許勇，顏鴻濤，*，賈濤，馬躍，鄧澤華，劉多能

1．中國空氣動力研究與發(fā)展中心 空天技術(shù)研究所，綿陽 621000

2．北京流體動力科學(xué)研究中心，北京 100011

近年來，隨著電子、微電子、通信、自動控制、自主導(dǎo)航以及人工智能等技術(shù)的飛速發(fā)展，無人機（Unmanned Aerial Vehicle， UAV）在民用領(lǐng)域和軍用領(lǐng)域的作用日益凸顯。在民用領(lǐng)域，無人機廣泛應(yīng)用于航拍、新聞報道、交通監(jiān)測、深林防火、地質(zhì)測繪、電力巡檢、農(nóng)業(yè)植保等方面。在軍用領(lǐng)域，無人機既可執(zhí)行枯燥乏味的中繼通信、邊境巡邏、高空監(jiān)測等任務(wù)，也可以在危險環(huán)境中執(zhí)行超低空飛行、電子對抗、對敵火力壓制、自殺式攻擊等任務(wù)［1］。但是載重及存油量的限制，極大的制約了無人機的航行距離和戰(zhàn)略部署。因此，發(fā)展無人機自主空中加油技術(shù)對于提高無人機的續(xù)航能力、增加有效載荷重量等有著重要的作用［2］。無人機空中加油任務(wù)具有危險性大、復(fù)雜度高等特點，對無人系統(tǒng)的魯棒性、測量精度以及精確控制等方面的要求較高［3］。此外，隨著無人機技術(shù)的不斷革新，無人機逐漸向高速、集群、智能等方向發(fā)展，這又對無人機空中加油技術(shù)提出了新的挑戰(zhàn)。

為推動無人機技術(shù)的發(fā)展，并促進(jìn)新技術(shù)的轉(zhuǎn)化應(yīng)用，2021年7月中國空軍研究院與中國電科電子科學(xué)研究院聯(lián)合承辦了第二屆“無人爭鋒”智能無人機集群系統(tǒng)挑戰(zhàn)賽。該比賽共設(shè)置了極速穿越、全民目擊、形影不離、空中握手、巔峰對決5 個科目，旨在通過考察集群無人機的自主智能化水平，牽引智能無人機集群領(lǐng)域新技術(shù)的發(fā)展。本文主要針對空中握手科目中涉及到的相關(guān)技術(shù)進(jìn)行研究。該科目主要模擬集群無人機空中加油的全流程，要求參賽集群無人機與加油機拖拽的模擬加油錐套依次完成空中對接，其中涉及到的具體技術(shù)包括最優(yōu)路徑規(guī)劃、編隊控制、模擬錐套識別、精確對接制導(dǎo)參數(shù)解算等。

為實現(xiàn)空中加油機與集群無人機的會合，需要集群無人機在最短時間內(nèi)從初始位置導(dǎo)航至加油機后方一定距離范圍內(nèi)，并與加油機的速度大小和方向保持一致，因此需要解決的是始末位姿約束的最優(yōu)路徑規(guī)劃與跟蹤控制問題，在無人機的最優(yōu)路徑規(guī)劃方面已有大量的研究工作。1957年，Dubins［4］提出最小轉(zhuǎn)彎半徑的限制下，2個位姿點間的最短路徑為Dubins 路徑，近年來有學(xué)者基于Dubins 路徑在航路規(guī)劃方面進(jìn)行了深入研究［5］。Burns 等［6］利用加油機與無人機的位置關(guān)系設(shè)計了Dubins 路徑，并分析了無人機不同速度下的最優(yōu)跟蹤時間，但并未提前找到無人機與加油機最短時間會合路徑，預(yù)計會合點的實時更新會對計算資源造成浪費。Wilson 等［7］基于A*算法設(shè)計了無人機與加油機會合的最優(yōu)航線。龔全銓等［8］利用Dubins 路徑解決最短時間與加油機會合問題，對預(yù)計會合時間迭代求解找到最佳路徑。針對無人機跟蹤加油機的制導(dǎo)控制問題，有學(xué)者借鑒導(dǎo)彈攔截中常用的比例導(dǎo)引法解決無人機追蹤問題［9-10］。比例導(dǎo)引一般用于距離目標(biāo)較近末制導(dǎo)導(dǎo)引段，切需要導(dǎo)引頭提供高精度視線轉(zhuǎn)率信息，一般在無人機追蹤方面并不適用。Park 等［11］提出了非線性導(dǎo)引率，相對于傳統(tǒng)的制導(dǎo)律，它用一種簡單易于實現(xiàn)的方式計算側(cè)向加速度，大量實踐證明了算法有效性，被廣泛應(yīng)用于無人機的制導(dǎo)控制中。

集群無人機通過系統(tǒng)內(nèi)部的信息交流來調(diào)整自身位姿，使得系統(tǒng)呈現(xiàn)出規(guī)則有序的隊形，實現(xiàn)這樣的協(xié)同行為就要涉及到編隊控制問題。編隊控制方面已經(jīng)有大量的研究成果可以參考［12-18］，目前常用的編隊控制方法包括領(lǐng)航-跟隨法（Leader-follower）［14-15］、虛 擬 結(jié) 構(gòu) 法（Virtual structure）［16］和行為法（Bahavior-based）［17-18］。領(lǐng)航-跟隨法是目前應(yīng)用最廣泛的一種編隊控制方法，這種結(jié)構(gòu)下一般隊形位置是建立在以領(lǐng)航者為中心的相對坐標(biāo)系下的，跟隨無人機根據(jù)領(lǐng)航者的位姿信息，跟蹤其隊形位置，以消除預(yù)期隊形位置與自身實際位置的誤差為目標(biāo)，通過控制生成期望的滾轉(zhuǎn)角和俯仰角實現(xiàn)內(nèi)外環(huán)控制。這種編隊控制結(jié)構(gòu)算法簡單，易于實現(xiàn)，但是領(lǐng)航者的飛行狀態(tài)如果異常將會對整個編隊產(chǎn)生不利影響；虛擬結(jié)構(gòu)法是對前者的改進(jìn)，領(lǐng)航者為空間中一虛擬的位置點，其位置速度是由數(shù)學(xué)模型推算得到的，這樣避免了由于領(lǐng)航者飛行故障帶來的問題，但該方法也存在局限性，領(lǐng)航者狀態(tài)不能根據(jù)實際環(huán)境調(diào)整，比如風(fēng)的影響、障礙物等，這些環(huán)境因素影響會使得編隊效果變差；基于行為法模式下，每架無人機都被定義了諸如隊形保持、避障避碰、目標(biāo)跟蹤等期望行為，在飛行中各架無人機按照一定的規(guī)則計算出其要執(zhí)行的行為，這種方法適用于應(yīng)對多目標(biāo)任務(wù)場景。在空中加油科目中，集群無人機起飛后需要追加油機，并與加油機保持隊形依次完成對接，且機群能夠得到加油機的位置信息，這種場景適合采用以加油機作為領(lǐng)航無人機，集群無人機作為跟隨者的領(lǐng)航-跟隨控制結(jié)構(gòu)。

