一种通信带宽有限条件下无人机集群协同侦察方法及系统技术方案

本发明专利技术提供了一种通信带宽有限条件下无人机集群协同侦察方法及系统，涉及目标侦查技术领域，能够解决无人机集群侦察中通信带宽受限、目标检测延时大、精度低的问题；该方法步骤包括：S1、第一无人机采集目标图片机载端分析，得到单机视角下目标信息并在集群内共享；继续采集图片的同时将已得目标信息发送给综合判断模块；S2、其他无人机各自判断是否进行协同侦查，若协同侦查，则根据接收的目标信息对目标进行图片采集并机载端分析，得到各自视角下的目标信息，同时将得到的目标信息发送给综合判断模块；S3、综合判断模块对接收到的目标信息进行分析，得到最终的侦查结果。本发明专利技术提供的技术方案适用于目标侦查的过程中。的技术方案适用于目标侦查的过程中。的技术方案适用于目标侦查的过程中。

【技术实现步骤摘要】
一种通信带宽有限条件下无人机集群协同侦察方法及系统


[0001]本专利技术涉及目标侦查
，尤其涉及一种通信带宽有限条件下无人机集群协同侦察方法及系统。

技术介绍

[0002]在无人机侦察应用中，由于单机侦察过程中会出现目标信息缺失，目标容易被遮挡等问题，导致不能很快的搜寻到目标，因此开展集群协同侦察搜索，可以更快的侦察到目标位置信息，便于快速搜救。同时，由于侦察设备的通信带宽又会受到一定的限制。基于无人机集群协同侦察和基于边缘硬件加速的自动目标识别技术将成为无人机多机协同侦察搜救领域的研究热点。
[0003]在多机协同侦察中，将无人机侦察载荷视频数据回传，在地面端进行目标识别的侦察方式存在通信延时较大、通信带宽要求较高等问题，如何将侦察图像在机载端进行实时加速处理、减小通信链路的数据量以适应低带宽限制，并通过多机协同方式提升目标侦察、定位的准确度，仍是亟需解决的问题。
[0004]因此，有必要研究一种通信带宽有限条件下无人机集群协同侦察方法及系统来应对现有技术的不足，以解决或减轻上述一个或多个问题。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种通信带宽有限条件下无人机集群协同侦察方法及系统，能够解决无人机集群侦察系统中通信带宽受限、目标检测延时大、精度低的问题。
[0006]一方面，本专利技术提供一种通信带宽有限条件下无人机集群协同侦察方法，所述方法的步骤包括：
[0007]S1、第一无人机采集目标图片并在机载端进行分析，得到单机视角下带有时间戳的目标信息并与集群中的其他无人机进行共享；第一无人机在继续采集图片进行分析的同时将已得到的目标信息发送给综合判断模块；
[0008]S2、集群中的其他无人机各自判断是否进行协同侦查，若进行协同侦查，则根据接收到的目标信息对目标进行图片采集并在机载端进行分析，得到各自视角下带有时间戳的目标信息，同时将得到的目标信息发送给综合判断模块；
[0009]S3、综合判断模块对接收到的所有目标信息进行综合分析，得到最终的侦查结果；
[0010]综合判断模块一般设置在地面，和集群中的所有无人机进行通信；机载端指无人机端，对应于地面端。
[0011]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，在机载端进行分析的内容包括：在机载端布设加速引擎设备，在所述加速引擎设备中布设剪枝压缩后的目标检测模型，由所述目标检测模型对图片进行目标识别，得到所述目标信息。
[0012]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述目标检测模型的构建过程包括：
[0013]训练一个完整卷积神经网络；
[0014]对所述卷积神经网络的每一层权重进行绝对值排序；
[0015]选出绝对值低于判断阈值的权重，并全部移除，从而实现剪枝操作；
[0016]对剪枝后的卷积神经网络进行重新训练达到符合要求的性能。
[0017]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，对所述目标检测模型对图片进行目标识别的结果进行NMS(即非极大值抑制)，通过目标分类器得到多个候选框，并根据分类概率进行排序，选出概率最高的候选框，从而实现对视频数据或图片数据中目标的实时检测处理。
[0018]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述目标信息包括目标类别、目标置信度和目标定位数据。
[0019]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述目标定位数据的获得过程包括：
[0020]获取无人机当前状态的经纬度、高度、机体姿态以及图片采集设备参数；
[0021]获取目标在图片中的坐标数据；
[0022]根据目标在图片中坐标数据计算机载坐标系下的目标坐标；
[0023]将机载坐标系下的目标坐标转换为WGS
‑
84坐标系下的经纬信息，实现目标定位。
