无人机拦截与对抗

配置yolo

1.框架
yolo框架使用darknet_ros，这个版本支持yolov3和yolov4的配置文件

2.报错
（1）CUDA报错

`nvcc fatal : Unsupported gpu architecture 'compute_30'.`
1

（1）查看显卡匹配型号：https://blog.csdn.net/u013308762/article/details/121658823
（2）查看显卡：nvidia-smi -a
==》NVIDIA GeForce GTX 1070匹配ARCH= -gencode arch=compute_61,code=sm_61
因此，修改darknet_ros/CMakeLists.txt的文件，将多余compute版本注释掉

    ${CUDA_NVCC_FLAGS};
    -O3
    #-gencode arch=compute_30,code=sm_30
    #-gencode arch=compute_35,code=sm_35
    #-gencode arch=compute_50,code=[sm_50,compute_50]
    #-gencode arch=compute_52,code=[sm_52,compute_52]
    -gencode arch=compute_61,code=sm_61
    #-gencode arch=compute_62,code=sm_62
1
2
3
4
5
6
7
8

（2）OPENCV报错

/usr/local/include/opencv2/core/cvdef.h:485:1: error: unknown type name ‘namespace’
 namespace cv {
 ^~~~~~~~~
1
2
3

修改如下https://zhuanlan.zhihu.com/p/36933700

3.配置文件
更改无人机模型和视觉输入
（1）修改task1.launch

  <arg name="image" default="/iris_0/stereo_camera/left/image_raw" />
1

（2）修改uav0.yaml

  camera_reading:
    topic: /iris_0/stereo_camera/left/image_raw
1
2

运行

roslaunch px4 multi_vehicle.launch
1

roslaunch darknet_ros task1.launch
1

cd ~/XTDrone/communication
python multirotor_communication.py iris 0
1
2

cd ~/catkin_ws_intercept/src/intercept/scripts
python hover.py iris 1 vel
1
2

cd ~/catkin_ws_intercept/src/intercept/scripts
python yolo_human_intercept.py iris 0
1
2

yolo_human_intercept.py中采用视觉伺服控制，并使用pid方法控制速度

注意：做无人机速度控制时，摄像机方向（前方）为x轴正方向，左为y轴正方向

将yolo模型替换为无人机模型

无人机模型链接：https://github.com/chuanenlin/drone-net

下载其中yolo-drone.cfg和yolo-drone.weights，并在task1.launch中替换路径

仿真中识别无人机效果不好，超过5m就识别不出来。
解决方法：1）增大仿真相机分辨率，2）需要使用labelme自己标注一些数据集重新训练

无人机群对抗策略

待调研