拦截非合作动态目标的通用机器人方法

本文提出了一个面向自主、基于视觉的动态非合作目标拦截的通用框架，已在三个不同的运动平台上验证：无人机（UAV）、四轮地面小车和气动推力星际探测器测试平台。该方法仅依赖带有 fiducial 标记的单目相机进行目标跟踪，完全在局部观察者坐标系中工作，无需全局信息。本工作的核心贡献是一种可跨机器人灵活适配不同动力学特性的简化通用拦截方法，以及我们对在有限观测性和无全局定位条件下跨异构运动系统机器人拦截问题的全面研究。该方法集成了（1）用于相对姿态估计的扩展卡尔曼滤波器，以处理间歇性测量，（2）历史条件运动预测器用于动态目标轨迹预测，以及（3）求解受约束凸优化问题的滚动时域规划器，确保拦截路径在时效性和运动学可行性方面。我们的运行条件假设观测性受限于部分视场、传感器丢失以及目标遮挡。实验在上述条件下进行，包括在动态目标上进行无人机着陆、小车集合与领导跟随任务，以及星际探测器的近距离作业。仿真和物理实验结果表明，该框架在鲁棒性、计算效率方面表现出色，拦截误差低（包括保持期间和情景完成时），在确定性和随机目标运动模式下成功率高，在 Jetson Orin、VOXL2 和树莓派 5 等嵌入式处理器上可实时执行。这些结果凸显了该框架的通用性、鲁棒性和计算效率。