基于深度学习的四旋翼无人机目标跟随系统设计.pdf

哈尔滨理工大学电子信息硕士学位论文

基于深度学习的四旋翼无人机目标跟随系统设计

摘要

近年来，随着人工智能和无人机技术的快速发展，将基于深度学习的目标跟

随技术部署在四旋翼无人机上，实现对移动目标的快速检测和精准跟随逐渐成为

应用研究的热点。但是受四旋翼无人机平台自身机载计算机算力的限制，需要对

目标检测和目标跟踪模型进行轻量化处理，且在长期的目标跟随过程中会出现目

标丢失、跟随失败以及目标检测失效等问题。因此，针对四旋翼无人机目标跟随

任务中的难点，本文提出了基于深度学习的四旋翼无人机目标跟随系统，通过对

目标检测算法和目标跟踪算法进行优化，来提高四旋翼无人机对移动目标进行实

时准确跟随的能力。

首先，根据四旋翼无人机对移动目标跟随任务的需求，设计四旋翼无人机目

标跟随系统总体方案，进行四旋翼无人机硬件和软件平台的搭建，通过ROS节点

通信控制四旋翼无人机实现对移动目标的跟随。在定高2m环境下采集四旋翼无人

机拍摄的图像并进行标注，构建包含多种运动状态的行人和车辆目标检测图像数

据集UPV-2m（UnmannedAerialVehiclePedestrianVehicleDatasetat2mAltitude）。

其次，针对目标检测算法计算量大的问题，优化YOLOv7-tiny目标检测模型，

采用快速分组卷积空间金字塔池化GC-SPPFCSPC结构，以及在主干网络中采用

FasterNet轻量化网络，减少YOLOv7-tiny目标检测模型的计算量。此外，针对轻

量化带来的精度损失，引入CA（CoordinateAttention）注意力机制，提高模型对

移动目标检测的准确度。

然后，针对目标跟踪算法重识别网络模型参数量较大的问题，优化DeepSORT

目标跟踪算法，采用轻量级的GhostNetv2特征提取网络，替换原有重识别模块中

的WRN（WideResidualNetworks）网络，减少重识别网络模型大小。针对移动目

标进行非线性移动时出现的跟随失败问题，采用无迹卡尔曼滤波算法，增强系统

对非线性移动目标的稳定跟随能力。

最后，对改进后的目标检测和目标跟踪算法在Gazebo仿真环境下进行验证，

将验证后的模型端到端的部署到JetsonXavierNX上。在现实环境中，针对移动目

标在跟随过程中可能出现的无遮挡和短时间遮挡情况，进行实机定性定量实验来

验证改进后目标检测和目标跟踪算法在现实环境中对移动目标跟随的有效性。

关键词深度学习；YOLOv7-tiny；DeepSORT；卡尔曼滤波；四旋翼无人机

-I-

哈尔滨理工大学电子信息硕士学位论文

DesignofTargetFollowingSystemforQuad-rotor

UAVBasedonDeepLearning

Abstract

Inrecentyears,withtherapiddevelopmentofartificialintelligenceandunmanned

aerialvehicle(UAV)technology,deployingdeeplearning-basedtargettracking

technologyonquadcopterUAVstoachievefastdetectionandprecisetrackingof

movingtargetshasgraduallybecomeahottopicinapplicationresearch.However,due

tothelimitedonboardcomputingpowerofquadcopterUAV