實際中，利用加油機播報的差分GPS 信息解算得到的位置參數(shù)受不同差分站間系統(tǒng)誤差以及集群通信延遲等因素的影響存在較大誤差，無法直接作為制導(dǎo)量引導(dǎo)無人機與模擬錐套完成精確對接，基于視覺的目標(biāo)檢測及制導(dǎo)參數(shù)解算是解決集群無人機空中精確對接的關(guān)鍵技術(shù)，相關(guān)技術(shù)已有大量的研究工作。文獻(xiàn)［19］基于簡單特征通過級聯(lián)的方式提出了一種快速的目標(biāo)檢測方法。Felzenszwalb 等［20］基于HOG （Histogram of Oriented Gradient）特征提出了適用于可變形目標(biāo)的檢測技術(shù)?；谏疃壬窠?jīng)網(wǎng)絡(luò)，學(xué)者們提出了眾多高性能的目標(biāo)檢測、跟蹤算法，利用實際樣本對檢測網(wǎng)絡(luò)進(jìn)行訓(xùn)練即可實現(xiàn)對目標(biāo)的準(zhǔn)確識別［21］。其中具有代表性的，文獻(xiàn)［22］基于Darknet 網(wǎng)絡(luò)架構(gòu)對YOLO 系列目標(biāo)檢測方法進(jìn)行優(yōu)化，提出了一種快速的、準(zhǔn)確的目標(biāo)檢測方法YOLOv4，該方法在保持檢測速度的同時，提高了目標(biāo)檢測的性能，特別在小目標(biāo)檢測方面效果較好。Wang 等［23］提出了統(tǒng)一的方法用于在線目標(biāo)跟蹤和分割，文獻(xiàn)［24-25］則將特征金字塔技術(shù)應(yīng)用于目標(biāo)檢測網(wǎng)絡(luò)，用于提取不同尺寸的目標(biāo)，提高目標(biāo)檢測的精度。文獻(xiàn)［26］在R-CNN 的基礎(chǔ)上對兩階段目標(biāo)檢測網(wǎng)絡(luò)進(jìn)行了系列加速，在保持檢測精度的前提下提高了目標(biāo)的檢測速度。文獻(xiàn)［27-28］中去掉了網(wǎng)絡(luò)中的錨點（Anchor），減少模型超參數(shù)的同時增加了模型的靈活性，文獻(xiàn)［29］則基于全卷積提出了一種一階段目標(biāo)檢測方法。文獻(xiàn)［30］通過將CNN 與Transformer 結(jié)合構(gòu)建了一種全新的目標(biāo)檢測框架，極大的簡化了模型的架構(gòu)，并可以媲美當(dāng)前的SOTA （State Of The Art）方法。此外，針對橢圓檢測，文獻(xiàn)［31］中設(shè)計一套新穎的選擇策略，并基于圓弧提出了一種快速橢圓檢測方法。Meng 等［32］提出了基于邊緣連接的橢圓檢測算法，該方法使用弧段鄰接矩陣獲得所有弧段的組合，然后利用基于采樣點的驗證方法進(jìn)行驗證。基于檢測到的橢圓，文獻(xiàn)［33］根據(jù)對應(yīng)空間圓的尺寸信息解算得到空間圓靶標(biāo)在相機系中的位姿。

上述算法在路徑規(guī)劃、編隊控制、目標(biāo)檢測、跟蹤等方面均表現(xiàn)出優(yōu)異的性能，但本文面對的固定翼集群無人機精確對接任務(wù)有其特殊性，主要表現(xiàn)為兩方面：第一，任務(wù)要求固定翼集群無人機密集編隊進(jìn)行空中對接，隨著集群無人機速度及編隊密集程度的提高，系統(tǒng)的復(fù)雜性進(jìn)一步提高，工程實現(xiàn)有一定的難度；第二，精確對接階段對視覺測量結(jié)果的實時性及精度提出了更高的要求，要求解算得到無人機在精確對接坐標(biāo)系中的精確位姿，而普通的目標(biāo)檢測、跟蹤算法只能檢測得到目標(biāo)在圖像系中的坐標(biāo)，在三維空間中只對應(yīng)一個方向，無法解算得到絕對的位置、姿態(tài)等度量信息。

此外，實際固定翼集群無人機空中對接任務(wù)中還可能面臨機載計算資源有限、通信延遲、圖像模糊、突風(fēng)、光線變化以及復(fù)雜地面背景等干擾因素。針對上述困難和挑戰(zhàn)，本文以空中握手比賽為背景，對固定翼集群無人機空中模擬對接技術(shù)進(jìn)行研究，設(shè)計了相應(yīng)的固定翼集群無人機系統(tǒng)，提出了一套切實可用的集群無人機空中模擬對接方案，并通過比賽驗證了無人系統(tǒng)的可靠性以及所提技術(shù)和策略的可行性。

本文后續(xù)內(nèi)容組織如下：第1 節(jié)，詳細(xì)介紹固定翼集群無人機空中模擬對接任務(wù)涉及到的最優(yōu)追機方案、追蹤制導(dǎo)方法、模擬錐套識別技術(shù)以及精確制導(dǎo)參數(shù)解算方法。第2 節(jié)，簡單介紹空中握手科目的比賽規(guī)則，設(shè)計并實現(xiàn)了相應(yīng)的固定翼集群無人機系統(tǒng)，并給出了比賽當(dāng)天的追機結(jié)果、對接過程以及精確制導(dǎo)參數(shù)解算結(jié)果。第3 節(jié)，對本文研究工作進(jìn)行了總結(jié)，并給出了還存在的問題以及后續(xù)研究工作。

1 集群無人機模擬對接關(guān)鍵技術(shù)

1.1 集群無人機空中對接流程

集群無人機空中模擬對接流程如圖1 所示，包括起飛、追擊與隊形保持、對接、盤旋降落4 個階段。

圖1 集群無人機空中對接流程Fig.1 Pipeline of aerial simulation docking process for clustering UAVs

1） 起飛階段，集群無人機根據(jù)加油機播報的位置信息計算加油機與集群無人機間的位置關(guān)系，并在合適時時機按預(yù)定順序起飛，起飛爬升至一定高度后進(jìn)入追擊階段。

