距离缺失多特征融合的无人机感知与规避研究

As for the intense need for UAV in both military and civil applications,in the future the national airspace will be consist of both manned and unmanned Vehicles. UAV sense and avoid(SAA)technology has become one of the most promising area for UAV research and US DoD organize a SAA technology panel which focus on the technology gap of SAA in 2011. Vision-based SAA is one of the core technology of SAA system.We plan to establish a vision feedback error matrix with motin feature and stucture feature by feature extaction and centroid detection.The we can obtain a Depth-independent interaction Martrix in the framewok of Visual Servoing.By combining both UAV kinematics and SAA safe envelop we can setting up a Visual Servoing control algorithm which can be treat as a Depth-independent un-cooperative SAA strategy.By comparing and evaluating the depth dependent and independent SAA method, we finally will build up a three channel SAA system with Vision,Lidar and ADS-B sensors. This SAA system will be tested on typical collision scene with its basic function,core algorithm and performance evaluation.All the work can provide novel method and system framework for SAA development.

随着军民领域对无人机的需求日益强烈，未来将呈现多种类型无人机、有人机空域共享的局面，空域将日趋密集。无人机感知与规避(SAA)技术成为当前国际无人机技术研究的前沿领域，美国防部于2011年成立无人机SAA专家组，美欧针对SAA领域尚存的大量技术空白给予了高度关注。基于视觉的SAA是SAA系统的核心技术之一，本项目拟通过对空间小目标的结构特征提取和质心检测，构建具有视觉结构特征与运动特征相融合的视觉反馈误差矩阵，从而得到视觉伺服框架下的距离无关交互矩阵；建立基于飞机运动方程和安全飞行包络的视觉伺服控制方程，得到距离量测缺失下的非合作目标SAA策略。综合评估距离缺失与基于距离量测的两类SAA系统的差异，构建视觉、激光雷达、ADS-B三通道综合的SAA系统；并进行典型场景下距离缺失非合作目标的小型视觉SAA系统基本功能、核心算法和性能验证。为SAA系统发展提供新的视觉SAA方法和系统实现方案。

项目组按照研究计划实现了研究目标，深入研究了距离缺失（视觉）下单一/集群无人机的多特征多通道融合目标感知与规避方法。设计了基于视觉特征的视觉伺服控制方法和系统，实现距离信息缺失下的感知与规避功能；构建基于多传感器融合的感知与规避方法，进行了典型场景下的性能验证，并提出了相关的感知与规避能力等级；在此基础上，进一步将提出的感知与规避的方法应用于多平台协同感知与规避的场景中。主要贡献有：.1. 提出了一套基于安全性、精确性和高效性的无人机感知与规避设计方案，从感知、规划和控制三个要素出发进行感知与规避的联合优化建模；.2. 提出了一种基于单目视觉的小、微型无人机感知与规避技术方案。针对小、微型无人机的在载荷功能方面的局限性设计了基于视觉的感知与规避系统；基于光学传感器获得相对角度信息，提出一种二维空间下的动态安全包络方法，对目标的威胁状态进行评估，并结合视觉伺服控制器实现规避控制，保证无人机的空域飞行安全。.3. 提出了一种多信源融合的感知与规避系统方案，并进行包括传感器配置、功能算法和系统集成测试等功能的仿真实验验证。针对大、中型无人机与小、微型无人机在平台功能和任务属性的不同，分类别的构建无人机系统的感知与规避的技术标准和参考架构。为感知与规避算法设计和系统集成实验提供依据。.4. 提出了一种适用于多无人机感知与规避过程中的的协同目标感知方法。针对无人机集群在高动态、大范围环境下的操作应用需求，设计了基于分布式混合滤波框架的非线性目标状态估计方法并给出了系统稳定性的充分条件。与基于一致性的方法相比，所提出的方法在每个采样时刻仅需要一次通讯，大大降低了集群系统的通讯负担；其次，该方法能够保证在目标不在视场中的时候的稳定跟踪，提高了感知的鲁棒性。为无人机协同感知与规避技术的环境感知提供技术基础。.5. 提出了多约束条件下的无人机集群控制方法。针对多无人机在任务操作过程中的碰撞规避、飞行状态、控制输入等多种约束下的集群控制问题，设计了一种基于乘数交替方向法的分布式模型预测控制器，并针对有限迭代次数和时间条件下的系统可行性和稳定性的充分条件。.在该基金资助下出版专著2部，在本领域重要的国际期刊发表论文9 篇，其中SCI期刊6篇（含SCI二区5篇），CVPR, ICCV, ICUAS, IFAC 等领域内顶级会议论文16篇，获得发明专利9项，软件著作权5项。