科学家研发一种低成本无人机，可以自动跟踪运动目标！

近年来，无人机在侦察、监视和目标捕获等领域有着广泛的应用，通过自主探测和测绘收集视觉数据表现出了良好的性能。在本文中，研究人员提出了一个基于机载视觉的低成本无人机自主跟踪运动目标的系统。利用基于核相关滤波(KCF)跟踪器的目标检测算法实现实时视觉跟踪。一个带有独立惯性测量单元(IMU)的三轴平衡摄像机用于在飞行过程中瞄准选定的目标。用于跟踪任务的飞行控制算法在配备机载计算机和微控制器的定制四旋翼飞行器上实现。实验验证了该系统的可靠性和有效性，并成功实现了对地面和空中目标的跟踪。

相关论文以题为“Real-Time Visual Tracking of Moving Targets Using a Low-Cost Unmanned Aerial Vehicle with a 3-Axis Stabilized Gimbal System”发表在《Applied Sciences》上。

研究背景

近十年来，无人机(uav)的使用呈爆炸式增长，越来越受到世界各国研究机构的重视。随着微机电系统(MEMS)等技术领域的一系列重大进展，许多过去局限于军事领域的无人机平台和任务导向传感器现在广泛应用于工业和商业领域。基于无人机的目标跟踪是最具挑战性的任务之一，它与交通监测、侦察、监视、目标捕获(RSTA)、搜救(SAR)、电力电缆检查等应用密切相关。跟踪系统是无人机的重要组成部分，它在大范围内快速检测出感兴趣的目标，然后在跟踪阶段对选定目标进行连续监视。为了实现目标捕获和定位，军用无人机通常配备机载雷达或制导导引头。然而，对于大多数民用无人机来说，它们太重而且负担不起。与直升机相比，四旋翼无人机具有更强的稳定性和更低的制造成本，是目前最流行的无人机平台之一。由于可携带性和灵活性，大多数四旋翼机的起飞重量小于15公斤，因此机载设备的有效载荷和电池续航能力非常有限。在这种情况下，由于机载计算能力差、传感器成本低，利用小型无人机平台对运动目标进行精确、稳健的跟踪仍然是一项具有挑战性的任务。

历史研究

与许多其他的探测传感器相比，摄像机似乎在基于uav的目标跟踪任务中具有内在的潜力，因为它们被动地接收环境信息和视觉特征，同时仍然是低成本和轻量化的。近年来，许多研究工作都在研究各种方法来实现利用摄像机进行目标跟踪。Wenzel等人提出了一种蜂鸟四旋翼飞行器自动着陆的视觉跟踪系统，该系统使用红外(IR)摄像机，非常便宜。利用向下指向电荷耦合器件(CCD)摄像机，他们设计并实现了一种基于视觉的自主直升机着陆控制算法。机载系统集成了一种用于目标视觉获取(一个移动直升机停机坪)和状态估计的算法，计算相对于着陆平台的六自由度(DOF)姿态。直升机停机坪由一个字母“H”和一个圆圈组成，是一种典型的结构模式，广泛应用于基于视觉的跟踪和着陆任务，因为它可以很容易地在杂乱的环境中检测和识别。基于正方形的基准标记的研究，如AprilTag和ArUco，也引起了人们对基于标记的视觉跟踪越来越大的兴趣。

研究目的

基于现有的挑战，本文提出了一种基于机载视觉的系统，利用三轴框架系统来跟踪以未知速度运动的任意三维物体。KCF跟踪器被用来检测和定位感兴趣的目标从图像所获得的框架摄像机。3轴稳定万向节系统是由无刷直流电机(BLDCMs)驱动和磁性旋转编码器连接到每个轴的角度位置的高分辨率输出。然后，将KCF跟踪器的结果输入一个比例导数(PD)控制器，该控制器将框架摄像机的光轴与连接摄像机和目标的LOS对准。摘要提出了一种基于比例导航(PN)方法的多旋翼无人机跟踪策略，使得在目标位置未知的情况下仍能对目标进行跟踪成为可能。一种低成本的实验性四旋翼飞行器是为实时飞行测试定制的，它配备了一个使用消费传感器的微控制器和机载计算机进行图像处理。所提出的系统通过成功跟踪一架沿未知路径飞行的商用四旋翼飞行器进行了实验验证。研究人员通过对目标和拦截器的飞行数据分析，证明了该系统的可靠性和成本效益。

