无人机精确抵近控制方法、系统及设备

本发明涉及无人机控制，尤其是指一种无人机精确抵近控制方法、系统及设备。

背景技术：

1、无人机已被广泛应用于目标巡检、目标跟踪、物流递送等任务，这些任务在本质上可统一建模为无人机精确抵近控制过程，例如目标巡检和目标跟踪是带有安全距离的抵近，而物流递送则是期望距离为零的抵近。在此类任务中，目标视觉感知的精度、中心点定位的稳定性以及控制响应的鲁棒性，直接决定了任务执行的可靠性与安全性。目前，常规的无人机感知与控制方案通常采用检测模型输出目标边界框-根据边界框计算目标中心点-计算像素误差-输入控制器的串行处理框架。

2、然而，该常规方案在感知模型设计、目标信息表征以及感知与控制融合方面仍存在明显不足。首先，感知范式存在冗余，主流目标检测算法多采取框范式，依赖于边界框回归间接获得目标中心点和尺度信息，但下游精确控制任务实际需要的是目标的准确位置以及能够直接反映目标观测尺度和形状稳定性的紧凑状态量，边界框的宽高信息并非必要，且小目标或大旋转变化场景下边界框的抖动会引入额外的控制误差。其次，感知精度不足，现有框检测方法的优化目标主要面向边界框定位，中心点坐标由边界框间接推算得到，缺乏对中心点定位的直接优化，导致在点定位精度、准确率和召回率上难以满足精确抵近控制的需求。再者，感知与控制之间存在割裂，现有的松耦合流程很少在感知模型设计阶段就考虑后端控制的具体需求，也未能将检测置信度、目标尺度变化、形状比例变化以及视线角跳变等视觉观测状态有效引入控制器参数的动态调节过程中，导致在视觉检测抖动、目标尺度快速变化或外部扰动条件下，固定参数pid或常规控制方法难以及时调整控制响应，容易产生姿态震荡、响应滞后和抵近过程不平滑等问题，显著影响无人机在复杂环境下的抵近性能。

技术实现思路

1、本发明所要解决的技术问题是：如何克服现有无人机精确抵近控制中视觉感知输出与控制器参数调节之间的松耦合问题。

2、为了解决上述技术问题，本发明采用的技术方案为：一种无人机精确抵近控制方法，包括以下步骤：

3、获取无人机机载视觉传感器采集的目标图像；

4、将所述目标图像输入预先训练的纯粹中心点检测网络，推理得到目标中心点、中心点置信度、水平各向异性高斯半径和垂直各向异性高斯半径；

5、基于所述水平各向异性高斯半径和所述垂直各向异性高斯半径，构建目标尺度表征量和目标形状表征量；以及根据所述目标中心点与预设图像参考点之间的像素偏差，计算水平视线角误差和垂直视线角误差；

6、根据所述中心点置信度、基于连续帧的所述尺度表征量确定的尺度预测残差和基于连续帧的所述形状表征量确定的形状预测残差，构造偏航通道观测可靠性权重和俯仰通道观测可靠性权重；

7、将所述水平视线角误差和垂直视线角误差作为输入，分别利用所述偏航通道观测可靠性权重和俯仰通道观测可靠性权重在线调节对应通道的线性自抗扰控制器的带宽，并通过所述线性自抗扰控制器中的扩张状态观测器估计并补偿总扰动，生成偏航角速度指令和俯仰角速度指令；以及基于所述目标尺度表征量与预设目标尺度之间的差值，生成前向速度指令；

8、将所述偏航角速度指令、俯仰角速度指令和所述前向速度指令发送至无人机飞行控制器，以控制无人机抵近目标。

9、本发明实施例还提供一种无人机精确抵近控制系统，包括：

10、图像采集模块，用于获取无人机机载视觉传感器采集的目标图像；

11、中心点检测模块，用于将所述目标图像输入预先训练的纯粹中心点检测网络，推理得到目标中心点、中心点置信度、水平各向异性高斯半径和垂直各向异性高斯半径；

12、视觉状态构建模块，用于基于所述水平各向异性高斯半径和所述垂直各向异性高斯半径，构建目标尺度表征量和目标形状表征量；以及根据所述目标中心点与预设图像参考点之间的像素偏差，计算水平视线角误差和垂直视线角误差；

