GPS干扰环境中动态目标跟踪的新方法

《工程》杂志上发表的一项研究介绍了一种新颖的基于图像的视觉伺服 (IBVS) 方法，用于无人机 (UAV) 在 GPS 无法识别的环境中跟踪动态目标。这篇题为“不可预测干扰下无人机的动态目标跟踪”的研究文章提出了一种综合方法，可解决在存在外部干扰的情况下估计目标速度、图像深度估计和跟踪稳定性的挑战。

所提出的方法利用构建的虚拟相机来导出欠驱动无人机的简化且解耦的图像动力学。通过考虑动态目标不可预测的旋转和速度引起的不确定性，研究人员开发了一种独特的图像深度模型，该模型扩展了IBVS方法以跟踪任意方向的旋转目标。该模型保证了精确的图像特征跟踪和旋转目标的平滑轨迹。

为了估计无人机与动态目标之间的相对速度，设计了速度观测器。该观测器消除了平移速度测量的需要，并减轻了由含噪声测量引起的控制颤振。此外，还引入了基于积分的滤波器来补偿不可预测的环境干扰，从而增强了无人机的抗干扰能力。

使用 Lyapunov 方法对速度观测器和 IBVS 控制器的稳定性进行了严格分析。通过对比仿真和多阶段实验，验证了该方法在动态旋转目标下的跟踪稳定性、抗干扰能力和跟踪鲁棒性。

这项研究的主要贡献包括：

1.新颖的图像深度模型：研究人员提出了一种独特的图像深度模型，无需跟踪目标的旋转信息即可准确估计图像深度。该模型使得所提出的 IBVS 控制器的应用能够跟踪任意方向的动态旋转目标。

2.速度观测器：设计了专用的速度观测器，用于估计无人机与动态目标之间的相对速度。这使得所提出的方法可以在 GPS 拒绝的环境中使用，同时减轻由含噪声的速度测量引起的控制颤动。

3.基于积分的滤波器：基于积分的滤波器被开发用于估计和补偿不可预测的干扰，包括动态目标的加速度和环境干扰。这增强了无人机处理动态目标未知运动和外部干扰的能力。

总之，本研究提出了一种动态 IBVS 方法，可显着提高无人机在存在不可预测干扰的情况下的跟踪性能。通过利用速度观测器、新颖的图像深度模型和基于积分的滤波器，该方法增强了跟踪稳定性、抗干扰能力和鲁棒性。利用Lyapunov理论对该方法的稳定性进行了深入分析，并通过仿真和实验验证了其有效性。