一种无人机目标跟踪中的分层避障控制方法技术

本发明专利技术公开一种无人机目标跟踪中的分层避障控制方法，步骤包括：S1.基于无人机、目标的状态构建无人机目标跟踪模型；S2.基于无人机目标跟踪模型控制无人机进行目标跟踪，使用基于目标信息累积量的跟踪决策函数控制无人机动作决策，以寻找使得目标信息累积量最大化的最佳动作序列；S3.当预测到障碍且判定需要进行障碍规避时，启动对无人机进行避碰控制，使用预先基于无人机位置与障碍位置之间关系构建的避碰决策函数控制无人机动作决策，以使得无人机快速远离预测到的障碍。本发明专利技术具有实现方法简单、所需计算时间少、跟踪及避障的效率及精度高且避障效果好等优点。

【技术实现步骤摘要】
一种无人机目标跟踪中的分层避障控制方法
本专利技术涉及无人机控制
，尤其涉及一种无人机目标跟踪中的分层避障控制方法。
技术介绍
无人机(UAV)已广泛用于军事以及民用领域，无人机在目标跟踪中，目标的可观察性是通过操纵安装在无人机上的传感器来实现的，正是由于无人机的感知能力受到无人机动态性能和机载传感器性能的限制，无人机的动作决策成为目前主要的研究热点之一。同时在复杂的环境下，无人机对目标进行跟踪时可能出现突发的威胁或障碍，即飞行空间出现禁飞区(统称为障碍区)，即在目标跟踪过程中还存在障碍规避问题。现有技术中无人机目标跟踪过程中通常都是采用惩罚函数法进行碰撞检测及碰撞规避，会存在以下问题：1、使用惩罚函数法进行碰撞检测及规避，所需的计算时间长，使得避障控制效率较低，在检测到障碍时无法及时响应；2、使用惩罚函数法进行碰撞检测及规避时，仍需考虑目标跟踪策略，为同时保证目标与跟踪精度，无人机的避障效果通常较差，使得无人机位于危险区域的路径较长。
技术实现思路
本专利技术要解决的技术问题就在于：针对现有技术存在的技术问题，本专利技术提供一种实现方法简单、所需计算时间少、跟踪及避障的效率及精度高且避障效果好的无人机目标跟踪中的分层避障控制方法。为解决上述技术问题，本专利技术提出的技术方案为：一种无人机目标跟踪中的分层避障控制方法，步骤包括：S1.基于无人机、目标的状态构建无人机目标跟踪模型；S2.基于所述无人机目标跟踪模型控制无人机进行目标跟踪，使用基于目标信息累积量的跟踪决策函数控制无人机动作决策，以寻找使得所述目标信息累积量最大化的最佳动作序列；S3.当预测到障碍且判定需要进行障碍规避时，启动对无人机进行避碰控制，使用预先基于无人机位置与障碍位置之间关系构建的避碰决策函数控制无人机动作决策，以使得无人机远离预测到的障碍。作为本专利技术的进一步改进：所述步骤S1中具体基于POMDP(部分客观马尔可夫，partiallyobservableMarkovdecisionprocess)构建无人机目标跟踪模型，构建的模型中包括基于目标信息累积量定义的回报函数。作为本专利技术的进一步改进：基于POMDP构建无人机目标跟踪模型具体为：基于系统状态S、动作U、观测率Ω、观测值O、回报函数R、状态转移律T以及置信状态b0构建无人机目标跟踪模型，定义一个无限区间的POMDP为一个数组M＝<S,U,T,Ω,O,R,b0>，其中所述系统状态S包括无人机的状态目标的状态以及计算得到的目标的相对位置所述动作U包括无人机的控制量所述回报函数R使用信息累积量定义；所述状态转移律T为：所述观测率Ω包括传感器的观测律：其中，所述目标的相对位置使用误差协方差矩阵表示。作为本专利技术的进一步改进：所述步骤S2中具体使用基于Fisher信息矩阵计算无人机轨迹的信息累积量，构建基于Fisher信息矩阵的跟踪决策函数。作为本专利技术的进一步改进，构建所述基于Fisher信息矩阵的跟踪决策函数具体步骤为：定义k时刻的Fisher信息矩阵为：其中，p(z1:k|xk)表示测量的似然概率，z1:k表示在笛卡尔坐标中从t1到当前时刻对目标位置的观测序列，为目标的相对位置且以递归的形式计算Fisher信息矩阵：其中，rk为目标与无人机的相对距离；使用在H个采样点处Fisher信息矩阵的行列式之和近似无人机轨迹的累积信息，即：其中，ftracking为信息累积量，Gi为i时刻Fisher信息矩阵；构建得到基于Fisher信息矩阵的跟踪决策函数，以使得无人机的动作决策过程找到所述信息累积量ftracking最大化的最佳动作序列。