以色列的铁穹系统是如何工作的？

"铁穹"(Iron Dome)防御系统是以色列国有军工企业拉斐尔国防系统公司研发的全天候、机动型火箭拦截系统，主要用于拦截"喀秋莎"和“卡桑火箭炮"等射程在5至70公里内的火箭弹。

"铁穹"系统主要由三个部件组成:

1. 侦测跟踪雷达:该雷达由以色列埃尔塔(Elta)国防公司制造;

2. 战斗管理与武器控制系统(BMC):控制核心部件由以色列mPrest Systems软件公司专门为拉斐尔公司开发;

3. 导弹发射单元:该装置单元装有20枚拉斐尔公司制造的塔米尔(Tamir)拦截导弹，该导弹装有光电传感器和转向尾翼，机动性能极高。

"铁穹"的工作原理:

• 目标检测：雷达侦测到火箭发射并跟踪其弹道；
• 轨迹预测：根据侦测数据计算落点，以确定其对设定地域是否存在威胁；
• 导弹拦截：当确定威胁存在后，发射拦截导弹，在火箭弹落地前将其引爆；

铁穹模拟系统：

铁穹模拟系统是使用机器人的射弹防御系统。该系统动态识别射向目标的射弹，估计其轨迹，并在不到一秒的时间内拦截它们。

物理机器人使用直接开环关节空间控制进行命令，其中命令的关节位置是实时模拟中机器人对应机器人的关节位置。仿真和命令均在10kHz下完成。机器人操作的其余部分可以通过模拟描述来解释。仿真是该项目的重要工具，因为它的模块化使我们能够轻松命令仿真机器人或真实机器人，将仿真弹丸数据与视觉系统中的真实数据交换，并快速调试和测试不同的控制器。

当机器人主动搜索弹丸时，它处于静止状态，并移动到我们选择的位置，以使其快速到达弹丸可能进入其工作空间的区域。此时视觉系统正在寻找有效目标。当发现传入的射弹时，我们使用卡尔曼滤波器来预测轨迹。一旦轨迹收敛，下一个状态取决于预测轨迹是否与拦截边界（球体部分）相交。如果不相交，机器人将继续搜索射弹。如果一次检测到多个射弹，则该轨迹预测会同时运行，但机器人会按照预测轨迹收敛的顺序将射弹评估为目标。 一旦射弹被瞄准，机器人就会尝试移动到射弹与其工作空间相交的位置。计算出的方向与拦截时射弹的速度矢量相反。它在此配置中等待，直到击球，然后返回到静止状态。

轨迹预测：机器人在其前面的浮动窗口上拦截射弹，该浮动窗口是球体的有界部分。 对于机器人可以看到的每个射弹，其轨迹是根据Kinect深度图像的观察结果预测的，这些图像被输入卡尔曼滤波器以处理噪声和球检测的任何问题。通过求解以下方程组找到交点：

其中 [x,y,z] 是球相对于机器人底座的位置。z方向的加速度假设为-9.81ms 而在x和y中则假定为零。半径R 选择球体的位置和位置，使得机器人前面的窗口位于机器人的可用工作空间内。我们对 t 中的四阶方程使用多项式求解器找出预测轨迹与球体相交的时间和位置。 如果存在一个或多个实根，则在最低实根时将有交集。

控制算法：以下是计算命令广义力 τ 的方程 ，我们的机器人。 下标P和R分别代表位置和旋转，下标C和D代表当前和期望。

模拟控制实现基于为机器人提供所需的位置和方向，以满足快速投掷的弹丸，并使用机器人的已知动力学来计算达到命令配置所需的关节扭矩(1)。控制器的平移部分和旋转部分的力分别计算然后组合，位置部分和旋转部分用下标P和R表示。使用伪逆方法求任务空间质量矩阵Λ (3)来自联合空间矩阵。使用PD控制(4)(5)找到任务空间扭矩，使用笛卡尔力的位置误差 (6) 和力矩Fr的方向误差 (7) ，通过计算当前旋转矩阵Rco中每个列向量的叉积可以找到方向误差(7)由矩阵中表示所需旋转Rco的列向量。这给出了比例旋转增益Kpr的扭矩轴和大小。此外，在实践中，将位置和方向误差向量限制在最大幅度，以避免命令距离太远的所需位置。

模拟弹丸生成：为了与视觉系统分开测试我们的控制算法和状态机，我们创建了一个单独的程序，该程序根据统计分布生成假射弹测量数据。该程序使用与真实视觉系统相同的接口和相同的频率报告弹丸 ID、时间戳和噪声位置测量结果。射弹是根据模拟随机事件的泊松分布生成的。 射弹的初始位置和速度基于多元高斯分布。通过计算当前时间的抛射运动方程的结果，然后沿每个轴添加高斯噪声来报告观察结果。可调参数包括平均投射时间、初始位置和速度的均值和方差、平均投射角度以及测量噪声标准偏差。该程序帮助我们了解系统的要求，因为我们可以在模拟中完全运行试验，并了解成功拦截射弹所需的响应时间和轨迹。 它还帮助我们调整卡尔曼滤波器，使我们能够预测射弹的未来位置，这绝对至关重要。 下图显示了模拟射弹的示例轨迹。

弹丸检测：视觉任务是跟踪多个射弹并获取它们的世界坐标（x，y，z）以及时间戳。 结果用于预测轨迹，以便可以在射弹之前命令机器人到达所需的位置和方向。考虑到这一点，视觉系统必须满足高速和高精度的要求。使用Kinect for Windows V2来跟踪传入的射弹。 Kinect的深度传感器具有30Hz 的帧速率和512 x 424的改进分辨率（与Kinect V1相比），以及更低的延迟。我们在深度图像上运行一个简单的斑点检测器来从背景中分割射弹。 正如 OpenCV文档中所介绍的，简单的斑点检测器通过在图像上运行多个二进制阈值、查找每个二进制图像上的连接组件（轮廓）以及对来自不同二进制图像的轮廓的接近中心进行分组来提取斑点。 由于我们的弹丸是具有一定尺寸的球，因此我们还按圆度和面积进行过滤。