感知，运动目标跟踪；轮廓提取；贪婪算法；无迹卡尔曼滤波；相对状态估计；障碍规避；最小机动避障策略；联合仿真平台；编队飞行仿真II南京航空航天大学博士学位论文AbstractThemodernunmannedaerialvehicle(UAV)playedanimportantroleinthemilitaryand

6、civilfields,andwasbeingconcernedmoreandmorebyvariouscountries.Therefore,inordertocatchupwithandsurpassthelevelofforeighadvanced,ithadaveryimportantparticlesignificanceandoutlookdevelopinginterdisciplinary,foundamental,critical,beforehandresearchonUAV.Inrecentyears,UAVsCo

7、ordinatedFormationFlight(CFF)wasproposedasanewconcepttoimprovetheefficiencyofUAVcompletingtasksandwidenthescopeofitsapplicationabroad.Thevision-based-sensorUAVsCFFmethodwasfrombionicthinking,therapiddevelopmentofcomputervisionmethodsandhardwareandsoftwareofprocessingthev

8、ideostreamingmadeitpossibletoachievetheUAVsCFFusingvisualmethods.Infact,thevision-based-sensorhasbeenus