10、高速目标重复轨迹拦截策略与轨迹估计方法

高速目标重复轨迹拦截策略与轨迹估计方法

1. 引言

在自动化机器人系统中，利用视觉信息进行运动跟踪和引导是一个备受关注的问题。通过视觉信息，自主引导的机器人能够跟踪并捕获在大致已知或可预测轨迹上移动的目标。在户外环境中拦截目标具有挑战性，这对于军事防御和重要民用基础设施的保护都至关重要。

使用无人机拦截入侵目标具有成本低、部署迅速的优点，但无人机的性能受到其有效载荷能力的限制。在这种情况下，目标检测依靠视觉信息。然而，由于无人机在传感、有效载荷和计算能力方面的限制，利用视觉信息进行目标拦截十分困难。

拦截策略通常基于目标未来轨迹的估计、基于视觉伺服的控制器或基于视觉的制导律。基于视觉伺服的控制器大多适用于慢速移动的目标，而高速目标的拦截制导策略则较为困难，因为与低速目标相比，制导律对拦截器的可捕获区域较小。此外，户外环境中的视觉输出可能存在噪声，且视野范围比雷达等其他传感器小，因此利用视觉信息进行拦截更加困难。对于高速目标，通过短时间间隔预测目标轨迹的拦截策略并不有效，所以准确估计目标轨迹对于高效拦截高速目标至关重要。

当获取目标的循环轨迹后，可将拦截器置于有利位置以提高拦截概率。本文考虑一个问题：一个空中目标以高速在重复循环中移动，一架空中机器人（无人机）需要通过其成像系统观察目标的运动，并预测目标轨迹，以便引导自身有效捕获目标。

本文提出了一种拦截在重复循环中移动的高速目标的策略，该策略基于扩展卡尔曼滤波器（EKF）、递归神经网络（RNN）和最小二乘曲线拟合技术对目标轨迹进行估计和预测。EKF用于跟踪在近似重复循环中机动的目标，通过收集轨迹第一圈的数据点，然后结合机器学习和最小二乘曲线拟合技术，准确估计后续循环的未来位置。EKF从视觉信