ردگیری و تعقیب سه‌بعدی هدف مانوری هوایی با استفاده سنسور تصویری

نوع مقاله : مقاله پژوهشی

نویسندگان

دانشگاه مالک اشتر

چکیده

ردگیری هدف برای پهپادهایی که به سنسور تصویری مونوکولار (یا تک‌چشمی) مجهز هستند، دشوار است چرا که سنسور نمی‌تواند برد میان خود و هدف را با دقت مناسب اندازه‌گیری کند. این مساله در ردگیری اهداف مانوری در فضای سه‌بعدی تشدید می‌شود. برای رفع این مشکل، دقت مدل‌های دینامیکی برای پیش‌بینی حرکت و مانور هدف از اهمیت بالایی برخوردار می‌شود. این دقت می‌تواند با پیچیده‌تر شدن و نزدیک‌ شدن معادلات دینامیک به دینامیک واقعی وسیله اتفاق افتد یا از طریق به کار بردن مدل‌های مناسب برای مدل کردن شتاب و مانور هدف انجام شود. ما در این مقاله، با شبیه‌سازی‌های عددی و فیتلر کالمن غیرخطی خنثی (UKF)، عملکرد سه مدل دینامیکی مختلف را با مدل اندازه‌گیری یک دوربین مونوکولار در ردگیری یک هدف مانوری جرم‌-نقطه‌ای بررسی و مقایسه کرده‌ایم. این مدل‌ها از لحاظ دستگاه مختصات و مدل در نظر گرفته شده برای مدل‌سازی شتاب هدف متفاوت هستند. زمان اجرا و مجذور میانگین مربعات خطا به عنوان معیارهای مقایسه بین این مدل‌ها در نظر گرفته شده‌اند.

کلیدواژه‌ها


عنوان مقاله [English]

Three-dimensional tracking of aerial maneuvering target using a visual sensor

نویسنده [English]

  • Meysam Delalat
چکیده [English]

Since, monocular vision sensor cannot accurately measure relative range between the target and itself, it is difficult for UAVs equipped with this kind of sensors to track a target. This is exacerbated by the tracking a maneuvering aerial target in a three-dimensional space. To solve this problem, the accuracy of dynamic models is very important for predicting the movement and maneuvering of the target. This accuracy can be achieved by complicating and bringing the dynamic equations closer to the real dynamics of the vehicle, or by using appropriate models of the target acceleration. In this paper, we compare the performance three different dynamic models in tracking a mass-point maneuvering target. To do this, we used the UKF filter along with the monocular camera measurement model These models differ in terms of the coordinate system and the target acceleration model. The time spent and Root mean square error (RMSE) are considered as comparison criteria between these models.

کلیدواژه‌ها [English]

  • Target Tracking
  • Non-linear Kalman filter
  • Unscented Kalman Filter (UKF)
  • Visual sensor
  • Motion estimation