一种在同一空域内多架跟踪无人机的协同防碰撞方法技术

本发明专利技术公开一种在同一空域内多架跟踪无人机的协同防碰撞方法，该方法中每架无人机跟踪各自的目标，由于无人机之间的航路可能会有交叉，因此本发明专利技术旨在实现无人机之间无碰撞地跟踪目标。对于每架无人机，本发明专利技术首先使用OpenCV检测移动目标，然后根据目标在机载相机所获得图像上的位置信息使用PID控制器计算无人机应该执行的速度。然后使用速度障碍模型进行碰撞检测，最后给出了一种目标导向的速度优化方法。本发明专利技术考虑到复杂空域中，无人机路径交叉情况下多机协同防碰撞问题，使用速度障碍模型将多无人机的协同防碰撞问题转化为速度空间的规划问题，考虑到实时性要求，给出了一种目标导向的速度优化方法。

A cooperative anti-collision method for multiple tracking UAVs in the same airspace

【技术实现步骤摘要】
一种在同一空域内多架跟踪无人机的协同防碰撞方法
本专利技术涉及到约束条件下多无人机协同运动规划领域，具体地涉及一种在同一空域内多架跟踪无人机的协同防碰撞方法。
技术介绍
随着低空无人机(UnmannedAerialVehicle，UAV)悬停、续航、云台技术的成熟，以及计算机视觉(ComputerVision)、深度学习(DeepLearning)的兴起，基于无人机平台的目标跟踪已经成为国内外的研究热点，已被用于城市反恐中对犯罪车辆的跟踪、空战中对地面机动目标的跟踪等方面。跟踪无人机是指利用机载的云台等传感器采集图像信息，通过目标检测过程获取目标在图像上的位置信息(或通过状态估计、多传感器信息融合来预测目标的位置信息)，通过跟踪算法计算控制指令(通常是速度矢量)控制无人机的运动，以确保目标始终位于机载相机所获得的视野中心区域附近的一种特殊用途的无人机。然而，上述过程仅以目标的运动为驱动，没有考虑到无人机所处的环境(即其他航空器的威胁)。随着民用无人机的普及，以及执行的任务日趋复杂，跟踪无人机的航路可能出现交叉。因此，需要设计一种无人机之间碰撞检测和消解方法来保障飞行安全。多个无人机的协同防碰撞问题涉及多个无人机自由度迭加所产生的高维组合空间问题、优化问题，无人机静态和动态约束问题等等。多无人机防碰撞系统的控制架构包括集中式和分布式两种。集中式控制能获得效率高、全局最优的规划结果，但它主要适用于静态环境，难以应付环境的变化；分布式体系中，每个无人机根据自身拥有的环境信息规划自己的行动，其优点是能适应环境的变化，缺点是不能获得全局最优解和可能出现“死锁(Deadlock)”问题。目前，多无人机防碰撞方法大多由单机器人运动规划的研究成果扩展而来，如基于采样的方法(Sampling-basedMethods)、基于神经网络方法(NeuralNetwork-basedMethods)、模糊逻辑(FuzzyLogic)、几何模型(如速度障碍(VelocityObstacles)、人工势场法(ArtificialPotentialField))、数学优化(规划)模型(MathematicalOptimizationorProgrammingMethods)、群体智能或软计算(SwarmIntelligence、SoftComputing)、强化学习(ReinforcementLearning)。上述方法中，速度障碍是多机器人系统常用的一种局部路径规划(LocalPathPlanning)模型(即避障模型)，但是其假设障碍物是静止的或者以恒定速度运动，并且该模型需要在相对速度空间(RelativeVelocitySpace)中求解复杂的非线性优化问题(NonlinearOptimizationProblem)，所以实时性很难得到保障。并且在跟踪无人机上，速度的优化不仅仅要考虑无人机之间的潜在碰撞，还需要考虑被跟踪目标的运动趋势，同时需要保证实时响应。
技术实现思路
为了解决上述问题，提高空域使用效率，确保无人机飞行安全顺畅，实现对目标的持续跟踪，本专利技术提供一种同一空域内多架跟踪无人机的协同防碰撞方法。本专利技术是通过如下技术方案实现的：一种在同一空域内多架跟踪无人机的协同防碰撞方法，具体包括以下步骤：步骤1，首先从无人机传感器发布的实时视频流中获取图像信息；步骤2，使用OpenCV中的“跟踪器”定位目标在所述图像上的中心坐标(xo，yo)；步骤3，将步骤2中的中心坐标(xo，yo)缩放得到归一化的偏移量Δx′和Δy′，使用PID算法计算无人机的速度矢量v，用于跟踪目标.步骤4，使用速度障碍模型对v进行碰撞检测，即检查v的末端是否处于组合的速度障碍区域内，当v的末端处于组合的速度障碍区域内，目标导向的速度优化方法用于对候选速度进行调整，进行碰撞消除；步骤5，无人机反复执行上述步骤1-4的过程，直至完成跟踪任务。进一步地，跟踪无人机的方法具体为：第1步：使用机载云台等设备采集图像信息，并回传视频数据至控制端；第2步：在视频数据中选择无人机需要跟踪的目标，提取HOG、HSV等特征；第3步：通过OpenCV的“跟踪器”，使用步骤2提取的HOG、HSV等特征，定位目标在图像上的中心坐标(xo，yo)，即最小包围圆的圆心或最小包围矩形的中心；第4步：计算中心坐标(xo，yo)与无人机视野中心位置(xc，yc)的在水平和竖直两个方向的绝对偏移量Δx和Δy：第5步：设置一个死区范围，宽度为w，高度为h，死区范围的中心与无人机视野中心位置重合；当|xo-xc|≤w/2时，无人机的速度方向不需调整；当|yo-yc|≤h/2时，无人机速度大小应为0，即不需要前进或者后退，否则，实施第6步；第6步：令无人机视野画面的分辨率为xr×yr，首先对偏移量进行归一化，将Δx和Δy缩放到[-1，1]，即Δx′＝Δx/(xr/2)，Δy′＝Δy/(yr/2)，则无人机在下一个时刻的速度为：v＝vmaxΔy′α＝αmaxΔx′vmax为无人机的最大速度，αmax(αmax≤π/2)为无人机仅围绕Z轴旋转的最大转角，其中，当Δy′＜0时，表示应该倒退，否则应该前进；同理，当Δx′＜0时，表示无人机向左旋转，否则向右旋转；此时生成了一个新的速度矢量v＝(v，α)，其方向为相对于当前正前方α，速度大小为v；第7步：重复执行上述3-6步，直至完成跟踪任务。进一步地，步骤4包括以下子步骤：当空域内有多个跟踪无人机时，还需对v进行碰撞检查。第1步：使用碰撞锥模型对“入侵者”进行筛选，选出对本机有威胁的“威胁者”，具体过程包括：对于每个处于u0的感知范围内的无人机ui，定义相对速度v0|i＝v0-vi，定义射线：λ(p，v)＝{p+vt|t＞0}其中，无人机的状态信息以S＝(p，v)表示，p＝(px，py)表示无人机所处的位置，v表示无人机的速度信息；在无人机u0的感知范围内有u1，…，un也在执行任务，定义n个无人机u1，…，un为u0的“入侵者”，即||p0-pi||2≤ρSR，ρSR表示无人机的感知范围的半径，或者预警范围的半径；λ(p，v)表示起点在p，方向沿着v的方向的射线；根据u0的半径大小对ui进行“膨化”，即ri′＝ri+r0，得到位置障碍物PO0|i，定义碰撞锥CC0|i为：任何相对速度vt|i位于CC0|i内，都会导致u0和ui的碰撞，通过CC0|i筛选出对u0有威胁的无人机，记为u1，…，um(m≤n)。第2步，定义速度障碍模型：其中表示闵可夫斯基矢量和运算，即：其中，VOt|i是一系列速度的集合，所述速度的集合导致u0和ui在将来某一时刻发生碰撞；为了避免多个威胁，需要对多个VO进行组合：其中，U表示对m个VO几何区域进行组合，因此，当v0的末端位于VO内时，进行调整，选取本文档来自技高网...

