开源无人机如何实现空对地框选撞击？

Posted 2022-09-23 阿木实验室

随着Prometheus开发者使用P600开源无人机平台在中科院SCI期刊分区2区完成了题为《基于机载深度推理的智能放牧无人机》的论文发表，首次展示了P系列无人机的行业应用案例。近期阿木实验室再次使用我们的开源无人机——P450，完成了一场空对地目标识别精准打击实验。

本次实验主要难点是目标识别和控制这两部分。识别部分通过KCF算法和吊舱来实现；控制部分根据吊舱倾转角度给到飞控信息，飞控根据信息对无人机姿态及方向进行调整，进而实现精准打击动作。

实验场景设置在户外的空旷场地，使用P450开源无人机来执行空对地撞击任务。我们把无人机的飞行高度设置为15m，与目标距离30m，无人机在空中框选靶标后自动锁定目标进行撞击，当无人机成功撞上靶标后，则挑战成功。

下面跟随阿木一起来看看具体的实验过程吧~

开源无人机如何实现精准打击？

此次实验用到的设备主要有：

P450开源无人机：基于开源飞控PX4及机器人操作系统ROS打造，内置了开源自主无人机软件平台Prometheus，提供丰富的算法demo例程，涵盖控制、规划、SLAM、目标检测、深度学习、集群控制等多个无人机及人工智能相关研究方向。

G1吊舱：机身小巧、高度104g、高度约8cm，可实现目标的识别、搜索、追踪、打击。

Allspark机载电脑：接口丰富、功能强大、预装Prometheus软件系统，支持二次开发。

Minihomer图数传：小体积、远距离、功耗低、穿墙能力强，支持组网（1对8）和中继。

笔记本电脑：地面站监测无人机状态以及交互功能。

 KCF视觉算法

本次实验中目标跟踪算法我们使用的是KCF视觉算法，KCF是一个非常轻量级的算法，资源占用较低，且跟踪速率可以达到30FPS。作为单目标跟踪的经典之作，在准确率和实时性上也有非常不错的表现，特别对算力要求不高。同时，KCF是一种鉴别式追踪方法，这类方法一般都是在追踪过程中训练一个目标检测器，使用目标检测器去检测下一帧预测位置是否是目标，然后再使用新检测结果去更新训练集，进而更新目标检测器。

在训练目标检测器时一般会选取目标区域为正样本，目标的周围区域为负样本，越靠近目标的区域为正样本的可能性也就越大。

主要亮点：

1. 可以通过循环矩阵生成正负样本来训练脊回归分类器；

2. 利用循环矩阵可DFT对角化的性质，将循环矩阵的求逆运算转化为向量的点乘；

3. 针对线性不可分的情况，引入核技巧映射到高维，线性可分。

整体来看，本次实验过程还是达到了我们的预期，P450无人机成功识别到目标并进行了精准打击。

从实验过程中，我们可以看到P450无人机搭载G1吊舱、Minihomer图数传模块以及Allspark机载电脑这一整套设备，基本上可以作为绝大部分无人机科研内容的一个基础平台，能够实现丰富的功能。从实验结果来看，P450无人机还是非常“ 皮实 ”的，经过撞击后，无人机主体均没有损坏，唯一损坏的也只有桨叶。也正是P450的这种“ 皮实 ”，大大降低了实验过程中炸机造成的损失。

对于本期内容若大家有疑问，可在文末评论区给我们留言~也鼓励大家积极讨论，与阿木一起探讨更多的实验挑战！