无人机对移动目标的估计和追踪
摘要：基于图像的控制策略和目标运动估计被开发出来，用于追踪没有运动约束的动态目标。据我们所知，这是第一项利用边界框作为图像特征进行追踪控制和估计动态目标的工作，而不考虑运动约束。从You-Only-Look-Once (YOLO) 深度神经网络生成的特征可以消除大多数文献中连续可用特征点的假设，并减小应用之间的差距。挑战在于目标的运动模式未知，建模其动力学是不可行的。为了解决这些问题，目标的动力学被建模为常速模型，并作为无迹卡尔曼滤波（UKF）中的过程模型。但过程噪声是不确定的且对系统不稳定性敏感。为了确保估计误差的收敛性，噪声协方差矩阵根据移动窗口内的历史数据进行估计。UKF估计的运动被实现为开发的控制器中的前馈项，从而提高了追踪性能。通过仿真验证了开发的估计器和控制器的有效性。
作者：Jun-Ming Li, Ching Wen Chen, and Teng-Hu Cheng
论文ID：1906.02573
分类：Systems and Control
分类简称：cs.SY
提交时间：2019-06-07