基于无人机对运动目标的估计与跟踪
系统与控制
2024-09-23 v1 系统与控制
摘要
本文提出了一种基于图像的控制策略，结合目标运动估计，用于跟踪无运动约束的动态目标。据我们所知，这是首项利用边界框作为图像特征、对无运动约束动态目标进行跟踪控制与估计的工作。由 You-Only-Look-Once (YOLO) 深度神经网络生成的特征，可放宽现有多数文献中特征点持续可用的假设，并缩小与实际应用之间的差距。面临的挑战在于目标运动模式未知且难以建模其动力学。为解决这些问题，目标动力学采用常速度模型建模，并作为无迹卡尔曼滤波器（unscented Kalman filter, UKF）的过程模型，但过程噪声不确定且对系统失稳敏感。为保证估计误差收敛，依据滑动窗口内的历史数据估计噪声协方差矩阵。UKF 估计出的运动作为所设计控制器中的前馈项，从而提升跟踪性能。仿真实验验证了所设计估计器与控制器的有效性。
引用
@article{arxiv.1906.02573,
title = {Estimation and Tracking of a Moving Target by Unmanned Aerial Vehicles},
author = {Jun-Ming Li and Ching Wen Chen and Teng-Hu Cheng},
journal= {arXiv preprint arXiv:1906.02573},
year = {2024}
}
备注
Accepted final version to appear in: American Control Conference, 2019