3. 无人系统平台与传感器特性

目标跟踪任务规划的第一步，不是选算法，而是认清“谁在追、用什么看”。平台决定了跟踪器能怎么动，传感器决定了目标能被看成什么样。二者共同构成跟踪任务的物理边界：平台运动约束限定了可达位置与机动节奏，传感器特性限定了可观测信息与量测质量。规划算法若忽略这些边界，输出的航迹或跟踪策略往往在仿真中可行、在真实系统中失效。

一、平台运动约束：跟踪器的“机动能力包线”

无人机、无人车、无人艇的运动学与动力学差异极大，直接决定跟踪时的可达状态集合。工程上通常用一组约束参数描述平台能力，而不是仅看最大速度。

• 无人机（多旋翼/固定翼）：多旋翼可悬停、可全向低速平移，但最大速度与加速度受电池功率和姿态角限制，典型小型多旋翼水平最大速度约 10～20 m/s，最大水平加速度约 3～8 m/s²，且速度越大续航越短；固定翼不能悬停，存在最小巡航速度（约 12～20 m/s）与最小转弯半径，跟踪低速目标时需通过盘旋或“S”形机动保持距离。
• 无人车：受非完整约束，不能横向平移，转弯半径由轴距与前轮最大转角决定，例如轴距 1.2 m、最大转角 30° 时最小转弯半径约 2.1 m；跟踪时需提前规划转弯，否则会出现“切内弯”丢失目标。
• 无人艇：受水动力与惯性影响，加速慢、制动距离长，转向存在明显滞后，跟踪高速目标时需预留更大的提前量。

这些约束在跟踪规划中通常转化为三类硬性条件：最大速度/加速度约束、最小转弯半径或角速度约束、以及续航/能量约束。规划器在生成跟踪航路点时，必须把目标预测位置与平台可达域求交，而不是简单地把平台“拉”到目标当前位置。

二、传感器跟踪能力：看得见、看得准、跟得住

视觉、雷达、红外三类传感器在跟踪任务中的角色不同，其能力可用“探测距离、视场、更新率、量测维度、环境适应性”五个维度刻画。

从跟踪角度看，视觉提供高角分辨率但缺少距离，雷达提供距离与速度但角分辨率有限，红外在夜间和低照度下可维持跟踪。因此，单一传感器很难同时满足“远距离发现、高精度跟踪、全天候工作”三项要求，多传感器融合成为跟踪任务规划的常见选择。

三、平台—传感器耦合：跟踪能力不是简单相加

平台与传感器的组合会产生耦合效应。例如，相机安装在多旋翼上，平台俯仰/滚转会使光轴指向变化，若云台稳定精度不足，图像中的目标会快速漂移出视场；雷达安装在无人艇上，艇体摇摆会引入方位量测误差，需要在跟踪滤波中补偿姿态。规划时必须把“平台姿态扰动”作为传感器量测噪声的一部分来考虑。

另一个关键耦合是视场与平台机动的匹配。相机视场较窄时，平台需要持续指向目标；若平台转弯半径大，则目标一旦横向机动，平台可能来不及转向而丢失目标。此时规划策略应优先选择“保持目标在视场内”而非“最短路径接近”。

四、面向跟踪规划的选型与参数化示例

下面给出一个可参考的规划参数化流程，用于把平台与传感器特性转化为跟踪任务约束。示例参数为教学假设值，实际系统需按具体型号标定。

# 跟踪任务约束参数化示例（教学假设值）
platform:
  type: multirotor
  v_max: 15 m/s
  a_max: 5 m/s^2
  yaw_rate_max: 90 deg/s
  endurance: 25 min

sensor:
  type: gimbal_camera
  fov_h: 60 deg
  fov_v: 40 deg
  f_update: 30 Hz
  sigma_angle: 0.5 deg
  gimbal_stab_error: 0.3 deg

tracking_constraint:
  keep_in_fov: true
  max_target_speed: 12 m/s
  max_lateral_accel: 3 m/s^2
  min_tracking_distance: 30 m
  max_tracking_distance: 150 m

规划时，先根据目标预测速度与平台最大速度判断“能否追上”，再用最小转弯半径与目标横向机动幅度判断“能否保持视场”，最后用传感器更新率与量测噪声判断“滤波是否收敛”。三个条件同时满足，跟踪任务才具备可执行性。

五、多平台协同时的特性差异利用

当无人机与无人车协同跟踪时，可以利用平台差异互补：无人机提供俯视全局视野，无人车提供地面近距离高精度量测。规划时可将无人机作为“引导传感器”，把目标粗略位置传给无人车，无人车再以窄视场相机进行精跟踪。此时无人机的运动约束决定引导更新周期，无人车的转弯半径决定末端跟踪的响应速度，二者需要在时间上对齐。

总之，平台运动约束与传感器跟踪能力是跟踪任务规划的两条硬边界。规划器只有把速度、加速度、转弯半径、视场、更新率、量测噪声这些参数显式纳入约束模型，才能输出既追得上、又看得清、还跟得稳的跟踪方案。