一种无人机集群对空中目标运动状态跟踪方法技术

本发明专利技术公开了一种无人机集群对空中目标运动状态跟踪方法，包括以下步骤：t帧时刻，多个无人机检测各自视角下的目标位置，多个无人机预测各自视角下t+1帧时刻目标的位置；t+1帧时刻，多个无人机检测各自视角下的目标位置，将检测的目标位置与各自预测的目标位置比对，实现多个无人机各自对目标运动状态的跟踪；多个无人机相互之间对各自跟踪的目标进行标识匹配，使得多个无人机对同一目标的标识相同。本发明专利技术公开的无人机集群对空中目标运动状态跟踪方法，对目标运动状态跟踪的准确度高，解决无人机集群时多视场对多目标运动状态跟踪过程中多目标身份匹配混乱的问题。过程中多目标身份匹配混乱的问题。过程中多目标身份匹配混乱的问题。

【技术实现步骤摘要】
一种无人机集群对空中目标运动状态跟踪方法


[0001]本专利技术涉及一种无人机集群对空中目标运动状态跟踪方法，尤其是一种无人机集群对空中集群目标运动状态跟踪方法，属无人机控制


技术介绍

[0002]在无人机集群对抗中，首要任务是发现目标并跟踪目标集群的运动状态，而实现目标运动状态跟踪首先要检测到目标。
[0003]视觉检测是无人机目标检测的主要检测方式之一，相比于其它检测模式，受到环境制约较小，已被广泛使用。
[0004]现有视觉目标检测大都是通过地面站或一台主无人机对目标集群进行检测，由于视野限制，此种方式对目标集群中多个运动目标的详细位置检测精度较低，并且受制于地面站或主无人机的观察角度，难以准确对目标集群中多个运动目标的运动状态进行准确跟踪，尤其是目标飞行过程中飞行轨迹交替重叠时，极易出现目标识别跟踪错误，将多个目标识别为同一个目标，或者将同一目标识别为多个目标，或者直接丢失目标的情况，最终造成多个无人机打击同一个目标，而遗漏部分目标，或无人机打击过程混乱，打击效率降低等情况。
[0005]现有的视觉目标检测，在设计时大都只考虑单个无人机对多目标检测这一情况，采用的神经网络结构较为复杂，对地面站或主无人机的计算性能要求较高，将其直接搭载在普通的无人机机载计算机上时，受制于机载计算机算力影响，会导致检测频率过低，进而导致定位不准，严重影响目标运动状态跟踪结果。
[0006]由于上述原因，有必要提出了一种针对无人机集群对空中集群目标运动状态跟踪方法，在无人机机载计算机性能较低的情况下，能够对多目标位置进行较为精确的检测，并跟踪目标的运动状态。

