[发明专利]基于目标加速度估计的无人机捕获目标的控制方法

说明书

本发明公开了一种基于目标加速度估计的无人机捕获目标的控制方法，该方法中通过机载摄像机实时拍摄目标无人机的画面，从而获得带有目标无人机的连续图像信息，利用卷积神经网络，通过图像识别的方式获得每一帧图像上目标无人机的特征点位置，再根据特征点位置实时解算出无人机相对于摄像机的状态估计，在此基础上解算追踪无人机的控制指令，进而控制所述追踪无人机捕获目标。

技术领域

本发明涉及旋翼无人机识别及追踪目标的控制方法，基于目标加速度估计的无人机捕获目标的控制方法。

背景技术

随着无人机应用的兴起，利用光学传感器进行无人机检测和姿态估计成为协同飞行和低空安全的重要研究课题。现有的技术仅基于目标检测方法获得目标无人机的位置，进而控制无人机追踪或捕获目标，然而现有技术中，对于目标位置、速度等信息的实时估计的准确性、即时性都有待提高，在获得目标的运动信息后，追踪无人机的制导控制方案一般为PID控制算法，但是实际结果并不够理想，其精度和即时性也难以满足所有的飞行任务要求。

为了获得更好的适应性和增强协同性能，目标无人机的姿态信息成为了解其状态和意图的关键信息，例如四旋翼的加速度，目前，大多数的目标6D位姿估计算法都依赖于精确的位姿标注或三维目标模型，这些算法耗费大量人力资源，难以应用于非合作目标。

然而，对于非合作目标，不可能提前在目标无人机上绘制特殊识别标记，所以需要基于无人机的一般特征进行识别和判断，但目前并没有相关领域的研究。

由于上述原因，本发明人对现有的四旋翼无人机状态估计做了深入研究，并研究新的追踪无人机控制方案，以期待设计出一种能够解决上述问题的基于目标加速度估计的无人机捕获目标的控制方法。

发明内容

为了克服上述问题，本发明人进行了锐意研究，设计出一种基于目标加速度估计的无人机捕获目标的控制方法，该方法中通过机载摄像机实时拍摄目标无人机的画面，从而获得带有目标无人机的连续图像信息，利用卷积神经网络，通过图像识别的方式获得每一帧图像上目标无人机的特征点位置，再根据特征点位置实时解算出无人机相对于摄像机的状态估计，在此基础上解算追踪无人机的控制指令，进而控制所述追踪无人机捕获目标，从而完成本发明。

具体来说，本发明的目的在于提供一种无人机捕获目标的控制方法，该方法中实时获得目标无人机的状态估计，并据此解算追踪无人机的控制指令，通过该控制指令控制所述追踪无人机捕获目标。

其中，所述控制指令通过下式(一)实时获得：

a_c＝K_p(P_t-P)+K_v(V_t-V)+K_α(a_t-a) (一)

其中，K_p、K_v和K_α都表示控制参数；优选地，K_p的取值为1.6，K_v的取值为3.6，K_α的取值为0.8；

P_t表示目标无人机的位置，V_t表示目标无人机的速度，α_t表示目标无人机的加速度；

P表示追踪无人机的位置，V表示追踪无人机的速度，a表示追踪无人机的加速度。

其中，所述目标无人机的状态估计通过下述步骤获得：

步骤1，通过携带有摄像机的追踪无人机追踪并拍摄目标无人机，获得连续的包含目标无人机的图像；

步骤2，通过卷积神经网络处理所述图像，并从每帧图像中都提取出目标无人机的4个关键点的像素坐标；

步骤3，根据所述目标无人机的4个关键点的像素坐标获得目标无人机的状态估计。