论文部分内容阅读
近年来,随着消费级无人机在商业应用上的快速发展,推动了基于旋翼无人机的应用研究工作。在旋翼无人机的目标跟踪控制上发展出了许多相关研究方向,如多源信息融合技术、基于旋翼无人机视觉目标识别技术、飞行控制技术等。本论文针对四旋翼车载无人机的视觉跟踪控制技术展开研究。运用视觉的方法实现四旋翼无人机对目标的视觉识别与飞行跟踪控制。利用视觉的方法对目标进行识别,并根据定位信息规划跟踪路径,控制无人机沿跟踪轨迹进行移动,实现对运动目标的飞行跟踪。本论文基于机器人操作系统(简称ROS),采用视觉目标跟踪算法和基于概率的路径规划算法实现无人机对目标视觉识别和到目标路径规划,并沿轨迹进行跟踪。首先,在定高飞行条件下,通过视觉传感器获取含有目标的图像序列,采用单目标视觉跟踪算法Tracking-learningdetection(简称TLD),实现运动目标的图像识别。根据所识别运动目标在当前图像中的位置,计算出目标与无人机的相对位置,将无人机的GPS信息与目标的相对位置信息进行结合,估计出目标在世界坐标系下的位置,然后采用基于概率的路径规划算法Rapidlyexploring Randomized Trees*(简称RRT*)对运动路径进行规划,控制无人机沿规划路径对目标进行跟踪。针对无人机的视觉跟踪控制问题,对基于四旋翼无人机的视觉跟踪、路径规划、飞行控制等方面展开研究,研究不同的视觉跟踪算法和路径规划算法对无人机飞行跟踪的影响。并给出相应仿真实验分析。论文对车载无人机应用研究背景、研究意义及国内外研究现状进行了分析。对无人机运动控制、数学建模、控制器设计进行了研究,并进行仿真实验。研究了无人机的单目标视觉跟踪算法,分别对视觉跟踪算法Kernelized Correlation Filters(简称KCF)和TLD的算法原理展开研究,对两种算法的实验结果进行分析。发现TLD算法在目标丢失情况下和目标的重识别上,其识别正确率远高于KCF算法。研究表明TLD算法适用于无人机的视觉跟踪控制。然后对无人机路径规划的方法进行研究,分别对路径规划算法A*和RRT*进行了研究,算法仿真实验结果显示,相比A*算法,RRT*路径规划算法在环境变化的自适应能力和算法实时性上,表现良好。研究表明RRT*路径规划算法适用于无人机的路径规划。基于以上研究设计基于视觉的无人机目标跟踪控制系统。对系统进行实物测试,并对结果数据进行分析。最后对研究主要内容与研究过程中遇到的问题进行总结,对课题未来的研究方向给出建议。