四旋翼飞行器基于视觉的目标跟踪及自主动态降落

In this project we will investigate the problems of vision-based moving object tracking and autonomous landing of a quadrotor UAV on mobile platform. Considering the difficulty of information fusion in hybrid particle filter algorithm and the relative velocity/pose estimation between the quadrotor UAV and mobile ground platform, we adopt a technique of comparative analysis on different filtering algorithms and start with robust dynamic target tracking approach. Furthermore, we lay emphasis on the relative velocity estimation based on the fusion between optical flow and IMU data. The key problem in our project is to present a novel autonomous landing approach for a quadrotor UAV on mobile platform which is satisfied with the constraints of relative velocity/pose while the quadrotor UAV can extract the landing mark feature on the top of mobile robot. Throughout this project we will investigate the new problems stemming from autonomous target tracking and landing instead of past remote manual control mode. The final goal of this project is the development of an integrated technique for object tracking and autonomous landing of a Quadrotor UAV on moving platforms as well as providing technical support for future practical application in real Quadrotor UAVs.

以小型四旋翼飞行器基于视觉的运动目标跟踪及面向地面移动平台的自主动态降落为研究对象，针对混合粒子滤波算法中的信息交互问题，以及四旋翼飞行器与地面运动目标间的相对速度与相对位姿估计等问题，通过对不同滤波算法的定性对比分析，从具有鲁棒性的视觉目标跟踪算法研究入手，重点研究基于光流与惯导数据融合的飞行器相对速度估计问题，并基于对地面移动平台顶端着陆标志的实时观测，给出可满足相对速度与相对位姿约束并能自主调整降落轨迹的动态降落新方法，并给出基于实际四旋翼飞行器平台的具体实现。本项目的意义在于解决四旋翼飞行器从手动遥控到全自主进行目标跟踪与自主动态降落等任务时所出现的新问题，并提出合理、实用的技术和方法，从而为该方法的实用化提供可靠的技术支持和原型验证。

本基金项目针对四旋翼飞行器飞行控制、基于视觉的目标检测与跟踪、在复杂三维环境中的路径规划、道路检测与场景理解等问题展开研究工作。针对四旋翼飞行器参数不确定性和外部干扰敏感的问题，提出一种基于自抗扰控制器的控制系统设计方法，能够很好地克服飞行器的强耦合性、模型不确定性以及风速变化等外部干扰问题。针对四旋翼飞行器基于视觉的运动目标检测与跟踪问题，并考虑光照变化及阴影遮挡等因素的影响，采用自适应阈值化和二值图像的拓扑结构分析方法来完成降落标识的在线检测。为了提高目标跟踪的鲁棒性并兼顾计算效率，提出了利用混合粒子滤波来实现标识目标跟踪的算法。为了满足无人机在线闭环检测的需求，提出了一种基于增量滑动窗口的正态分布变换方法，该方法通过比较由滑动窗口生成的两组局部场景的相似性来完成闭环检测，在大范围室外环境中具有更好的闭环检测性能。针对无人机在复杂场景中的自主路径规划问题，课题组提出了一种三维路径规划算法，即在整个三维空间中边界盒矩阵被创建以用于评估可行立体栅格间的连通性。改进的概率随机路图方法被使用，其在边界盒矩阵中进行随机采样以确保随机路图节点在三维空间中的有效分布。根据连通性评估结果，采用A*算法在路图中规划可行路径。针对无人机如何基于单目视觉信息来完成自然场景有效理解的问题，提出了一种基于视觉的自然道路跟踪及地面重要物体检测的新框架。以图像的栅格划分为基础，利用SVM分类器完成栅格的分类，从而完成高频率的道路检测，并以此为基础完成飞行器的规矩生成与跟踪。为了更好的判断道路宽度等道路参数，需要采用超像素技术对图像进行更精细的分割，从而保证道路宽度估计的准确。此外采用Single Shot MultiBox Detector算法来实现无人机基于视觉的地图物体检测。上述研究工作分别基于大疆M100及自主研发的无人机平台开展了一系列实验，实验结果验证了所提方法的有效性。上述研究成果发表在国内外学术期刊及本领域重要的国际会议上。本项目的研究工作及相关成果为课题组后续开展无人机面向非结构化场景的自主环境感知与适应奠定了良好的研究基础。