在無(wú)人機(jī)與運(yùn)動(dòng)平臺(tái)的機(jī)動(dòng)狀態(tài)條件下，為了滿足相對(duì)位姿測(cè)量系統(tǒng)的跟蹤要求，需要實(shí)現(xiàn)運(yùn)動(dòng)平臺(tái)上的相對(duì)位姿測(cè)量系統(tǒng)對(duì)機(jī)動(dòng)狀態(tài)下的目標(biāo)無(wú)人機(jī)的實(shí)時(shí)穩(wěn)定跟蹤。在對(duì)目標(biāo)無(wú)人機(jī)的跟蹤過(guò)程中，如果直接對(duì)場(chǎng)景中的所有內(nèi)容進(jìn)行匹配計(jì)算，尋找最佳匹配位置，需要處理大量的冗余信息。因此，為了縮小目標(biāo)搜索范圍，需要采用一定的搜索算法對(duì)未來(lái)時(shí)刻目標(biāo)的位置狀態(tài)進(jìn)行事先估計(jì)假設(shè)。目前比較常用的方法包括預(yù)測(cè)法、優(yōu)化搜索方向、逐幀檢測(cè)法和逐幀分割法，針對(duì)無(wú)人機(jī)著陸過(guò)程中，環(huán)境干擾較大，運(yùn)動(dòng)較為復(fù)雜，選擇預(yù)測(cè)法進(jìn)行縮小目標(biāo)搜索范圍。預(yù)測(cè)法可以預(yù)測(cè)運(yùn)動(dòng)體下一幀可能出現(xiàn)的位置，在其相關(guān)區(qū)域內(nèi)尋找最優(yōu)點(diǎn)。
針對(duì)位姿測(cè)量系統(tǒng)對(duì)目標(biāo)無(wú)人機(jī)著陸過(guò)程中的跟蹤特點(diǎn)分析，可以得知：
(1)觀測(cè)到的無(wú)人機(jī)可能存在多個(gè)視角，而各視角間的外觀存在較明顯差異，此外由于氣象因素，背景變化較為復(fù)雜；
(2)可以利用無(wú)人機(jī)系統(tǒng)自身提供的輔助信息，主要包括測(cè)控鏈路提供的位置信息作為輔助跟蹤；
(3)跟蹤目標(biāo)為協(xié)作模型，即已知其各視角模型，可以在離線情況下進(jìn)行訓(xùn)練。
基于以上特點(diǎn)，提出基于多信息融合的多視角協(xié)作模型跟蹤技術(shù)，采用運(yùn)動(dòng)平臺(tái)導(dǎo)航設(shè)備提供的無(wú)人機(jī)目標(biāo)信息結(jié)合貝葉斯框架下的卡爾曼濾波算法，算法原理如圖3所示。首先，充分利用協(xié)作模型進(jìn)行離線學(xué)習(xí)，建立多視角模型庫(kù)。當(dāng)檢測(cè)到目標(biāo)初始位置后，估計(jì)其當(dāng)前視角，并與模型庫(kù)中對(duì)應(yīng)視角模型進(jìn)行匹配，利用卡爾曼濾波預(yù)測(cè)其下一幀位置。同時(shí)，將相對(duì)位姿測(cè)量系統(tǒng)提供的目標(biāo)無(wú)人機(jī)運(yùn)動(dòng)信息與上述視覺(jué)算法預(yù)測(cè)信息進(jìn)行數(shù)據(jù)融合，獲得下一幀目標(biāo)最終預(yù)測(cè)位置。目標(biāo)匹配示意圖如圖4所示。
免責(zé)聲明:凡注明來(lái)源全球無(wú)人機(jī)網(wǎng)的所有作品，均為本網(wǎng)合法擁有版權(quán)或有權(quán)使用的作品，歡迎轉(zhuǎn)載，請(qǐng)注明出處。非本網(wǎng)作品均來(lái)自互聯(lián)網(wǎng)，轉(zhuǎn)載目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點(diǎn)和對(duì)其真實(shí)性負(fù)責(zé)。
?