2） 追擊階段，集群無人機進(jìn)行松耦合分層編隊飛行，實時根據(jù)加油機播報的位置信息估計無人機的速度，并控制每架無人機以最優(yōu)路徑追加油機；當(dāng)每架無人機到達(dá)預(yù)定編隊位置后，即完成追擊階段，進(jìn)入以加油機為長機的編隊飛行保持階段，當(dāng)加油機處于可對接的航線上時，編隊無人機依次與加油機去對接。

3） 對接階段分為預(yù)對接與精確對接2 個步驟。首先，本機判斷沒有飛機處于預(yù)對接階段且本機是隊形保持階段里優(yōu)先級最高的，則本機調(diào)整目標(biāo)位置到預(yù)對接位置上，預(yù)對接位置為與加油機同一高度、在后方一定距離的位置上。設(shè)計預(yù)備對接階段的目的是為了讓無人機穩(wěn)步安全地接近加油機，并且給機載相機更多的時間去捕捉和識別加油錐套。當(dāng)視覺檢測成功后，無人機即可逐漸加速接近加油機，進(jìn)行精確對接。比賽是模擬對接，本文的完成對接是指無人機在加油機后方一定距離內(nèi)保持5 s，并不是真正的對接，具體的比賽規(guī)則將在后文的試驗部分詳細(xì)介紹。

4） 完成對接則意味著本機的比賽任務(wù)已經(jīng)完成，可以按照預(yù)定退出策略，遠(yuǎn)離集群，去盤旋降落。無人機按照ID 在不同的高度進(jìn)行盤旋等待，依次降落，可以有效避免在短時間內(nèi)多架無人機降落帶來的碰撞風(fēng)險。

集群無人機要實現(xiàn)上述從起飛到降落的完整對接過程，每架無人機除了要獲取加油機的位置信息外，還需要得到編隊內(nèi)其他無人機的狀態(tài)信息，這些信息的傳輸離不開機載組網(wǎng)通信設(shè)備的支持，每架無人機將自身位置速度、飛行階段等狀態(tài)信息通過機上組網(wǎng)通信設(shè)備向外廣播，其他機載通信設(shè)備對接收到的消息進(jìn)行解析，按無人機ID 進(jìn)行分類存放，即可得到其他無人機的信息。因為組網(wǎng)通信技術(shù)不是本文研究重點，因此只在此處進(jìn)行簡要介紹，并不進(jìn)行深入研究。

追機過程中，為縮短集群無人機的追機時間，本文采用對加油機狀態(tài)預(yù)測的Dubins 路徑規(guī)劃，以會合時間最少為目標(biāo)迭代求解。預(yù)備對接階段，因為加油機播報的差分GPS 信息與集群無人機間差分GPS 信息間存在系統(tǒng)誤差和通信延遲，為避免與加油機的碰撞，將集群無人機控制到加油機后方一個安全距離內(nèi)，并采用高度分層編隊策略。精確對接階段，本文基于模擬錐套的先驗信息提出了一種快速、魯棒的模擬錐套識別技術(shù)，并解算得到無人機在精確對接坐標(biāo)系中的精確位置，對接無人機以該解算結(jié)果為制導(dǎo)量與加油機進(jìn)行精確對接。

1.2 集群無人機對接控制策略

1.2.1 最優(yōu)追機方案

為保證集群無人機在最短時間內(nèi)追上加油機，需要設(shè)計最優(yōu)追擊路徑。傳統(tǒng)的基于跟蹤目標(biāo)當(dāng)前位置的純追蹤法，由于目標(biāo)不可預(yù)測的隨機機動會導(dǎo)致跟蹤航跡的振蕩、跟蹤用時長、效果不佳。加油機為空中合作目標(biāo)，做勻速定高飛行，其航線提前已知，且實時位置以一定頻率向外廣播。無人機可以利用加油機播報的先驗信息預(yù)測加油機未來一段時間內(nèi)的位置、速度，通過預(yù)先規(guī)劃路徑便可盡早實現(xiàn)與加油機的會合。最優(yōu)追機問題的解決方案便是設(shè)計一條以時間最少為優(yōu)化目標(biāo)，與目標(biāo)機同時抵達(dá)為約束條件的航線。圖2 所示為無人機追蹤加油機策略示意圖，圖中(rT，vT)為目標(biāo)機（即加油機）的位置和速度矢量，(r，v)為追蹤無人機的位置和速度矢量 。

圖2 無人機追蹤加油機策略Fig.2 Strategy for UAV to chase tanker aircraft

首先，將目標(biāo)的狀態(tài)以設(shè)定的時間間隔δt向前遞推得到預(yù)期位姿點；其次，規(guī)劃無人機從當(dāng)前位姿到預(yù)期位姿的最優(yōu)路徑，并根據(jù)最優(yōu)路徑長度可估算出所需時間tuse；最后，比較δt與tuse的誤差是否在容許范圍內(nèi)。由于追蹤加油機要求無人機在加油機后方，因此判斷條件為0 ＜tuseδt≤ε，若不滿足則增加遞推時間長度，反復(fù)迭代求解。

2 個位姿點間的最短路徑為Dubins 路徑，是指在最小轉(zhuǎn)彎半徑的限制下，2 個具有方向的位姿點間的最短路徑為CSC 路徑或者CCC 路徑，或是他們的子集（CS、SC 和CC），其中C 表示圓弧段，S 表示與圓相切的直線段。

本文從解析幾何的角度針對Dubins 路徑中最普遍的CSC 型進(jìn)行了研究。首先，記加油機的巡航速度為V，轉(zhuǎn)彎時允許的最大轉(zhuǎn)彎半徑為?max，則無人機的最小轉(zhuǎn)彎半徑為

從上往下俯視，無人機沿圓弧的轉(zhuǎn)彎方向可分為向左的逆時針方向（L）和向右的順時針方向（R），則根據(jù)起始圓弧和終止圓弧轉(zhuǎn)彎方向的不同，共存在4 種組合情況。根據(jù)切線長度l1和2 個圓弧的圓心角θc1和θc2，可以求出Dubins路徑長度，即

為方便演示求解Dubins 路徑過程，設(shè)計最小轉(zhuǎn)彎半徑為100 m 無人機，以初始位置P1(0 m，0 m)、初始速度V1(20 m/s，0 m/s)到終止位置P2(200 m，200 m)、終止速度V2(0 m/s，20 m/s)的航路規(guī)劃任務(wù)，如圖3 所示。

