基于视觉伺服与虚拟管的多旋翼无人机杂乱环境拦截控制研究

《Journal of Systems Engineering and Electronics》：Multicopter Interception Control Based on Visual Servo and Virtual Tube in a Cluttered Environment

本文针对多旋翼无人机在复杂战场环境中拦截目标的需求，提出了一种结合视觉伺服与虚拟管技术的拦截控制方法。研究人员通过改进A*算法的混合启发函数提升路径规划效率（提高6.2%），设计修正目标函数使虚拟管生成曲线更平滑贴近路径点，并基于YOLOv5目标检测和视觉伺服控制器实现精准拦截。仿真验证了该方法在杂乱环境下能有效完成通过控制与拦截任务，为无人机自主作战提供新思路。

　　

在现代战场环境中，无人机因其便携性和易操作性已成为目标拦截的重要工具。然而，面对建筑物密集、障碍物林立的杂乱环境，如何让无人机安全高效地穿越并精准拦截动态目标，仍是亟待解决的技术难题。传统方法往往将路径规划、轨迹跟踪和目标拦截作为独立环节处理，存在系统协同性不足、环境适应性差等问题。发表于《Journal of Systems Engineering and Electronics》的这项研究，创新性地将虚拟管控制与视觉伺服技术相结合，为多旋翼无人机提供了一套完整的杂乱环境拦截解决方案。

研究团队通过三个关键技术环节构建控制系统：首先采用改进A*算法进行全局路径规划，通过混合启发函数（结合曼哈顿距离与欧氏距离）将搜索效率提升6.2%；接着基于修正目标函数生成兼顾平滑性与路径贴合度的虚拟管，使无人机可在管状安全区域内飞行；最后利用YOLOv5算法实时检测目标，并通过图像视觉伺服控制器动态调整无人机姿态。特别值得注意的是，所有实验均通过RflySim平台进行软件在环仿真（SIL），使用红色气球作为拦截目标模拟真实场景。

路径规划仿真表明，改进A*算法在六种不同场景下平均减少节点搜索数量66%（传统算法242个节点，改进算法91个节点），且规划路径均保持最优。通过图4的对比可见，改进算法（图4b）的搜索范围（黄色与绿色框区域）显著小于传统算法（图4a），证明混合启发函数能有效引导搜索方向。

虚拟管规划环节中，修正目标函数（公式18）在保证生成曲线二阶连续（公式19）的前提下，新增了与A*路径点的贴合度优化项。如图5所示，相比原始函数生成的偏离轨迹（图5a），修正函数生成的蓝色曲线（图5c）紧密贴合红色路径点，且在转弯处保持平滑，验证了目标函数的有效性。

虚拟管控制采用前向速度与边界规避速度的饱和叠加策略（公式21-22），使无人机在管体内安全通行。图6展示的虚拟管（红色边界）完全避开障碍物（黑色方块），且管径变化适应环境结构，体现其空间适应性优势。

拦截控制阶段，无人机通过相机坐标系（图1）获取目标图像坐标ⁱp，YOLOv5算法（损失函数如公式23）实时框定目标（图7绿色框）。视觉伺服控制器（公式24）通过调节总升力f和角速度^cω，使图像误差e（公式8）渐近收敛至零，最终实现精准拦截（图8）。

这项研究的创新性在于打通了从环境感知到拦截执行的完整技术链：虚拟管技术提升群体通行效率，视觉伺服保证末端拦截精度。该方法不仅适用于单目标拦截，更为未来多目标协同拦截奠定基础。通过理论推导与仿真验证的结合，研究团队为无人机在复杂战场环境下的自主作战提供了可靠的技术支撑，对推动智能无人系统发展具有重要意义。