code-test-drone/utils

utils —— reference-c++ 的 Python 移植 + 双目链路新实现

将 reference-c++/ 下的 target_tracker（多目标追踪过滤器）与 visual_track_control（视觉跟踪控制律）移植为 Python，两包互不依赖 （唯一的数据转换点在胶水层 demo）。

另有双目链路新实现（非 C++ 移植、按规格实现）：

• stereo_ranger（双目稀疏目标测距），规格 docs/双目测距技术路线.md；
• stereo_yolo（双目 YOLO 检测前端），规格 docs/双目YOLO目标识别需求说明.md， 输出直接作为 stereo_ranger 的输入（仅复用其 types.py 纯值类型）。

Python 侧定位为 C++ 实现的先验验证：构件划分与语义按规格冻结，便于逐构件 移植对照；stereo_yolo 的 C++ 移植注记见其包 README。

目录结构

utils/
├── target_tracker/            # 包 1：卡尔曼滤波多目标追踪（无第三方硬依赖，仅 numpy）
│   └── README.md              # 接口清单 + C++ 差异
├── visual_track_control/      # 包 2：三通道控制律 + MAVSDK offboard 网关
│   └── README.md              # 接口清单 + C++ 差异
├── stereo_ranger/             # 包 3：双目稀疏目标测距（纯标准库，无第三方依赖）
│   └── README.md              # 接口清单 + 与规格的偏差
├── stereo_yolo/               # 包 4：双目 YOLO 检测前端（真模型需 ultralytics）
│   └── README.md              # 接口清单 + C++ 移植注记
├── demo_track_control.py      # 胶水层集成演示（模拟检测 → 追踪 → 控制律 → 发送）
├── demo_stereo_ranger.py      # 双目测距演示（合成框对，六场景，无硬件）
├── demo_stereo_yolo.py        # 检测前端演示（真模型 + 合成素材 → 测距联调）
├── assets/stereo_yolo/        # demo 占位素材（AI 合成图，可整体替换为真实素材）
├── config/track_control.json  # 控制律配置（拷贝自 reference-c++）
├── config/stereo_ranger.json  # 双目测距配置（占位值，待标定回填）
├── config/stereo_yolo.json    # 检测前端配置（不存内参，几何参数唯一来源见上）
├── tests/                     # pytest 测试
│   ├── target_tracker/        # 28 条（对应 C++ 测试文件）
│   ├── visual_track_control/  # 81 条（对应 C++ 测试文件）
│   ├── stereo_ranger/         # 111 条（规格 §11.4 构件级 + 全流程）
│   └── stereo_yolo/           # 36 条（假检测器驱动，无模型/素材/硬件）
├── conftest.py                # 保证可从任意工作目录导入各包
└── pytest.ini                 # 收集 *_test.py 命名（与 C++ 测试文件名对齐）；
                               # importlib 导入模式避免跨包同名测试文件冲突

环境

conda env pytorch（D:\program file\conda\envs\pytorch），Python 3.12， 依赖：numpy、mavsdk、pytest；stereo_ranger 仅标准库；stereo_yolo 只有真模型 推理路径需要 ultralytics（在检测器内部延迟导入，测试与假检测器路径不受影响）。

运行测试

cd utils
"D:/program file/conda/envs/pytorch/python.exe" -m pytest -q

256 条测试全部通过：109 条 C++ 移植用例（含 §9.4 六条硬验收、A1/A2/A4 回归、PID anti-windup C1、超龄 C4、首拍限幅 S6）+ 111 条 stereo_ranger （合成框对驱动）+ 36 条 stereo_yolo（假检测器驱动）。 stereo_ranger / stereo_yolo 测试均不需要真实图像、模型权重或硬件。

运行演示

# mock 传输（本地记录指令，无实机）
python utils/demo_track_control.py --speedup 10

# MAVSDK 实发（需飞控/SITL 在 udp://:14540）
python utils/demo_track_control.py --transport mavsdk

# 双目测距（合成框对，离线，无相机/飞控）
python utils/demo_stereo_ranger.py

# 双目检测前端（真模型推理；需 ultralytics + models/yolo26n-drone.pt）
python utils/demo_stereo_yolo.py

控制链路时间线 13 s（20 Hz）：正常跟踪 6 s（vx 从零渐变 → 逼近限速 3 m/s）→ 目标消失 4 s（Coast 预测，60 帧后轨道判亡）→ 判零速刹车 3 s。

双目测距演示六场景：逼近（三道有效性门 + 滤波）→ 远场域外（方位仍发布）→ 单目退化 → 非同帧拒收 → 一致性降级/判无效 → 多目标贪心配对。

检测前端演示五场景：单图冒烟 → 合成双目对联调（真检测框喂 stereo_ranger， 与解析式 D=F·B/Z 对照）→ 空场景 → 左右形状不一致拒收 → 帧周期计时。 合成对用 AI 占位素材 assets/stereo_yolo/drone_sky.png（可整体替换为真实 素材），本机实测 |ΔD|≈0.3 px、|Δy|≈0.2 px；帧周期 25~34 ms（640 输入， 双实例并发，随机器负载波动），与 30 fps 预算 33.3 ms 同量级，结论不可外推 到机载平台（§5 的算力预算另见平台工程文档）。

移植约定

• MAVLink 部分改为 MAVSDK 语义映射（offboard API，非字节透传），三分支 映射保留 C++ A2 回归语义，详见包 2 README。
• 测试逐条移植 C++ gtest 断言（EXPECT_DOUBLE_EQ → 精确 ==， EXPECT_NEAR → pytest.approx）；MAVSDK 部分因无 SITL/实机，仅 mock 验证。
• 行为修复项（C1/C2/C4、A1/A2/A4、S6）在测试文件头注释中标注对应章节。
• stereo_ranger 不是移植：按规格五步流程新实现，与规格的偏差（越界=有效性门、 视差域权威、补充 consistency_jump_px/isolation_gate_px 等）见其包 README； ⚠ 全部数值为占位值，标定完成前不得作为飞行控制决策依据。
• stereo_yolo 不是移植：推理口径为 ultralytics 直跑 .pt，letterbox、解码、 NMS、坐标回映均在库内完成；C++ 侧复现要点与接口契约硬约束（原生分辨率坐标、 左右预处理位级一致、x1 即框左边缘、无跨帧状态）见其包 README 的移植注记表。 ⚠ 占位素材 assets/stereo_yolo/ 为 AI 合成图，真实双目素材到位后需重跑联调。