[0024]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述目标置信度表征图像识别的目标形状与对应类别的标准形状的相似程度。
[0025]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述加速引擎设备具体为人工智能芯片或高性能CPU。
[0026]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，步骤S3中侦查结果包括目标类别判断，具体判断内容包括：先分别计算目标为各相应类别的综合置信度，再对所有综合置信度进行大小对比，选择值最大的综合置信度对应的类别作为该目标的最终类别；
[0027]综合置信度的计算方式为：
[0028][0029]式中，C
m
为目标为m类的综合置信度；m为预存在机载端的目标类别；
[0030]p
i
(a)为第i架无人机侦查得到的目标置信度；
[0031]n为协同侦查的无人机总数。
[0032]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，步骤S3中侦查结果包括计算目标位移数据，具体计算内容包括：
[0033]提取目标信息中的目标定位数据，获取不同无人机对应的目标定位数据中的最大经度和最小经度、最大维度和最小纬度以及经度和维度对应的时间戳差值；
[0034]目标的位移计算：经度位移＝最大经度
‑
最小经度，维度位移＝最大维度
‑
最小维度；
[0035]目标的运行速度计算：经度运行速度＝经度位移/经度时间戳差值，维度运行速度＝维度位移/维度时间戳差值。
[0036]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，对剪枝后的卷积神经网络进行重新训练时使用的Dropout率D
i
的计算公式为：
[0037]C
io
＝N
i
N
i
‑
1，
[0038][0039]式中：C
io
为初始网络参数个数；C
ir
为再训练之后的网络参数个数；N
i
为第i神经元参数总量；D
o
为初始Dropout率；1为偏置量。
[0040]另一方面，本专利技术提供一种通信带宽有限条件下无人机集群协同侦察系统，所述系统能够实现如上任一所述的方法；所述系统包括：
[0041]具有采集和通信功能并具有协同侦查判断逻辑的无人机集群；
[0042]设于无人机上的加速引擎设备，用于对采集的目标图片进行分析，得到单机视角下的目标信息；
[0043]设于地面端的综合判断模块，用于接收集群中参与协同侦查的无人机发来的目标信息，并综合分析得到最终的侦查结果。
[0044]与现有技术相比，上述技术方案中的一个技术方案具有如下优点或有益效果：本专利技术采用剪枝压缩技术，通过对目标检测网络中每一层权重的排序、阈值处理以及网络训练迭代，在不损失精度的前提下减小了模型的计算复本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通信带宽有限条件下无人机集群协同侦察方法，其特征在于，所述方法的步骤包括：S1、第一无人机采集目标图片并在机载端进行分析，得到单机视角下的目标信息并与集群中的其他无人机进行共享；第一无人机在继续采集图片进行分析的同时将已得到的目标信息发送给综合判断模块；S2、集群中的其他无人机各自判断是否进行协同侦查，若进行协同侦查，则根据接收到的目标信息对目标进行图片采集并在机载端进行分析，得到各自视角下的目标信息，同时将得到的目标信息发送给综合判断模块；S3、综合判断模块对接收到的所有目标信息进行综合分析，得到最终的侦查结果。2.根据权利要求1所述的通信带宽有限条件下无人机集群协同侦察方法，其特征在于，步骤S1和S2中在机载端进行分析的内容包括：在机载端布设加速引擎设备，在所述加速引擎设备中布设剪枝压缩后的目标检测模型，由所述目标检测模型对图片进行目标识别，得到所述目标信息。3.根据权利要求2所述的通信带宽有限条件下无人机集群协同侦察方法，其特征在于，所述目标检测模型的构建过程包括：训练一个完整卷积神经网络；对所述卷积神经网络的每一层权重进行绝对值排序；选出绝对值低于判断阈值的权重，并全部移除，从而实现剪枝操作；对剪枝后的卷积神经网络进行重新训练达到符合要求的性能。4.根据权利要求1所述的通信带宽有限条件下无人机集群协同侦察方法，其特征在于，所述目标信息包括目标类别、目标置信度和目标定位数据。5.根据权利要求4所述的通信带宽有限条件下无人机集群协同侦察方法，其特征在于，所述目标定位数据的获得过程包括：获取无人机当前状态的经纬度、高度、机体姿态以及图片采集设备参数；获取目标在图片中的坐标数据；根据目标在图片中坐标数据计算机载坐标系下的目标坐标；将机载坐标系下的目标坐标转换为WGS
‑
84坐标系下的经纬信息，实现目标定位。6.根据权利要求4所述的通信带宽有限条件下无人机集群协同...

【专利技术属性】
技术研发人员：樊鹏辉，胡博，余威，李昶，宋国鹏，魏帅迎，
申请(专利权)人：航天时代飞鸿技术有限公司，
类型：发明
国别省市：