针对空中目标的跟拍画面不清晰、不稳定的问题,设计了 一种基于双变焦摄像头的空中目标跟拍系统,采用高精确云台、双变焦摄像头及高性能计算机,能够根据目标距离动态调整双变焦摄像头的焦距,在跟踪目标并拍摄清晰、稳定的运动图像.该系统采用了基于深度学习的目标检测算法,通过加权质心算法计算目标质心位置;采用卡尔曼滤波与轨迹拟合相结合的位置预测算法,利用三面交汇原理计算目标的空间位置.实验结果表明:该系统能够获取目标稳定清晰的图像并计算目标的空间位置,验证了系统的可靠性和实用性.

传统翼伞系统的航迹规划主要考虑落点精度及逆风着陆等指标,而当空投区域环境较为复杂,在翼伞系统归航路径上存在障碍时,如何规避这些障碍也成为翼伞系统航迹规划所必须要考虑的因素.针对翼伞空投过程有可能遇到高山或者高大建筑物阻碍的问题,提出了一种复杂环境下翼伞系统的组合式航迹规划策略.该方法将翼伞空投的区域分为障碍区和着陆区,在障碍区中采用快速搜索随机树(RRT)算法进行可行路径搜索,考虑到RRT算法生成的轨迹包含棱角,导致路径不够平滑的问题,结合翼伞系统质点模型的运动特性,对其进行了适用性改进,以使规划的航迹满足实际翼伞空投需求.为了解决RRT算法搜索方向随机,难以满足逆风着陆的问题,当翼伞系统进入着陆区后采用分段归航的方式设计航迹,并借助遗传算法(GA)求解目标参数,实现翼伞系统能量控制及逆风着陆.提出的复杂环境下翼伞系统的组合式航迹规划策略求解速度较快,能够同时满足翼伞系统避障、能量控制及逆风着陆要求,得到的参考航迹较为平滑.

传统最优控制航迹规划一般以逆风精确着陆、控制能量小为优化目标,但传统最优控制的操纵过程一般是一条连续变化的曲线,工程上不易实施;与之相比,传统分段航迹规划操纵简单,工程上容易实施,能实现逆风精确着陆的目标,但控制能耗大.为了兼顾逆风精确着陆、能耗低和控制操作简单等目标,提出了一种基于梯度下降法的翼伞最优分段航迹规划方法.该方法将控制变量参数化,将逆风精确着陆、控制能耗小、能实现避障等多目标优化问题转化为加权单目标优化问题,并通过梯度下降法求解得到分段常值最优归航航迹.所提算法与基于伪谱法的最优控制规划航迹和基于遗传算法的分段规划航迹进行了对比,算法仿真结果表明本文提出的最优分段航迹规划法既可以实现着陆精度高、控制能量小、逆风着陆和避障的优化目标,同时规划的航迹又由分段常值实现控制,工程上容易实施,兼顾了最优控制航迹规划和分段航迹规划的优点.