图1：无人机追捕实验的轨迹图（长时间曝光摄影）
微小型旋翼无人机已经被广泛应用在我们生活生产的方方面面，包括航空摄影、电力巡线、环境监测、农业植保、科研教学等等。然而近些年无人机引起的安全事件也逐渐增多，比如无人机干扰机场等重要基础设施，引起了社会广泛关注，成为了亟待解决的重要问题。未来，随着民用无人机行业的快速发展，将有更多的小型无人机应用于社会各方面，例如无人机物流、载人自动驾驶飞机等。届时小型民用无人机的安全问题将会越发突出。
目前，针对“低小慢”无人机的防御技术主要依赖部署于地面的探测和反制设备。常见的技术手段包括遥控信号监测和干扰等。然而这些技术手段在有效性、应用场景等方面都有各自的局限性。[1]
“无人机追无人机”的技术可以通俗的概括为：看得见、定得准、跟得上。其中“看得见”主要是指安保无人机利用机载传感器，例如视觉系统识别目标。“定得准”是指实时准确地估计并预测目标无人机的运动信息。“跟得上”是指能控制安保无人机与目标无人机保持合理相对位置和速度。
该研究重点关注了其中“定得准”和“跟得上”两个问题，而“看得见”在研究团队其它的工作中有详细介绍[1-2]。
视觉的本质是一种能直接测量方向而不能直接测量距离的传感方式，这是空中无人机追捕任务中最核心的挑战。具体来说，当目标在图像当中的中心点被确定之后，该目标相对于摄像头的空间方向信息能够通过相机内参计算得到，但是距离信息无法直接得到。关键距离信息的缺失将给目标运动估计构成基础性的约束。
该研究的核心创新点在于将视觉感知的特点与目标运动估计和目标跟随控制相结合，通过主动控制相机的空间运动来增强对目标信息的可观性，从而实现“主动感知”。具体来说，研究团队分析了三维空间当中传感器多步可观性增强的最优运动轨迹，从而能更准确地估计机动目标的运动信息。并在此理论基础之上提出了一系列创新方法[1]，包括伪线性卡尔曼滤波算法、新型螺旋制导算法等。
图2：三维空间可观性数值优化过程
这些算法的流程可以通过下图展示。首先，机载摄像机识别目标无人机，获得目标三维方向信息。第二，基于该方向信息，使用所提出的伪线性卡尔曼滤波器估计出目标的位置和速度。最后，使用新提出的螺旋制导律和底层无人机非线性控制器实现跟随目标的任务。
图3：算法流程
为了验证上述的各个算法模块及整个系统，研究团队基于DJI M300搭建了飞行实验平台。整套系统基于机器人操作系统(ROS)进行各个模块之间的通讯。另外，他们还搭载了一块板载计算机用于处理高层的状态估计和导航控制的指令计算。
图4：实验平台以及实验场景图
图6：用于构建系统的软件系统
大量实验结果验证了算法的有效性。在图1中，研究团队通过延时曝光的方法清晰看到目标无人机和安保无人机的轨迹。
该研究工作是空中无人机追捕方向迈出的重要一步，为接下来研发更高性能的算法和系统奠定了基础。该工作受到了国家自然基金和杭州市重点研发计划的支持。
参考论文
[1]Y.Zheng,Z.Chen,D.Lv,Z.Li,Z.Lan,and S.Zhao*,"Air-to-air visual detection of micro-UAVs:an experimental evaluation of deep learning",IEEE Robotics and Automation Letters,vol.6,no.2,pp.1020-1027,2021.
[2]Y.Zheng,C.Zheng,X.Zhang,F.Chen,Z.Chen,and S.Zhao*,"Detection,Localization,and Tracking of Multiple MAVs with Panoramic Stereo Camera Networks",IEEE Transactions on Automation Science and Engineering,accepted,May 2022.