作为本专利技术的进一步改进，所述步骤S2中控制无人机进行目标跟踪步骤包括：S21.初始化置信状态；S22.获得观测值后更新目标的置信状态；S23.估计未来指定时间段内的信息累积量；S24.求解所述跟踪决策函数的最优策略，以寻找到使得所述信息累积量最大化的最佳动作序列。作为本专利技术的进一步改进：所述步骤S22中具体使用卡尔曼滤波方法更新目标的置信状态。作为本专利技术的进一步改进：所述步骤S3中具体通过由无人机到危险圈的切线构建锥体，基于构建的锥体使用碰撞锥法预测障碍，当无人机的速度矢量位于碰撞锥内时，判定无人机将进入危险区域或禁飞区域，启动对无人机进行避碰控制。作为本专利技术的进一步改进：所述避碰决策函数具体为基于无人机位置与所述碰撞锥位置之间的距离构建得到，所述步骤S3无人机决策过程中基于所述避碰决策函数控制使无人机尽快远离所述碰撞锥。作为本专利技术的进一步改进，所述避碰决策函数具体为：其中，dis(.)表示两点之间的距离，(xO,yO)为所述碰撞锥的切点，为受当前时刻的动作策略影响得到的t2时刻的无人机位置，且为检测到障碍t0时刻无人机的状态，为无人机的位置，为无人机的速度和航向角；所述步骤S3无人机决策过程中使用使fH＝1最小策略，使无人机尽可能的接近所述碰撞锥的切点，以尽快远离碰撞锥区域。与现有技术相比，本专利技术的优点在于：1)本专利技术无人机目标跟踪中的分层避障控制方法，通过将无人机动作决策分为目标跟踪和避障两部分，实现无人机在目标跟踪过程中的分层障碍规避，进行目标跟踪时使用基于信息累积量的跟踪决策函数，无人机由目标信息累积量确定最佳动作序列，可以降低计算成本和位置不确定性，有效提高目标跟踪的精度及效率，同时当预测到碰撞时启动避碰控制，调整使用基于无人机位置与障碍位置之间关系的避碰决策函数以规避障碍，由于避碰控制时只考虑避障，不考虑跟踪策略，能够减少计算时间并提高避障精度，在无人机检测到障碍时可以快速响应而避免进一步接近障碍，从而在整个无人机动作决策过程中可以同时确保跟踪和避障的精度和效率。2)本专利技术无人机目标跟踪中的分层避障控制方法，进一步基于POMDP构建无人机目标跟踪模型，可以在POMDP决策框架下充分利用信息累积量进行无人机快速避障控制。3)本专利技术无人机目标跟踪中的分层避障控制方法，进一步使用Fisher信息距离来解决POMDP的优化问题，基于Fisher信息量来构建跟踪决策函数，可以从信息几何的角度对测量信息进行建模，从而能够定量的描述测量的本质特征，进一步提高跟踪精度。4)本专利技术无人机目标跟踪中的分层避障控制方法，使用碰撞锥进行障碍检测判断，同时在检测到障碍后的下一个运动周期中只考虑避碰策略，基于无人机位置与碰撞锥位置之间的距离构建的避碰决策函数控制无人机进行避障，从而通过牺牲一定的跟踪精度来尽可能的快速响应而避免障碍，使得无人机可以快速响应后尽快的远离碰撞锥，相比于传统的惩罚函数法相比，所需的计算时间更小，并且无人机避障效果更好。附图说明图1是本实施例无人机目标跟踪中的分层避障控制方法的实现流程示意图。图2是本实施例构建的碰撞锥的结构原理示意图。图3是采用本专利技术方法与传统惩罚函数法的无人机运动轨迹对比结果示意图。图4是采用本专利技术方法与传统惩罚函数法的跟踪误差对比结果示意图。图5是采用本专利技术方法与传统惩罚函数法的计算时间对比结果示意图。具体实施方式以下结合说明书附图和具体优选的实施例对本专利技术作进一步描述，但并不因此而限制本专利技术的保护范围。如图1所示，本实施例无人机目标跟踪中的分层避障控制方法，步骤包括：S1.基于无人机、目标的状态构建本文档来自技高网...

