● 摘要
无人机室内自主飞行是一个涉及多学科且具有重要应用意义的课题，本论文主要研究和开发一套无人机室内实时定位和多目标视觉跟踪系统。该系统可使无人机在未知的室内环境中，依靠机载激光测距仪、摄像头和惯性测量装置等多种传感器提供的信息，完成自主飞行，并实现对地面目标实时的检测和跟踪。本论文围绕着无人机室内自主导航系统所涉及的激光扫描匹配算法、多传感器信息融合算法及视觉目标跟踪算法等多个方面进行研究，并最终在小型四旋翼无人机平台上实现和验证。
论文详细阐述了基于栅格地图的激光扫描匹配算法，该方法可实现对无人机位姿的估计。针对机载处理器处理能力有限，无人机位置控制实时性高等特点，提出了多分辨率栅格地图迭代寻优方法，提高了扫描匹配算法的计算效率。通过贝叶斯地图更新方法保证了大范围全局一致栅格地图的建立。为获取无人机的全状态信息，采用扩展卡尔曼滤波方法，根据IMU提供三轴加速度、三轴角速率以及三轴姿态角结合扫描匹配算法得到的无人机位姿信息进行多传感器数据融合。
针对多目标检测跟踪问题，本论文利用目标的HOG特征训练SVM分类器，并结合图像金字塔法检测图像中的目标。接着重点阐述了基于颜色的粒子滤波技术，并采用该方法实现对目标的跟踪。考虑到无人机多目标跟踪的一些难点，本论文结合HOG+SVM目标检测和基于粒子滤波的目标跟踪算法，利用目标检测初始化场景中的目标，并快速检测进入场景的目标，同时重新构建重要性概率密度函数，保证多目标跟踪的准确性。通过处理无人机传回地面的视频验证了跟踪算法的准确性和有效性。
最后，在真实的室内环境中，利用小型四旋翼平台对本论文所提出的算法进行验证。分析四旋翼分布式网络系统带来的延时问题，并通过变搜索空间方法解决了网络延时对激光扫描匹配定位精度的影响。通过大量的飞行试验结果可以看出，小型四旋翼无人机可在未知的室内环境中实现精确的自主导航定位并能够对多个地面目标准确跟踪。