圖3 Dubins 路徑解析幾何求解Fig.3 Solving Dubins path by geometric method

圖3中依次規(guī)劃了4 種情況的航路，C1、C2分別為Dubins 規(guī)劃路徑的起始圓和終止圓的圓心位置，S1、S2分別為Dubins規(guī)劃路徑直線段的起點和終點，也是與兩圓的切點。圖3（d）中的RSR 型路徑是4 種情況中的最短路徑。

1.2.2 追蹤制導(dǎo)方法

當(dāng)無人機規(guī)劃出Dubins路徑后，接下來需要解決的是如何跟蹤路徑的制導(dǎo)控制問題。文獻(xiàn)［11］提出的非線性制導(dǎo)方法因簡單有效而被廣泛用于無人機的跟蹤制導(dǎo)中。針對CSC 型Dubins 路徑，本文采用文獻(xiàn)［11］中所述非線性制導(dǎo)方法產(chǎn)生外環(huán)的側(cè)向加速度指令。根據(jù)無人機所處位置的不同，存在跟蹤直線和跟蹤圓弧2 種情況，下面將分別針對2 種情況分析其制導(dǎo)控制方法。

1）跟蹤直線

當(dāng)無人機處于2 段圓弧中間時，無人機跟蹤兩圓的切線。如圖4 所示，無人機跟蹤直線時，始終瞄準(zhǔn)位于無人機前面直線上的一個點，稱之為預(yù)瞄點。求得預(yù)瞄點的位置后，根據(jù)非線性制導(dǎo)，即可解算得到飛機瞄準(zhǔn)預(yù)瞄點所需的側(cè)向加速度大小，具體求解步驟如下：

圖4 無人機跟蹤直線Fig.4 UAV tracking straight line

步驟1根據(jù)無人機的當(dāng)前地速Vg和導(dǎo)航系數(shù)Np，可以計算得到預(yù)瞄點的距離L1=VgNp，Np用于調(diào)節(jié)預(yù)瞄點的遠(yuǎn)近，一般取3～4。

步驟2由無人機的位置P、圓弧1 的切出點S以及圓弧2 的切入點F，可以求得與的夾角

步驟3切出點S到預(yù)瞄點T的距離δ=

步驟4利用距離δ可以求得預(yù)瞄點的坐標(biāo)xT=xS+δcosλ，yT=yS+δsinλ，其中λ為直線段與北向的夾角。

步驟5無人機到預(yù)瞄點的連線與北向的指令夾角又已知無人機速度方向與北向的夾角ψ，則無人機速度方向與轉(zhuǎn)向預(yù)瞄點的轉(zhuǎn)移角度η=ψc-ψ。

步驟6根據(jù)非線性制導(dǎo)，側(cè)向過載指令為，若直接控制量為滾轉(zhuǎn)角，則可得到滾轉(zhuǎn)角指令為，其中N?為滾轉(zhuǎn)角指令系數(shù)。

2）跟蹤圓弧

如圖5 所示，跟蹤圓弧的方法與跟蹤直線類似，區(qū)別在于計算預(yù)瞄點位置方法的不同。具體求解步驟如下：

圖5 無人機跟蹤圓弧Fig.5 UAV tracking circle

步驟1計算無人機到預(yù)瞄點的距離L1=VgN。

步驟2計算與組成的圓心角θ=

步驟3可得到向量與北向的夾角λ=可以看出圖示λ為負(fù)值。

步驟4可計算得到預(yù)瞄點的坐標(biāo)為xT=xc+Rcos(λ+kθ)，yT=yc+Rsin(λ+kθ)， 其中k為符號函數(shù)，順時針時k=1，逆時針時k=-1；圖5 所示為順時針情況。

步驟5同跟蹤直線步驟5。

步驟6同跟蹤直線步驟6。

1.3 模擬錐套識別技術(shù)

無人機空中握手需精確引導(dǎo)無人機與模擬錐套完成對接，實際中利用加油機播報的差分GPS 信息解算得到的位置參數(shù)受不同差分站間系統(tǒng)誤差以及集群通信延遲等因素的影響存在較大誤差，無法直接作為制導(dǎo)量引導(dǎo)無人機與模擬錐套完成精確對接。為解決上述精確制導(dǎo)問題，本文采用視覺測量方法實現(xiàn)對模擬錐套的精確測量，而精確測量制導(dǎo)參數(shù)的前提是實現(xiàn)對模擬錐套的實時檢測?；谏鲜瞿康模紫确治隽四M錐套的圖像特征，然后基于該特征提出了相應(yīng)的模擬錐套檢測技術(shù)。

1.3.1 模擬錐套圖像特征分析

加油機拖拽的模擬錐套為合作目標(biāo)，其形狀結(jié)構(gòu)如圖6 所示。模擬錐套的端面為直徑D=30 cm 的紅色圓盤，圓盤上均勻分布有4 個直徑d=3 cm 的白色圓點。通過對模擬錐套的顏色、形狀、結(jié)構(gòu)等進(jìn)行分析，得出圖像中的目標(biāo)模擬錐套應(yīng)具備以下特征：

圖6 模擬錐套結(jié)構(gòu)Fig.6 Simulation drogue structure

1） 模擬錐套為紅色，該顏色特征是區(qū)分目標(biāo)與干擾的一個重要特征。

2） 模擬錐套為圓形，其對應(yīng)的圖像為橢圓。該形狀特征可用于在紅色候選目標(biāo)中帥選得到橢圓形候選目標(biāo)。

3） 模擬錐套圓盤上有4 個均勻分布的圓點，且圓盤外輪廓周長與白點周長比為10∶1。該結(jié)構(gòu)特征可用于在候選紅色橢圓形目標(biāo)中篩選得到模擬錐套目標(biāo)。

在實際對接過程中，模擬錐套圖像特征還可能受以下因素的影響：首先，模擬錐套與一根具有一定彈性的連桿相連，連桿的另外一頭與加油機相連，實際飛行過程中模擬錐套會因為加油機振動、氣流等因素的影響而隨機波動，可能導(dǎo)致圖像模糊；此外，自然條件下光線的變化可能影響目標(biāo)的成像質(zhì)量，從而影響模擬錐套的檢測。

行政事業(yè)單位本身具有特殊性，官本位的思想長期存在，對審計、監(jiān)督上的工作不夠重視。因此，發(fā)揮外部審計具有十分關(guān)鍵的作用。但是發(fā)揮外部審計的時候，需要注意以下問題，一是要進(jìn)行抽檢，抽檢時間不定，一點點擴大搜查范圍，讓搜查更加具有隨機性，對內(nèi)部控制的審計，可以并入到其他審計工作中去。第二，要對政府審計與注冊會計師審計的范圍進(jìn)行明確的劃分，以政府審計為主，其他審計為輔。

