本研究提出了一种统一的控制框架，旨在为配备云台相机的固定翼无人机（UAV）执行从目标初始检测到精确终端打击的全程任务。该系统采用三阶段策略：基于视觉的目标获取阶段、基于非线性模型预测控制（NMPC）的跟踪阶段和终端引导阶段。
在跟踪阶段，框架使用无迹卡尔曼滤波器（UKF）将基于YOLO的视觉检测与惯性测量融合，从而在未知动态环境下实现稳健的目标状态估计。为了确保可靠的视觉接触，我们引入了一种考虑约束的非线性模型预测控制策略，结合控制障碍函数（CBFs）明确防止无人机自遮挡，这是固定翼跟踪中的常见限制。
在满足终端打击条件后，系统无缝切换到基于四元数的偏置比例导航引导（BPNG）律，强制执行精确的冲击角约束。高保真模拟表明，该框架在严格遵守飞行器动态限制和相机视场约束的情况下，实现了稳定、稳健的跟踪和准确的终端拦截。
博主点评： 本文展示的控制框架通过多阶段策略有效解决了固定翼无人机在动态环境下的目标跟踪与打击问题，尤其是自遮挡的挑战，具有重要的应用前景。