问题表述和系统架构

尽管有许多算法能够从视讯流中跟踪目标，但由于uav -目标相对运动的高动态，计算机视觉领域报道的技术不能轻易扩展到机载应用。在本节中，一架小型商用无人机(直径41厘米)被认为是速度未知的目标。如果这些不受欢迎的空中访客飞到机场、监狱和军事基地等不允许使用民用无人机的地方，就会造成大问题。因此，针对恶意无人机日益增长的威胁，大量的反无人机防御系统被引入。一种方法是使用类似来复枪的装置发射高功率电磁波干扰无人机控制系统，迫使其立即降落。另一种选择是在半空中捕获目标，使用无人机平台携带网枪。

考虑图1，它描述了UAV-Target的相对运动学并定义了坐标系统。令表示随无人机移动的机身框架，附加到无人机上但相对于框架旋转的摄像机框架，作为惯性参照系的东北下(NED)坐标系，图像框架。相机边框的原点为光学中心，与相机的光轴重合。

图1.UAV-Target相对运动学。

针对运动目标跟踪的任务，研究人员构建了一种配备三轴框架摄像机的四旋翼无人机系统，用于在跟踪回避场景下对目标进行检测和跟踪。视觉跟踪系统处理图像，驱动万向节搜索目标区域。一旦检测到入侵的无人机，就会获取目标在每一帧图像中的位置，自动瞄准模块利用这一点对框架进行瞄准控制。当目标被锁定时，摄像机姿态可以作为输入信息来控制无人机飞行。图2展示了提议的基于视觉的系统。

图2.自主视觉跟踪系统的体系结构。

在大多数民用无人机应用中，万向架系统和无人机飞行控制系统是相互独立的。然而，为了实现对运动目标的自主跟踪，本文提出的视觉算法在运行于Linux系统的车载计算机上实现，从而实现对两个系统的协调。

万向架系统的运动学

在单台摄像机视场有限的情况下，万向架系统能够使摄像机旋转到理想的方向，被广泛应用于摄像、监控等诸多领域。当这些系统安装在UAV上时，力矩马达被IMUs和其他角传感器激活，以补偿UAV飞行产生的所有旋转，这将稳定成员返回到它的原始姿态。如图3和图4所示,本文中使用的平衡系统由直流(DC)发动机平衡平台,磁旋转编码器这个意义上的相对旋转,嵌入稳定控制器处理所有的传感器信息和输出控制信号,振动阻尼器连接外常平架无人机的身体,和相机,捕捉图像。

图3.使用硬件悬挂式相机。(1)视频流输出端口;(2)嵌入式稳定控制器;(3)采用磁旋转编码器的无刷直流电机;(4)减振器;(5)相机。

图4.万向节控制系统的细节。(a) 3轴稳定控制器(BaseCam SimpleBGC 32位微型)(b) HT3505无刷直流电机，AS5048A磁旋转编码器。

三轴平衡式相机支撑结构由机壳、外框、中框、内框组成，如图5所示。将运动关系设定为横摆、横摆、俯仰序列，并介绍了四种坐标系:固定坐标系、外坐标系、中间坐标系和由三个转动关节连接的内坐标系。考虑到平衡架的常见结构，定义相对角度为偏航(yaw)、横摇(roll)和俯仰(pitch)。机架通过绕轴旋转而进入机架。机架通过绕轴旋转进入机架。最后，通过绕轴旋转将机架带进机架。将框架的坐标系(图5)平行放置，作为配置(，)=(0,0,0)中的初始状态。

图5.构型为(，)=(0,0,0)的框架从侧面和正面观察，以及它们之间的关系。虚线表示每个关节的方向。

结论

本文提出了一种机载视觉跟踪系统，该系统由框架式摄像机、机载图像处理计算机和微控制器组成，控制无人机接近运动目标。本系统采用基于kcf的算法对任意目标进行实时检测和跟踪，实验证明了该算法的有效性和可靠性。利用视觉信息，三轴框架系统自主瞄准选定目标，在实际飞行中取得了良好的性能。该系统已经通过实时目标跟踪实验进行了验证，使一个低成本的四旋翼飞行器能够跟踪一架飞行的无人机，如图中所示。

未来的工作可能包括使用附加到摄像机的激光测距模块，它能够提供无人机相对于目标的精确距离。尽管这将增加系统的成本，但研究人员期待它的潜在应用，如目标地理定位和自动着陆。通过使用基于深度学习的检测算法结合大量样本图像，也可以实现性能的改进。本文使用的CMOS传感器成本较低，可能会导致卷帘门效应。如果错误是戏剧性的，应该作出补偿来处理这个问题。

论文链接：https://www.mdpi.com/2076-3417/10/15/5064/htm