1.3.2 基于先驗信息的模擬錐套檢測

基于上述圖像特征，本文設(shè)計了一組弱分類器以級聯(lián)的方式實現(xiàn)對模擬錐套的快速檢測，檢測流程如圖7 所示。首先，利用模擬錐套顏色先驗信息在HSV（Hue， Saturation Value）顏色空間對機載圖像進(jìn)行顏色分割濾波，并通過一個半徑為3 pixel 的開運算對分割結(jié)果進(jìn)行形態(tài)學(xué)濾波去除分割結(jié)果中的散點，濾波結(jié)果中包含了圖像中所有紅色候選目標(biāo)；其次，在顏色分割的基礎(chǔ)上提取輪廓，建立輪廓間的層次關(guān)系，并統(tǒng)計所有輪廓的子輪廓數(shù)量，任意輪廓只建立兩層關(guān)系，即父輪廓與子輪廓；然后，根據(jù)輪廓的層次關(guān)系去除所有有父輪廓的輪廓；再次，根據(jù)輪廓的點數(shù)進(jìn)行濾波，將點數(shù)小于閾值thrsize的輪廓濾掉，且如果該輪廓存在子輪廓則濾掉子輪廓；然后，利用滿足上述條件的候選輪廓擬合橢圓并進(jìn)行形狀濾波，一是去掉擬合平均殘差大于閾值thrres以及最大殘差大于thrmax的輪廓，二是去掉橢圓長寬比大于閾值thrratio的輪廓；其次，當(dāng)候選輪廓點數(shù)大于設(shè)定閾值thrb時，根據(jù)子輪廓與輪廓的周長比值去除比值大于閾值thrcir的父輪廓，并去除子輪廓數(shù)量小于閾值thrson的父輪廓；最后，對滿足上述條件的候選輪廓進(jìn)行排序，最大輪廓即為目標(biāo)輪廓。

圖7 基于先驗信息的模擬錐套檢測流程Fig.7 Process of simulation drogue detection based on prior information

圖8 中給出了機載圖像模擬錐套檢測結(jié)果。圖8（a）為機載相機拍攝到的原始圖像；圖8（b）為HSV 顏色分割并進(jìn)行心態(tài)學(xué)濾波的結(jié)果，可以看出分割結(jié)果中除目標(biāo)外還包含很多地面干擾；圖8（c）為對分割結(jié)果進(jìn)行級聯(lián)濾波的結(jié)果，可以看出利用本文所提模擬錐套檢測技術(shù)成功識別得到目標(biāo)；圖8（d）為根據(jù)識別結(jié)果解算得到的模擬錐套位置信息及相應(yīng)的視覺制導(dǎo)量，具體的解算方法在下面小節(jié)詳細(xì)給出。

圖8 模擬錐套檢測結(jié)果Fig.8 Results of simulation drogue detection

1.4 精確對接制導(dǎo)參數(shù)解算

檢測得到模擬錐套對應(yīng)的橢圓后，還需根據(jù)橢圓的尺寸、姿態(tài)信息求解模擬錐套在無人機精確對接坐標(biāo)系中的三維位置，并將該位置量作為精確對接階段的視覺制導(dǎo)量。為解算無人機視覺制導(dǎo)參數(shù)，本小節(jié)首先定義了視覺制導(dǎo)參數(shù)解算過程中涉及到的坐標(biāo)系，然后詳細(xì)給出了制導(dǎo)量解算的理論推導(dǎo)。

1.4.1 坐標(biāo)系定義

視覺制導(dǎo)參數(shù)解算過程中涉及到的坐標(biāo)系包括：導(dǎo)航坐標(biāo)系O0X0Y0Z0、靶標(biāo)坐標(biāo)系O1X1Y1Z1、機體坐標(biāo)系O2X2Y2Z2、圖像坐標(biāo)系oxy、相機坐標(biāo)系O3X3Y3Z3、精確對接坐標(biāo)系O4X4Y4Z4以及輔助坐標(biāo)系O5X5Y5Z5，如圖9 所示。其中導(dǎo)航坐標(biāo)系O0X0Y0Z0是世界慣性系，坐標(biāo)原點O0設(shè)置為集群中第一架無人機的起飛位置，X0、Y0、Z0軸分別指向北、東、地，也稱為北東地坐標(biāo)系；靶標(biāo)坐標(biāo)系O1X1Y1Z1是建立在圓盤中心的動坐標(biāo)系，但其坐標(biāo)軸分別與導(dǎo)航系坐標(biāo)軸平行；機體坐標(biāo)系O2X2Y2Z2是固連在無人機質(zhì)心上的動坐標(biāo)系，坐標(biāo)系X2軸指向機頭前方、Z2軸指向地、Y2軸由右手法則確定；圖像坐標(biāo)系oxy是建立在圖像主點的二維坐標(biāo)系，其x軸水平向右、y軸豎直向下；相機坐標(biāo)系O3X3Y3Z3是建立在相機光心的動坐標(biāo)系，Z3軸平行于相機光軸指向前方，X3、Y3軸分別平行于圖像系的x、y軸水平向右，豎直向下，為模擬對接任務(wù)本文將相機安裝在無人機的機頭處；精確對接坐標(biāo)系O4X4Y4Z4與靶標(biāo)坐標(biāo)系擁有相同的原點和Z軸，將靶標(biāo)系繞Z1旋轉(zhuǎn)角度σ即得到精確對接坐標(biāo)系，其中角度σ為對接階段航線的偏航角；輔助坐標(biāo)系O5X5Y5Z5與相機系擁有相同的原點，Z5軸平行于圓盤所在平面的法向量指向圓盤方向，X5、Y5軸垂直Z5軸，且坐標(biāo)軸間滿足右手法則。

圖9 中還給出了各坐標(biāo)系間的變換關(guān)系(Rab，Tab)，其 中Rab表 示b系 到a系 的 旋 轉(zhuǎn) 矩 陣，Tab表示b坐標(biāo)系原點在a系中的坐標(biāo)表示。假設(shè)任一空間點P在a系中表示為Pa，在b系中表示為Pb，則兩坐標(biāo)滿足坐標(biāo)變換關(guān)系Pa=Rab×Pb+Tab。根據(jù)坐標(biāo)系的定義可以得到R10=R01=I3×3，其中I3×3為單位陣；R41=Rz(σ)，其中Rz(σ)為繞Z1軸旋轉(zhuǎn)角度σ對應(yīng)的變換矩陣。

