立项原因：
随着无人机黑飞事件频发，机场、体育馆、重要会议等低空防护场景对无人机的自动化拦截需求日益迫切。传统人工操控反制无人机的方式存在反应慢、精度低、难以锁定高速移动目标等痛点。
行业场景：
面向低空安防与无人机反制领域，服务于机场安保、活动保障、军事设施防护等场景。系统部署于拦截无人机端，在发现黑飞目标后自动起飞，通过机载视觉系统实时识别追踪入侵无人机，完成自主拦截任务，无需人工遥控干预。
解决效果：
实现了从目标检测到物理拦截的全自主闭环，将拦截响应时间从分钟级缩短至秒级，有效提升了低空安防的自动化水平和拦截成功率。
目标实时检测：
机载摄像头实时采集画面，YOLO模型对视野内的入侵无人机进行实时检测与识别，输出目标类别与置信度
视觉追踪锁定：
OpenCV追踪算法持续锁定检测到的目标，输出目标在图像中的实时像素坐标，确保目标始终处于追踪状态
云台视觉伺服：
树莓派将目标像素坐标通过串口下发至飞控，飞控驱动单轴云台动态调节俯仰角，使目标始终保持在画面中央
末端自主拦截：
当目标满足预设条件（距离、角度、速度）时，系统切换至末端制导模式，引导穿梭机水平接近目标并完成撞击，实现全自主物理拦截
状态实时反馈：
系统实时回传目标锁定状态、追踪轨迹、拦截进度等信息，便于地面站监控与事后复盘
个人职责：
独立负责视觉识别模块的模型训练与机载端部署，以及云台伺服控制的飞控端逻辑开发。具体工作包括：数据集标注与YOLOv8模型训练、树莓派端推理脚本编写、串口通信协议设计、飞控端PWM云台控制逻辑实现，以及系统联调与实测验证。
技术栈与架构：
模型训练：YOLOv8 + LabelImg标注工具 + Python，优化后mAP50达96%
推理部署：树莓派 + Hailo AI加速器 + OpenCV，实现硬件加速推理
通信协议：串口通信（UART）+ 自定义数据帧格式，实现树莓派与飞控间坐标数据下发
控制端：STM32H743飞控 + PWM单轴云台控制 + PID闭环算法
开发语言：Python（标注脚本/训练脚本/推理脚本）、C（飞控端PWM控制逻辑）
实现亮点与难点：
难点1：树莓派端实时推理帧率要求高（需满足动态目标的实时追踪需求）。解决方案：引入Hailo AI加速器进行硬件推理加速，对YOLOv8模型进行INT8量化，在保证mAP50不低于90%的前提下将推理帧率提升至实时可用水平
难点2：目标像素坐标需实时映射为云台俯仰角调节信号，存在延时和超调问题。解决方案：设计增量式PID闭环控制算法，以目标偏离画面中心的像素偏差作为输入量，输出PWM占空比增量，实现云台的平滑跟随，消除振荡
难点3：千余张靶机图片的标注工作量较大，且需保证标注一致性。解决方案：采用LabelImg进行手工标注，统一标注规范，对标注结果进行交叉校验，确保训练数据质量
评论