舰载无人直升机自主着舰环境感知与位姿估计方法研究

Aiming at difficulties and challenges in the process of environmental perception and pose estimation of carrier-based unmanned helicopter autonomous carrier landing, in order to enrich the representation model of environment, enhance the ability of environmental perception and pose estimation, the method of environment perception and pose estimation method for carrier-based unmanned helicopter autonomous carrier landing will be studied. The main contents include:(1)firstly, the research on the construction of the semantic representation model of the ship's landing environment including the metric information will be presented, and the uniform representation model of the ship environment will be constructed, which includes the bottom level information and the high-level semantic information;(2)on these basis , study on the estimation methods with integration GPS/IMU/ vision integration on unmanned shipboard helicopter environmental perception and pose will be carried out, the environmental perception and pose estimation process framework based on multi-state constraint Kalman filter would be established, and the nonlinear filter for multi-sensor fusion with progressive measurement update would be proposed. The research content will achieve breakthrough on autonomous landing of unmanned helicopter and algorithm of complex environment perception and pose estimation problems, which can meet the military field more and more high capacity requirements, but also can enhance the autonomous ability of civil unmanned helicopter, has important theory research and practical application value.

针对舰载无人直升机在自主着舰中面临的环境感知与位姿估计难题，为丰富环境表示模型、提升无人直升机的环境感知能力与位姿估计精度，展开无人直升机自主着舰中的环境感知与相对位姿估计方法研究，主要内容包括：（1）首先进行融合度量信息和语义信息的着舰环境统一表示模型构建研究，构建出既包含底层度量信息、又具有高层语义信息的着舰环境统一表示模型；（2）以环境统一表示模型为环境感知框架，开展融合GPS/IMU/视觉的舰载无人直升机环境感知与相对位姿估计方法的研究，构建基于多维状态量约束Kalman滤波器的环境感知与位姿估计处理框架以及渐进量测更新的多传感器信息非线性滤波模型。研究成果实现无人直升机自主着舰问题中复杂环境感知与相对位姿估计相关理论与算法的突破，既能满足军事领域越来越高的能力需求，也能提升民用领域无人直升机的自主化能力，具有较大的理论研究与实际应用价值。

针对舰艇运动状态下舰载无人直升机在自主着舰中面临的环境感知与位姿估计难题，开展了融合尺度与语义信息的着舰环境感知与表示方法研究以及融合多传感器的相对位姿估计方法研究。主要成果为：（1）提出了基于单级结构卷积神经网络的着舰标志识别与跟踪方法，给出了基于特征提取能力更强的深度残差网络并引入反卷积结构的改进方法，仿真结果表明新方法能够有效提升对小目标的识别能力，且在引入反卷积结构后能够有效实现对着舰标志的识别跟踪；（2）建立了基于图像语义理解的着舰环境感知网络表示模型，并给出了多级结构级联的网络优化方法，实现了融合度量与语义信息的着舰环境感知；（3）针对采用传统非线性滤波方法进行多传感器融合位姿估计时，存在的滤波性能下降问题，提出了一种渐进量测更新的 Kalman 滤波姿态估计方法，数值仿真结果证明了该方法的有效性；（4）建立了多状态约束 Kalman 滤波器框架下的位姿估计模型，给出了基于惯性测量设备输出的当前位姿状态时间更新过程，建立了相应的位姿估计状态模型；对视觉特征进行参数化处理，建立了量测残差表示的量测模型，采用零空间投影的方法解决了量测模型中存在的量测噪声与状态向量的相关联问题；（5）分别分析了量测噪声与状态向量相关联对位姿估计结果的影响、状态向量中包含的位姿数量对位姿估计结果的影响以及标准扩展 Kalman 量测更新与渐进量测更新方法所具备的不同的位姿估计性能，为不同的硬件条件下取得最优的位姿估计效果的参数设置提供了依据。研究成果实现了预期目标，为解决着陆平台运动条件下无人直升机自主降落提供了理论依据，可应用于智能环境感知与多智能体协调控制场景。