圖9 對接過程坐標(biāo)系Fig.9 Docking process coordinate systems

此外，相機測量得到的模擬錐套的位置是相機坐標(biāo)系下的坐標(biāo)表示，該測量結(jié)果不能直接作為制導(dǎo)參數(shù)來引導(dǎo)無人機完成精確對接任務(wù)。實際中為消除相機器件誤差、安裝誤差等因素的影響，本文對相機的內(nèi)、外參數(shù)進(jìn)行了標(biāo)定。利用MATLAB 相機標(biāo)定工具箱標(biāo)定相機主點(Cx，Cy)、相機等效焦距(Fx，F(xiàn)y)以及相機像差系數(shù)(k1，k2，k3，t1，t2)；利用開源視覺-慣性聯(lián)合標(biāo)定工 具 箱Kalibr［34］標(biāo) 定 相 機 系O3X3Y3Z3到 機 體 系O2X2Y2Z2的變換矩陣[R23，T23]。

通常情況下模擬錐套在圖像中的投影為橢圓，在圖像中檢測到目標(biāo)橢圓后可利用實際圓盤的尺寸、圖像橢圓的具體參數(shù)根據(jù)空間幾何關(guān)系解算得到目標(biāo)圓盤位置及法向量在相機系中的坐標(biāo)表示。本文采用文獻(xiàn)［33］中所述方法解算模擬錐套在相機系中的位置。首先，記圖像坐標(biāo)系中橢圓上任意一點的齊次坐標(biāo)表示為=[xe，ye，1]，則橢圓方程表示為

式中：A、B、C、D、E、F為系數(shù)，具體取值可利用提取到的橢圓輪廓點集pi(i=1，2，...，n)擬合得到。根據(jù)橢圓方程式（3）可以發(fā)現(xiàn)，將橢圓系數(shù)乘以任意比例因子仍滿足該式。實際中，采用Opencv fitEllipse（）函數(shù)擬合得到橢圓對應(yīng)的旋轉(zhuǎn)矩形RotatedRect，并利用基本橢圓方程通過坐標(biāo)變換得到實際橢圓對應(yīng)的系數(shù)。

記擬合殘差W(pi)=Ax2i+2Bxi yi+Cy2i+2Dxi+2Eyi+F，則橢圓擬合的平均殘差resmean和最大殘差resmax可通過式（4）計算得到：

計算得到resmean和resmax后即可用于模擬錐套檢測任務(wù)中判斷當(dāng)前輪廓是否對應(yīng)模擬錐套，并去除分割結(jié)果中的虛假目標(biāo)干擾。

如圖9 所示，O3GH為由相機光心與圓盤構(gòu)成的斜橢圓錐，則圓盤輪廓上任意一點P在相機系O3X3Y3Z3和輔助系O5X5Y5Z5中可表示為

式中：(xe，ye)為點P透視投影到圖像平面上的圖像坐標(biāo)；f=(Fx+Fy)/2；k為正的比例因子。

因為圓盤輪廓上任意一點均位于斜橢圓錐O3GH表面上，所以滿足：

式中：

其中：r為圓盤的半徑；[x0，y0，z0]為圓盤中心在輔助系中的坐標(biāo)。根據(jù)式（5）和式（6）可以得到：

Q3為對稱矩陣，對Q3進(jìn)行特征值分解可得到：

式中：λ1、λ2、λ3為矩陣Q3的特征值；V的列向量對應(yīng)的特征向量；diag()為對角矩陣函數(shù)。

經(jīng)推導(dǎo)，圓盤位置C和法向量N在相機系中表示為

式中：Si表示不確定符號，可取±1；但因為目標(biāo)圓盤位于相機前方，所以存在約束Cz＞0、Nz＞0。實際中滿足約束的解有兩組，分別記為C1、N1和C2、N2?？紤]到精確對接階段加油機沿對接航線勻速飛行，且無人機位于模擬錐套后方緩慢進(jìn)行對接，解算得到的位置向量C1與C2相差很小，取兩者均值作為目標(biāo)在相機系中的位置向量，記為T31。此外，由于實際飛行過程中模擬錐套受氣流、機體振動等因素的影響，導(dǎo)致模擬錐套快速波動，因此精確對接過程中不利用解算到的圓盤法向量信息。

精確對接階段加油機的理想狀態(tài)是沿約定航線勻速直線飛行，但實際中加油機的偏航角是在以約定航向角為中心的附近波動。對接過程中根據(jù)加油機播報的差分GPS 位置可以估計得到加油機的速度大小及方向，但實際對接過程中沿著加油機航線方向進(jìn)行對接。利用無人機坐標(biāo)系原點在精確對接坐標(biāo)系O4X4Y4Z4中的位置參數(shù)作為制導(dǎo)量引導(dǎo)無人機與模擬錐套進(jìn)行精確對接。根據(jù)坐標(biāo)變換關(guān)系，機體系原點在對接坐標(biāo)系O4X4Y4Z4中的位置可表示為

式中：σ為對接階段加油機航線角；ψ、θ、?分別對應(yīng)無人機的偏航角、俯仰角以及滾轉(zhuǎn)角；R23、T23為標(biāo)定得到的相機系到機體系的變換關(guān)系，T31為利用式（10）解算得到的圓盤中心在相機系中的坐標(biāo)；Rz(·)、Ry(·)、Rx(·)分別為繞z軸、y軸、x軸旋轉(zhuǎn)對應(yīng)角度的基本變換矩陣。

此外，為確保解算結(jié)果的可靠性，本文利用加油機播報的位置信息對解算結(jié)果進(jìn)行異常值檢測，剔除由于識別錯誤造成的解算野值；為滿足精確對接控制要求，本文對視覺解算結(jié)果進(jìn)行了高斯加權(quán)濾波，消除了制導(dǎo)參數(shù)中的高頻分量，濾波結(jié)果見2.3.3 節(jié)。

2 試驗驗證

為驗證所提固定翼集群無人機空中加油技術(shù)的可行性，本文設(shè)計并實現(xiàn)了相應(yīng)的集群無人機系統(tǒng)，并通過參加第2021 屆“無人爭鋒”空中握手科目比賽對所提技術(shù)和策略進(jìn)行驗證。

2.1 比賽規(guī)則

空中握手比賽中，加油機以70 km/h 的速度按照預(yù)設(shè)1 200 m×200 m 環(huán)形航線飛行，模擬空中對接加油機飛行，并在加油機尾部拖拽一個直徑30 cm 的圓盤模擬加油錐套，如圖10 所示。