技术实现思路

[0007]为了克服上述问题，本专利技术人进行了深入研究，设计出一种无人机集群对空中目标运动状态跟踪方法，包括以下步骤：
[0008]S1、t帧时刻，多个无人机检测各自视角下的目标位置，多个无人机预测各自视角下t+1帧时刻目标的位置；
[0009]S2、t+1帧时刻，多个无人机检测各自视角下的目标位置，将检测的目标位置与各自预测的目标位置比对，实现多个无人机各自对目标运动状态的跟踪；
[0010]S3、多个无人机相互之间对各自跟踪的目标进行标识匹配，使得多个无人机对同一目标的标识相同。
[0011]进一步地，所述空中目标具有多个，所述运动状态跟踪是指对目标位置的跟踪。
[0012]进一步地，无人机通过对目标方向持续进行拍摄，获得含有目标的多帧图像，通过图像对目标的运动状态进行跟踪。
[0013]进一步地，在步骤S1中，所述检测目标位置通过CenterNet神经网络对无人机拍摄的图像进行检测获得。
[0014]优选地，在步骤S2中，基于t帧时刻与t+1帧时刻检测目标位置之间的欧式距离矩阵、t帧时刻与t+1帧时刻的检测目标位置之间的余弦距离矩阵，采用匈牙利匹配法实现对目标运动状态的跟踪。
[0015]优选地，在步骤S2中，根据t帧时刻与t+1帧时刻检测目标位置，在像素坐标系下，通过欧式度量方式，计算t帧时刻所有检测目标位置到t+1帧时刻所有预测目标位置之间的欧式距离，获得t帧时刻与t+1帧时刻检测目标位置之间的欧式距离矩阵。
[0016]优选地，在步骤S2中，根据t+1帧时刻检测到的目标位置和t帧时刻检测到的目标位置，在像素坐标系下，计算t+1帧时刻所有检测目标位置到t帧时刻所有检测目标位置的余弦距离，t帧时刻与t+1帧时刻的检测目标位置之间的余弦距离矩阵。
[0017]优选地，在步骤S2中，比对t+1帧时刻目标的预测位置与该目标在t+1帧时刻的检测位置，确定目标跟踪是否正确。
[0018]优选地，在步骤S3中，多个无人机之间共享各自跟踪的目标信息，对目标进行标识匹配，所述共享目标信息是指共享当前帧时刻下目标的位置信息。
[0019]优选地，步骤S3包括以下子步骤：
[0020]S31、多个无人机将各自跟踪到的目标位置信息从像素坐标系转化到世界坐标系下；
[0021]S32、获取当前帧时刻下多个无人机共享的目标之间的欧氏距离，获得多视角欧式距离矩阵；
[0022]S33、根据多视角欧式距离矩阵，通过匈牙利匹配法得到不同无人机视场下当前帧目标群中所有目标间的匹配关系，完成目标标识匹配。
[0023]本专利技术所具有的有益效果包括：
[0024](1)检测快速、实时、高鲁棒性；
[0025](2)利用卡尔曼滤波预测目标下一时刻的位置，提高对目标运动状态跟踪的准确度，提高多个运动目标的检测精度与跟踪效果；
[0026](3)利用匈牙利匹配算法实现目标在不同视场下的关联，解决无人机集群时多视场对多目标运动状态跟踪过程中多目标身份匹配混乱的问题，提高无人机集群对多目标的跟踪精度。
附图说明
[0027]图1示出根据本专利技术一种优选实施方式的一种无人机集群对空中目标运动状态跟踪方法流程示意图；
[0028]图2示出根据本专利技术一种优选实施方式的一种无人机集群对空中目标运动状态跟踪方法中CenterNet神经网络模型；
[0029]图3示出根据本专利技术一种优选实施方式的一种无人机集群对空中目标运动状态跟踪方法中坐标变换关系图；
[0030]图4示出根据本专利技术实施例1中模拟实验背景。
具体实施方式
[0031]下面通过附图和实施例对本专利技术进一步详细说明。通过这些说明，本专利技术的特点和优点将变得更为清楚明确。
[0032]在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
[0033]根据本专利技术提供的一种无人机集群对空中目标运动状态跟踪方法，如图1所示，包括以下步骤：
[0034]S1、t帧时刻，多个无人机检测各自视角下的目标位置，多个无人机预测各自视角下t+1帧时刻目标的位置；
[0035]S2、t+1帧时刻，多个无人机检测各自视角下的目标位置，将检测的目标位置与各自预测的目标位置比对，实现多个无人机各自对目标运动状态的跟踪；
[0036]S3、多个无人机相互之间对各自跟踪的目标进行标识匹配，使得多个无人机对同一目标的标识相同。
[0037]进一步地，在本专利技术中，所述空中目标具有多个，所述运动状态跟踪是指对目标位置的跟踪，无人机通过对目标方向持续进行拍摄，获得含有目标的多帧图像，通过图像对目标的运动状态进行跟踪。
[0038]在步骤S1中，所述检测目标位置通过CenterNet目标检测方法获得，具体地，在多个无人机的机载计算机中载入CenterNet神经网络，通过CenterNet神经网络检测多个目标的位置。
[0039]在无人机拍摄的图像中，目标的位置可以通过目标中心位置或目标的边界框位置表示，在一个优选的实施方式中，目标位置通过目标的中心位置表示。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机集群对空中目标运动状态跟踪方法，其特征在于，包括以下步骤：S1、t帧时刻，多个无人机检测各自视角下的目标位置，多个无人机预测各自视角下t+1帧时刻目标的位置；S2、t+1帧时刻，多个无人机检测各自视角下的目标位置，将检测的目标位置与各自预测的目标位置比对，实现多个无人机各自对目标运动状态的跟踪；S3、多个无人机相互之间对各自跟踪的目标进行标识匹配，使得多个无人机对同一目标的标识相同。2.根据权利要求1所述的无人机集群对空中目标运动状态跟踪方法，其特征在于，所述空中目标具有多个，所述运动状态跟踪是指对目标位置的跟踪。3.根据权利要求1所述的无人机集群对空中目标运动状态跟踪方法，其特征在于，无人机通过对目标方向持续进行拍摄，获得含有目标的多帧图像，通过图像对目标的运动状态进行跟踪。4.根据权利要求1所述的无人机集群对空中目标运动状态跟踪方法，其特征在于，在步骤S1中，所述检测目标位置通过CenterNet神经网络对无人机拍摄的图像进行检测获得。5.根据权利要求1所述的无人机集群对空中目标运动状态跟踪方法，其特征在于，在步骤S2中，基于t帧时刻与t+1帧时刻检测目标位置之间的欧式距离矩阵、t帧时刻与t+1帧时刻的检测目标位置之间的余弦距离矩阵，采用匈牙利匹配法实现对目标运动状态的跟踪。6.根据权利要求5所述的无人机集群对空中目标运动状态跟踪方法，其特征在于，在步骤S2中，根据t帧时刻与t+1帧时刻检测目标位置，...

【专利技术属性】
技术研发人员：褚昭晨，宋韬，沈灏，林德福，金忍，苗瀚，杨思远，张越炜，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：