FA-SORT:轻量化的多车辆跟踪算法

近年来,无人机因体积小、灵活性好等优势被广泛应用在车辆跟踪领域。当无人机在高空飞行时,其捕捉的图像中车辆目标存在像素点少、拥挤以及被遮挡的情况。现有的多目标跟踪研究方法在车辆被遮挡过程中发生非线性运动时,使用卡尔曼滤波预测,会出现车辆位置预测不准确的问题。为了解决这些问题,采用先检测后跟踪(tracking by detection,TBD)范式,对YOLOv8检测算法进行改进,在网络结构中引入了BiFormer稀疏动态注意力模块,用于提取小目标特征信息。同时使用轻量级上采样算子CARAFE替换原最近邻插值上采样,减少上采样过程中小目标特征丢失的问题。提出一种轻量化跟踪模型FA-SORT,针对SORT算法提出三点改进:改进KF、添加速度方向一致性匹配和检测值匹配。在自制地组合了多个车辆数据集上验证改进的YOLOv8算法。实验结果表明,与YOLOv8相比,精确率(precision)提高了0.97%,召回率(recall)提高了0.898%。对所提出的FA-SORT算法使用UAVDT数据集进行验证,结果表明,与现有的多目标跟踪算法相比,HOTA指标首个达到70.05%,IDF1达到87.45%,跟踪速度达到29.93 FPS。验证了FA-SORT跟踪算法在多车辆跟踪任务中的优越性。

高超声速飞行器编队控制方法

针对高超声速飞行器的编队控制问题,忽略过程约束,提出一种基于飞行速度方向一致的编队策略。设计弹道倾角指令和航向角指令,使得多高超声速飞行器的飞行速度方向一致。建立衡量编队效果的指标作为性能指标函数,以各飞行器的初始位置、滑翔攻角及开始进行方向协同飞行的位置作为设计变量,同时考虑飞行过程中飞行器间距离的约束,建立优化模型,最后采用遗传算法(GA)和序列二次规划算法(SQP)对优化模型进行求解。仿真结果显示,采用本文的算法能够在预期的飞行阶段内控制多飞行器以良好的编队飞行。