13、观测可靠性计算模块，用于根据所述中心点置信度、基于连续帧的所述尺度表征量确定的尺度预测残差和基于连续帧的所述形状表征量确定的形状预测残差，构造偏航通道观测可靠性权重和俯仰通道观测可靠性权重；

14、线性自抗扰控制模块，用于将所述水平视线角误差和垂直视线角误差作为输入，分别利用所述偏航通道观测可靠性权重和俯仰通道观测可靠性权重在线调节对应通道的线性自抗扰控制器的带宽，并通过所述线性自抗扰控制器中的扩张状态观测器估计并补偿总扰动，生成偏航角速度指令和俯仰角速度指令；以及基于所述目标尺度表征量与预设目标尺度之间的差值，生成前向速度指令；

15、飞控接口模块，用于将所述偏航角速度指令、俯仰角速度指令和所述前向速度指令发送至无人机飞行控制器，以控制无人机抵近目标。

16、本发明实施例还提供一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如上任一项所述的无人机精确抵近控制方法。

17、本发明的有益效果在于：通过从机载视觉图像中直接推理目标中心点及其水平和垂直各向异性高斯半径，并在此基础上构建目标尺度表征量、形状表征量以及连续帧间预测残差驱动的观测可靠性权重，能够实时量化目标视觉观测的可靠程度，并据此在线自适应调节线性自抗扰控制器的带宽。当目标检测置信度高且尺度、形状平稳变化时，控制器以较高带宽快速响应视线角误差，实现敏捷对准；当发生检测抖动、遮挡或尺度突变时，控制器带宽被自动降低，有效抑制误调操引起的姿态震荡，同时基于尺度表征量与预设目标尺度的差值生成前向速度指令，在目标逼近过程中自动实现减速和停止的安全约束。因此，本方案在无需依赖目标边界框、实际物理尺寸或深度信息的条件下，显著提升了无人机精确抵近过程中对准的稳定性、控制的平滑性以及任务执行的安全性。

1.一种无人机精确抵近控制方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的无人机精确抵近控制方法，其特征在于，所述纯粹中心点检测网络包括顺次连接的特征提取模块、特征金字塔模块和多个尺度的中心点检测头；每个尺度的中心点检测头输出包括热力图分支、各向异性高斯半径分支、偏移量分支以及中心点质量辅助分支，其中所述各向异性高斯半径包括水平各向异性高斯半径和垂直各向异性高斯半径。

3.根据权利要求2所述的无人机精确抵近控制方法，其特征在于，在所述特征提取模块的高层特征之后，以可学习的残差形式连接有稀疏混合专家特征增强模块；所述稀疏混合专家特征增强模块包括多个专家分支和用于根据输入特征自适应生成各专家分支融合权重的路由器模块。

4.根据权利要求2所述的无人机精确抵近控制方法，其特征在于，所述推理得到目标中心点、中心点置信度、水平各向异性高斯半径和垂直各向异性高斯半径，包括：

5.根据权利要求1所述的方法，其特征在于，所述基于所述水平各向异性高斯半径和所述垂直各向异性高斯半径，构建目标尺度表征量和目标形状表征量，包括：

6.根据权利要求1所述的方法，其特征在于，所述根据所述中心点置信度、基于连续帧的所述尺度表征量确定的尺度预测残差和基于连续帧的所述形状表征量确定的形状预测残差，构造偏航通道观测可靠性权重和俯仰通道观测可靠性权重，包括：

7.根据权利要求1所述的方法，其特征在于，所述利用所述偏航通道观测可靠性权重和俯仰通道观测可靠性权重在线调节对应通道的线性自抗扰控制器的带宽，包括：

8.根据权利要求1所述的方法，其特征在于，所述基于所述目标尺度表征量与预设目标尺度之间的差值，生成前向速度指令，包括：

9.一种无人机精确抵近控制系统，其特征在于，包括：

10.一种计算机设备，其特征在于：所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述的无人机精确抵近控制方法。