圖10 加油機及對接航線Fig.10 Tanker aircraft and docking route

對接區(qū)域為模擬錐套端面后方距離圓盤2 m，直徑2 m，長度10 m 的動態(tài)圓柱區(qū)域；對接無人機需要依次在對接區(qū)域中保持5 s 才算完成對接任務(wù)；完成對接的無人機數(shù)量越多，對接頻率越高，對接過程中位置保持越穩(wěn)定得分越高。為避免在加油機機動時進(jìn)行對接，比賽中只在航線的直線階段進(jìn)行對接任務(wù)。

2.2 無人系統(tǒng)設(shè)計

圖11所示為本文設(shè)計的固定翼集群無人機系統(tǒng)，實際空中握手科目比賽中采用如圖11 所示的地面站以及4 機無人機編隊執(zhí)行空中對接任務(wù)。其中無人機系統(tǒng)采用雙螺旋槳動力系統(tǒng)，總重量約6.9 kg，翼展1.4 m；飛行控制器采用Pixhawk4，該控制器集成了加速度計、陀螺儀、電子羅盤以及氣壓計；機載任務(wù)計算機采用INTEL NUC8i7BEH，CPU 計算頻率3.0 GHz，內(nèi)存16 GB RAM；圖像采集單元采用OSG230-150UC USB 工業(yè)相機，分辨率1 920 pixel×1 200 pixel，工作幀頻30 frame/s，焦距12 mm，視場角40.2o×30.6o×86.6o(H×V×D)；任務(wù)計算機利用USB3.0 接口采集圖像數(shù)據(jù)，并通過串口與飛行控制器進(jìn)行通信，任務(wù)計算機將解算得到的視覺制導(dǎo)參數(shù)T42及置信度發(fā)送到飛行控制器，接收無人機當(dāng)前位置、姿態(tài)等狀態(tài)。集群中無人機與無人機間以及無人機與地面站間通過組網(wǎng)通信設(shè)備進(jìn)行通信，無人機將自身狀態(tài)參數(shù)通過機載數(shù)傳發(fā)送給其它無人機，并接收集群中其它無人機的當(dāng)前狀態(tài)以及地面站的控制指令。

圖11 固定翼集群無人機系統(tǒng)Fig.11 Fixed-wing clustering UAVs system

此外，為減小相機、數(shù)據(jù)傳輸線以及機載計算機等機載設(shè)備對GPS 的干擾，利用錫箔紙對其進(jìn)行了屏蔽處理；由于通信帶寬有限，實際對接過程中通信延遲會導(dǎo)致機間距離信息誤差變大，不利于編隊控制以及與加油機的對接，為解決通信延遲問題，本文的解決思路是精簡通信數(shù)據(jù)的同時增加編隊機間距。

2.3 試驗結(jié)果

2.3.1 追蹤加油機結(jié)果

實際“空中握手”科目比賽中，加油機在100 m的空中按固定的路徑以70 km/h 的速度均速飛行，并以20 Hz 的頻率播報自身地理坐標(biāo)位置，等待無人機集群與其對接。采用4 架無人機在跑道起點按預(yù)定起飛順序相繼滑跑起飛。當(dāng)無人機高度大于20 m 后進(jìn)入巡航階段，這時無人機集群開始追蹤加油機，圖12 所示為4 架無人機U1～U4 追蹤加油機Target 的航跡圖。航跡圖的基本坐標(biāo)系為Oxyh坐標(biāo)系，其中x軸指向正北方向，y軸指向正東方向，h軸指向垂直向上。

由圖12（a）可以看出，因受起飛跑道方向約束，無人機起飛后先往南飛行，最遠(yuǎn)已達(dá)到450 m，此時加油機在（-60 m，-110 m）位置附近。依據(jù)加油機當(dāng)前位置和提前已知的航線信息，每架無人機按每次加5 s 的時間間隔推算加油機的位置和速度，規(guī)劃Dubins 路徑，當(dāng)預(yù)計飛完Dubins 路徑所需的時間與遞推的時間相同時，則找到最優(yōu)追擊路徑，并按Dubins 路徑追蹤目標(biāo)。4 架無人機在飛抵最南端后，右轉(zhuǎn)彎追蹤加油機，在40 s后與加油機會合，無人機到達(dá)加油機后方預(yù)定位置，編隊按照預(yù)定隊形保持跟蹤加油機，完成追蹤。圖12（b）為追擊過程中無人機高度方向的分布圖，可以看出，無人機先爬升至隊形分層高度后，保持分層高度繼續(xù)追擊加油機。為了機間避碰，編隊最高的無人機與加油機保持10 m 高度間距，其余無人機依次與上面無人機保持8 m 高度間距。進(jìn)入預(yù)備對接和對接階段時，才依次升高，這樣可以有效降低無人機發(fā)生碰撞的風(fēng)險。

圖12 無人機編隊追蹤加油機航跡Fig.12 Flight path of UAV formation tracking tanker

2.3.2 無人機與加油機對接過程

4 架無人機提前已分配了編號為U1～U4 的UAV ID，編號數(shù)字越小，對接優(yōu)先級越高。在本次試驗中，4 架無人機處于以加油機為中心的隊形保持階段后，分別依次與加油機對接。圖13 反映了第2 架無人機（U2）的對接過程，當(dāng)U1 退出狀態(tài)后，U2 由編隊保持位置調(diào)整到預(yù)備對接位置上，即縱向高度升高到加油機的高度上，側(cè)向位置調(diào)整到加油機后面，與加油機保持20 m 距離。

圖13 無人機2 對接過程Fig.13 U2 docking process

從圖13（a）可以看出此時U2 距離加油機距離20 m 左右；從圖13（b）可以U2 進(jìn)入預(yù)備對接后，高度從80 m 左右升高到100 m，同時U1 退出編隊時是邊遠(yuǎn)離邊升高，然后再降高，目的是避免在退出時與其他無人機相撞。

2.3.3 視覺制導(dǎo)參數(shù)解算結(jié)果

模擬錐套檢測HSV 分割任務(wù)中，為分割得到紅色候選目標(biāo)對應(yīng)的圖像區(qū)域，設(shè)置色調(diào)H的取值范圍為[0，10]和[160，180]，飽和度S的取值范圍為[85，255]，亮度V的取值范圍為[30，255]。候選輪廓級聯(lián)濾波任務(wù)中，設(shè)置參數(shù)thrsize=30， thrres=0.15， thrmax=0.3， thrratio=1.5， thrb=90， thrcir=0.3， thrson=3。為 測 量所提視覺測量技術(shù)的精度，本文以光學(xué)三維動作捕捉系統(tǒng)測量得到的相機到圓盤中心的距離作為參考值，對視覺測量誤差進(jìn)行統(tǒng)計，動捕系統(tǒng)界面如圖14 所示。