【技术保护点】
1.一种在同一空域内多架跟踪无人机的协同防碰撞方法，其特征在于，具体包括以下步骤：/n步骤1，首先从无人机传感器发布的实时视频流中获取图像信息；/n步骤2，使用OpenCV中的“跟踪器”定位目标在所述图像上的中心坐标(x

【技术特征摘要】
1.一种在同一空域内多架跟踪无人机的协同防碰撞方法，其特征在于，具体包括以下步骤：
步骤1，首先从无人机传感器发布的实时视频流中获取图像信息；
步骤2，使用OpenCV中的“跟踪器”定位目标在所述图像上的中心坐标(xo，yo)；
步骤3，将步骤2中的中心坐标(xo，yo)缩放得到归一化的偏移量Δx′和Δy′，使用PID算法计算无人机的速度矢量v，用于跟踪目标.
步骤4，使用速度障碍模型对v进行碰撞检测，即检查v的末端是否处于组合的速度障碍区域内，当v的末端处于组合的速度障碍区域内，目标导向的速度优化方法用于对候选速度进行调整，进行碰撞消除；
步骤5，无人机反复执行上述步骤1-4的过程，直至完成跟踪任务。


2.根据权利要求1所述协同防碰撞方法，其特征在于，跟踪无人机的方法具体为：
第1步：使用机载云台等设备采集图像信息，并回传视频数据至控制端；
第2步：在视频数据中选择无人机需要跟踪的目标，提取HOG、HSV等特征；
第3步：通过OpenCV的“跟踪器”，使用步骤2提取的HOG、HSV等特征，定位目标在图像上的中心坐标(xo，yo)，即最小包围圆的圆心或最小包围矩形的中心；
第4步：计算中心坐标(xo，yo)与无人机视野中心位置(xc，yc)的在水平和竖直两个方向的绝对偏移量Δx和Δy：



第5步：设置一个死区范围，宽度为w，高度为h，死区范围的中心与无人机视野中心位置重合；当|xo-xc|≤w/2时，无人机的速度方向不需调整；当|yo-yc|≤h/2时，无人机速度大小应为0，即不需要前进或者后退，否则，实施第6步；
第6步：令无人机视野画面的分辨率为xr×yr，首先对偏移量进行归一化，将Δx和Δy缩放到[-1，1]，即Δx′＝Δx/(xr/2)，Δy′＝Δy/(yr/2)，则无人机在下一个时刻的速度为：
v＝vmaxΔy′
α＝αmaxΔx′
vmax为无人机的最大速度，αmax(αmax≤π/2)为无人机仅围绕Z轴旋转的最大转角，
其中，当Δy′<0时，表示应该倒退，否则应该前进；同理，当Δx′<0时，表示无人机向左旋转，否则向右旋转；
此时生成了一个新的速度矢量v＝(v，α)，其方向为相对于当前正前方α，速度大小为v；
...

【专利技术属性】
技术研发人员：唐文兵，黎瑶，陈博琛，丁佐华，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：浙江;33