【技术保护点】
1.一种无人机目标跟踪中的分层避障控制方法，其特征在于，步骤包括：S1.基于无人机、目标的状态构建无人机目标跟踪模型；S2.基于所述无人机目标跟踪模型控制无人机进行目标跟踪，使用基于目标信息累积量的跟踪决策函数控制无人机动作决策，以寻找使得所述目标信息累积量最大化的最佳动作序列；S3.当预测到障碍且判定需要进行障碍规避时，启动对无人机进行避碰控制，使用预先基于无人机位置与障碍位置之间关系构建的避碰决策函数控制无人机动作决策，以使得无人机远离预测到的障碍。

【技术特征摘要】
1.一种无人机目标跟踪中的分层避障控制方法，其特征在于，步骤包括：S1.基于无人机、目标的状态构建无人机目标跟踪模型；S2.基于所述无人机目标跟踪模型控制无人机进行目标跟踪，使用基于目标信息累积量的跟踪决策函数控制无人机动作决策，以寻找使得所述目标信息累积量最大化的最佳动作序列；S3.当预测到障碍且判定需要进行障碍规避时，启动对无人机进行避碰控制，使用预先基于无人机位置与障碍位置之间关系构建的避碰决策函数控制无人机动作决策，以使得无人机远离预测到的障碍。2.根据权利要求1所述的无人机目标跟踪中的分层避障控制方法，其特征在于：所述步骤S1中具体基于POMDP构建无人机目标跟踪模型，构建的模型中包括基于目标信息累积量定义的回报函数。3.根据权利要求2所述的无人机目标跟踪中的分层避障控制方法，其特征在于，基于POMDP构建无人机目标跟踪模型具体为：基于系统状态S、动作U、观测率Ω、观测值O、回报函数R、状态转移律T、置信状态b0构建无人机目标跟踪模型，定义一个无限区间的POMDP为一个数组M＝<S,U,T,Ω,O,R,b0>，其中所述系统状态S包括无人机的状态目标的状态以及计算得到的目标的相对位置所述动作U包括无人机的控制量所述回报函数R使用信息累积量定义；所述状态转移律T为：所述观测率Ω包括传感器的观测律：其中，所述目标的相对位置使用误差协方差矩阵表示。4.根据权利要求1或2或3所述的无人机目标跟踪中的分层避障控制方法，其特征在于，所述步骤S2中具体使用基于Fisher信息矩阵计算无人机轨迹的信息累积量，构建基于Fisher信息矩阵的跟踪决策函数。5.根据权利要求4所述的无人机目标跟踪中的分层避障控制方法，其特征在于，构建所述基于Fisher信息矩阵的跟踪决策函数具体步骤为：定义k时刻的Fisher信息矩阵为：其中，p(z1:k|xk)表示测量的似然概率，z1:k表示在笛卡尔坐标中从t1到当前时刻对目标位置的观测序列，为目标的相对位置且以递归的...

【专利技术属性】
技术研发人员：王祥科，赵云云，贾圣德，李杰，刘志宏，丛一睿，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南,43