圖14 光學(xué)三維動作捕捉系統(tǒng)軟件界面Fig.14 Software interface of optical 3D motion capture system

為實時測量得到相機、圓盤中心在動捕系下的坐標(biāo)，在相機和圓盤靶標(biāo)上安裝動捕球，如圖15 所示。實際測量中，以相機上動捕球的坐標(biāo)作為相機在動捕系下的坐標(biāo)，以圓盤上4 個動捕球坐標(biāo)的均值作為圓盤中心在動捕系中的坐標(biāo)，并用這2 個坐標(biāo)實時計算得到參考距離，同時利用所提視覺測量技術(shù)實時解算得到測量距離，兩者之差即為測量誤差。

圖15 動捕球安裝Fig.15 Installation manner of motion capture balls

在5 個不同距離上統(tǒng)計了測量誤差，具體的測量精度如表1 所示。從表中可以看出，視覺測量誤差隨著距離的增大而變大，主要因為距離越大檢測到的橢圓的相對誤差越大。但由于圓盤為合作目標(biāo)，且顏色特征顯著，所提視覺測量方法具有較高的精度，距離20 m 時測量精度也能達(dá)到10 cm，滿足對接任務(wù)的要求。

表1 不同距離上的視覺測量精度Table 1 Visual measurement accuracy at different distances

精確對接階段，本文根據(jù)橢圓擬合殘差計算當(dāng)前幀模擬錐套檢測置信度conf=1-resmean，檢測結(jié)果置信度如圖16 所示。從圖中可以看出整個精確對接階段，模擬錐套的識別率為100%，目標(biāo)識別置信度均大于90%，驗證了本文所提模擬錐套識別技術(shù)的可行性。

圖16 模擬錐套視覺檢測置信度Fig.16 Confidence of simulation drogue detection

圖17 所示為精確對接階段視覺制導(dǎo)參數(shù)解算結(jié)果，x2、y2、z2為根據(jù)式（11）解算得到的無人機機體系原點在精確對接坐標(biāo)系O4X4Y4Z4中的三維坐標(biāo)，其中藍(lán)色曲線為解算結(jié)果，橙色曲線為高斯加權(quán)濾波結(jié)果，從圖中可以看出濾波結(jié)果消除了檢測結(jié)果中的高頻分量，濾波后的制導(dǎo)量更有益于穩(wěn)定控制無人機。

圖17 （a）解算結(jié)果顯示精確對接過程中無人機從距離圓盤約24 m 處緩慢接近模擬錐套直到距離圓盤16 m。圖17 （b）所示解算結(jié)果說明無人機在圓盤兩側(cè)波動，對150 frame 到450 frame間的引導(dǎo)結(jié)果進(jìn)行統(tǒng)計得到側(cè)偏方向上的平均控制誤差為0.963 m。精確對接階段，在進(jìn)入對接圓柱之前將無人控制到加油機上方3 m 左右的高度，通過高度分層避免與加油機相撞，高度控制結(jié)果如圖17 （c）所示，可以看出無人機在對接系中的高度在-3 m 左右波動，對150 frame 到450 frame 間的引導(dǎo)結(jié)果進(jìn)行統(tǒng)計得到高度方向上的平均控制誤差為0.278 m。

圖17 精確對接視覺制導(dǎo)參數(shù)解算結(jié)果Fig.17 Results of estimated visual guidance parameters during precise docking

從解算結(jié)果可以看出無人機沒有達(dá)到比賽規(guī)則所述要求就機動離開了，主要有以下3 點原因：① 受無人機航時的限制，對接過程中對總時間以及精確階段對準(zhǔn)時間進(jìn)行了限制，超過設(shè)定時間還沒完成對接就直接放棄對接任務(wù)；② 加油機直線段距離較短，如果對接過程中加油機進(jìn)入轉(zhuǎn)彎階段，則只能當(dāng)前放棄對接，直到加油機再次進(jìn)入直線段；③ 加油機螺旋槳位于尾部，其快速旋轉(zhuǎn)產(chǎn)生的氣流影響對接無人機的控制，特別是要想將無人機控制在直徑2 m 的圓柱體內(nèi)保持5 s 有較大難度。基于上述原因，固定翼組所有參賽隊均沒有完成對接任務(wù)。但是參賽結(jié)果驗證了本文所提集群無人機空中加油對接流程、追機方案、編隊控制、對接策略以及模擬錐套檢測技術(shù)的可行性。

3 結(jié) 論

本文以“無人爭鋒”空中握手比賽為背景，對固定翼集群無人機空中加油相關(guān)技術(shù)及策略進(jìn)行了研究。首先，針對空中握手比賽，設(shè)計了集群無人機空中對接流程以及高度分層的編隊策略；其次，在追加油機的過程中提出了基于Dubins 路徑規(guī)劃的最優(yōu)追機方案；然后，在精確對接階段，為快速、準(zhǔn)確的識別模擬錐套，基于模擬錐套的顏色、形狀、尺度等先驗信息設(shè)計了一組弱分類器，并提供過級聯(lián)的方式加速了模擬錐套的檢測；同時，為解算得到視覺制導(dǎo)參數(shù)，本文結(jié)合無人機的姿態(tài)及模擬錐套的尺寸信息解算得到精確對接階段的制導(dǎo)參數(shù)，并利用加油機播報的GPS 位置信息剔除解算結(jié)果中的野值，通過高斯加權(quán)技術(shù)濾除制導(dǎo)參數(shù)中的高頻分量。此外，本文設(shè)計了相應(yīng)的固定翼集群無人機系統(tǒng)，并通過比賽驗證了集群無人系統(tǒng)及所提空中模擬對接技術(shù)和策略的可行性及可靠性。

雖然本文所提無人系統(tǒng)及對接技術(shù)在比賽中得到了驗證，但仍存在一些需要加強的地方：① 本文所提模擬錐套檢測技術(shù)的針對性太強，實際空中加油任務(wù)中需根據(jù)真實加油錐套設(shè)計相應(yīng)的檢測方法；② 精確對接過程中控制策略比較保守，導(dǎo)致完成對接需要較長的時間。

基于上述問題，并促進(jìn)集群無人機自主空中加油技術(shù)的裝備化應(yīng)用，后續(xù)研究工作主要集中在以下2 點：① 針對實際加油錐套，研究基于深度學(xué)習(xí)技術(shù)的目標(biāo)檢測及位姿解算方法，提高加油錐套檢測的適應(yīng)性及精度；② 研究密集編隊條件下的目標(biāo)跟蹤控制技術(shù)，進(jìn)一步提高無人機的編隊控制精度和對接效率。