21级专硕王家卿《面向空地协同的无人机对地目标跟踪与自主降落研究》
文摘
科技
2024-05-04 21:17
江苏
无人机被广泛用于空中侦察、农业种植与交通物流等任务场景。相比而言，无人机受载重限制无法长时间大范围执行任务，而无人车具有续航能力强，载重大等特点。因此，无人机-无人车空地协同系统在联合搜救、军事作战等任务中作用日益显著。本文针对无人机-无人车空地协同需求，重点研究无人机跟踪移动地面目标与自主着陆问题。对此，首先针对无人机目标跟踪任务中失锁后恢复跟踪的难题，提出基于深度强化学习的混合式课程学习目标跟踪控制方法；其次，针对强风干扰条件下无人机自主降落在移动无人车的难题，提出融合自适应教练策略的深度强化学习算法。最后，利用搭建的虚拟仿真测试环境和真实物理实验平台，对所提出的无人机目标跟踪方法和自主降落方法进行实验研究，证明了上述方法的可行性。本文主要研究内容如下：
（1）针对无人机跟踪目标时的失锁与再跟踪问题，提出了集成混合课程学习的深度强化学习方法。将渐进式课程学习与自动课程学习相结合，成功引导智能体从学习基本的跟踪规律到学习跟踪失锁与再跟踪规律。同时，在视觉跟踪方面提出了基于TCTrack与图像鬼影的目标视觉跟踪与运动趋势估计方法，经测试成功率达到99%，为无人机跟踪任务下的环境感知与目标搜索提供可靠的技术支撑。![]()
图1 基于TCTrack与图像鬼影的视觉跟踪与运动趋势估计方法![]()
图2 集成Track- HCL的TD3控制策略训练过程（2）针对强风干扰条件下无人机自主降落在移动无人车的难题，提出了一种无人机自主降落框架。将YOLOv5与深度强化学习相融合，实现无人机精确感知地面目标位置。其次，在强化学习智能体训练时引入了自适应教练算法与记忆强化方法，经测试成功率达到98%。![]()
（3）为评估所提出方法的有效性，搭建了无人机与无人车实验平台，以NVIDIA Nano机载电脑为载体，对提出的目标跟踪和自主降落算法进行了硬件部署。在实验时，将仿真环境中训练出的最优控制策略迁移至真实无人机-无人车实验平台，验证了本文所提出算法在嵌入式平台和真实环境下的有效性。
图4 无人机降落在地面移动无人车的轨迹图
综上所述，本文针对空地协同背景下的无人机目标跟踪及自主降落无人车任务，解决了跟踪任务中失锁后恢复跟踪的难题，以及强风干扰条件下无人机自主降落在移动无人车的难题，并进行了真实机器人实验，对空地协同系统研究具有一定的参考价值。![]()
