视线驱动的云台跟踪技术

人在回路的遥操作是未来相当长时期内无人武器云台的主要操控方式。针对无人武器云台手动遥操作控制方法存在的负担重、效率低等问题,提出一种视线驱动跟踪方法,通过检测眼球运动来追踪人眼视线,捕获操控人员对特定目标的注视信息,建立操控人员眼动与无人武器云台目标跟踪的随动关系,实现“看哪打哪”。给出了眼动检测、视线估计、无人武器云台运动映射模型及随动跟踪瞄准等的实现方法和流程,并进行了相关试验验证。结果表明,该方法可使无人武器云台的目标跟踪瞄准操控摆脱对肢体的需求,用视线操作代替传统的手动操作,可有效减轻手动操控负担,提高操控及时性、准确性和人机交互效率,将成为无人武器的重要操控方式。

基于YOLOv2-Tiny的无人机火灾检测与云台跟踪研究

针对PC(Personal Computer)在无人机火灾检测应用中的环境受限问题,提出了一种基于YOLOv2-Tiny的无人机火灾检测与云台跟踪方法。首先,在改进的YOLOv2-Tiny模型上进行预训练获得最优YOLOv2-Tiny模型,并在K210开发板上部署最优YOLOv2-Tiny模型;其次,将检测到的火灾图像传至云端并将火灾框选中心与图像中心之间的距离参数传递给PID进程,控制云台实现实时火灾跟踪;最后,通过无人机实际飞行验证火灾检测与云台跟踪的能力。实验结果表明,相较于YOLOv2模型,YOLOv2-Tiny在测试集上具有更高的检出率,检出率达到96.66%,并且检测速度达到每秒14帧,云台跟踪中心位置像素误差(CPE)低于5,实时检测与跟踪过程中无人机姿态角保持相对稳定,该研究在火灾实时检测方面具有潜力。

一种基于STM32的目标实时跟踪系统研究

为了解决现有目标跟踪系统难以小型化和跟踪速度慢的问题,设计了一种以型号为STM32F103ZET6的32位ARM处理器为主控芯片的二维运动目标跟踪系统。系统包括搭载了高清网络摄像机的二维跟踪云台和以STM32为核心的超声电机双路驱动器。系统通过上位机图像处理识别目标,控制下位机超声电机双路驱动器驱动二维云台跟踪目标。实验结果表明,该系统响应速度快、结构简单且跟踪精度高,云台可实现水平方向0°~360°、竖直方向0°~180°旋转。

聚光太阳电池新型高精度双轴视日云台研究

设计一种聚光太阳电池新型高精度双轴视日云台系统,对系统结构、光电传感器、跟踪算法和跟踪方案进行设计优化,最终实现对太阳位置的全天候高精度跟踪。传动系统采用传动比100∶1的高精度蜗轮蜗杆配合偏心轴套的设计,光电传感器用四象限硅光电池代替传统的光敏器件。太阳跟踪算法采用高精度ENEA算法,同时基于机器人运动学建立系统误差校正算法,消除了设备初装位置与位姿、加工与装配等系统误差。跟踪方案采用主动跟踪和被动跟踪结合的混合跟踪。最后,利用图像处理的方法对样机原型进行实验验证,系统跟踪精度可达0.188°。

基于深度学习的无人机目标识别与反制

随着低空无人机在军事和民用领域的广泛应用,其安全隐患亟需关注。本文提出一种基于改进YOLOv7模型的检测方法,并引入注意力机制,强化模型对目标区域特征的表达能力。同时,提出一种改进的StrongSORT跟踪算法,优化跟踪性能。这些研究成果提高了检测和跟踪的准确性和实时性,通过云台主动跟踪控制算法扩大了监控视野,增强了系统的跟踪灵活性。最终实现了一套完整的红外无人机检测与跟踪系统,满足了实时跟踪的需求,并探讨了其在民用领域反无人机系统中的潜在应用。