视觉制导拦截 · 实时仿真（浏览器内运行）

本页把 ROS1 + PX4 SITL + Gazebo 仿真中的制导节点 vision_tracker_controller_ros1.py 逐式移植为 JavaScript，参数全部来自 intercept_params.yaml。
点「运行」即可在浏览器里实时复现：低空悬停 → 仰视盲爬 → YOLO 锁定 → 对中 → COMMIT 爬升撞击。
制导律：软化 PNG（速度制导） 相机：朝天 120° FOV 目标：100 m 盘旋 r=12 m 参数源：intercept_params.yaml
实时仿真
蒙特卡洛统计
源码逐式对照
倍速
风速 0.0 m/s YOLO 漏检 10%

拦截机上视相机 FOV（120°）NO SIGNAL

STATE —
DET —
FPS —
RANGE(视觉) —
BBOX —
AIM —
ALIGN —
NO TARGET

剖面图 · 高度 vs 水平距离

俯视图 · FOV 覆盖锥

作战事件流

状态机FSM

WAIT
SEARCH
ACQUIRE
COMMIT
IMPACT

本步制导解（_compute_upward_velocity 输出）

斜距/脱靶量为演示真值，仅用于对照；算法全程不订阅目标位姿（源码注释：目标真值属现实不可得信息）。
判据 R < 0.55 m（与整机仿真实测判据一致） 风速 0.0 m/s 样本 300
—%
本页 JS 复现模型 · 命中率
对比：队伍 Gazebo 半物理仿真实测 n=300 → 命中率 72.7%（平均撞击偏差 μ≈0.45 m / 0.18 m）
本页模型不含真机 YOLO 在真实纹理/光照下的失检与云台抖动，故两组数字仅作量级互证，不可互相替代。
交会最小间距分布（真值统计，判据 R<0.55 m 以左竖线标出）
移植原则：所有系数、限幅、滤波系数、门限逐条照搬，未做任何"为了好看"的调整。 仅三处做了替代建模并在代码注释中标明：① PX4 速度环用一阶惯性环节 vel_tau； ② YOLO 用几何投影 + 漏检率/抖动代替神经网络推理；③ 机体加速→倾斜→朝天光轴偏转的耦合用 tilt_coupling。

Python 原函数（真机源码节选）vision_tracker_controller_ros1.py


      
JavaScript 移植（本页运行的就是这段）sim_core.js

        

    

    

      
关键参数intercept_params.yaml

      
目标与场景target_uav_controller / launch

      
网页替代模型非 yaml 项，已标注