边境监控中的小型无人机编队协同目标跟踪

Nowadays, foreign and domestic terrorists have posed great challenges to the safety of our border area. China has a long borderline with rugged terrain and it takes a large amount of time and efforts to patrol on the land, which also threatens the life safety of border policeman. A formation of low-attitude small unmanned aerial vehicles (UAVs) can take place of humans to monitor a much larger area, search, identify and track suspected targets. It can help to reduce the patrol time and period, improve the monitoring efficiency and relive the threat to human safety, and is thus considered an economic, efficient and safe solution. In this project, the formations of small UAVs equipped with low power consumption sensors such as vision or infrared sensors are studied for the purpose of border patrol and antiterrorism. The study is focused on the distributed information fusion and the cooperative flight optimal control in target tracking. Two key problems are addressed, the cooperative sensing coverage control under different environmental conditions and flight constraints, and the combined optimization of target state estimation and formation flight control. The aim is to optimize the estimation performance and maximize the cruising time of the formation while achieving the task requirements under complex environmental conditions. By the developed simulation and outdoor experiment platforms, the effectiveness of the proposed algorithms will be verified and the performance will be evaluated.

当前，境内外恐怖势力已对我国边疆地区安全形势提出了严峻挑战。我国边防线辽阔漫长、地形复杂，地面巡逻的方式往往耗时耗力，且给边防官兵的生命安全造成巨大威胁。利用低空小型无人机编队进行大面积区域实时巡航监控，搜寻、识别并跟踪可疑目标，可极大减小巡逻时间和周期、提高监控效率、降低人员伤害，是一套经济、高效、安全的解决方案。本项目主要面向边境监控和反恐安保的应用需求，以搭载视觉和红外等低功耗传感器的小型无人机编队为主要研究对象，围绕目标跟踪中的分布式信息融合和协同飞行优化控制两个方面进行研究，重点解决多种环境和约束条件下的协同探测覆盖控制、目标状态估计与编队飞行控制联合优化两个关键问题，目的是使编队的探测和估计性能达到最优，滞空时间达到最长，并满足复杂环境下的任务需求，最后通过搭建的仿真和室外场景试验平台进行算法有效性验证及性能测试评估。

本项目针对边境监控和反恐安保的应用需求，以搭载视觉等低功耗传感器的小型无人机编队为主要研究对象，重点围绕复杂环境和多约束下的无人机协同感知、目标状态估计、编队飞行控制，基于多源信息融合理论，开展了以下五个方面的研究：基于无迹转换的无人机协同定位和目标跟踪算法；基于分布式模型预测控制的多无人机协同障碍规避算法；无碰撞下的无人机密集编队控制算法；基于视觉、激光雷达等多传感器融合的编队自主感知与障碍规避技术；复杂环境中基于SLAM技术与激光雷达的导航与避障技术。.本项目取得的主要研究进展和结果如下：（1）提出了一种基于无迹变换的分布式混合信息滤波算法，解决了过程、量测模型非线性、通讯带宽有限下无人机集群协同定位和目标跟踪问题；（2）提出了一种基于分布式模型预测控制的编队控制方法，实现了在有限通讯距离、碰撞规避、状态、输入有界条件下的多无人机协同障碍规避；（3）提出了一种无碰撞下的无人机密集编队控制和参数设计方法，理论证明了该算法在仅需满足初始位置的基本约束下，即可在初始位置随机给定的条件下零误差收敛到预定编队队形；（4）提出了一套基于视觉、激光雷达等多传感器融合的编队自主感知与障碍规避算法，并搭建无人机平台验证了无人机的障碍规避和编队保持能力；（5）设计了一套基于雷达-视觉-惯导（IMU）多源传感器信息融合的SLAM系统，创新型地提出了复杂环境无人机持续导航、低成本传感器环境快速建模与理解、高动态环境快速灵敏飞行等技术，实现了无人机在复杂环境中的精准自定位与环境重构。.本项目总体执行情况良好，各项研究内容基本沿着申请书和计划书的计划进行。在本项目的直接支持下，已发表期刊论文9篇，其中SCI 一、二区检索2篇，本领域重要会议论文3篇；已培养博士研究生1人，硕士研究生5人，多次邀请国内外著名学者开展学术交流和合作研究，满足项目申请书研究目标。