一种面向监测盲区的无人机轨迹相关性判定方法技术

本发明专利技术公开了一种面向监测盲区的无人机轨迹相关性判定方法。包括：对在无人机监测空间内监测获得的无人机的历史飞行数据进行数据处理后，获得当前无人机监测空间的监测盲区边界；监测并获得短期内无人机的各段飞行轨迹；再判断短期内无人机的各段飞行轨迹的端点是否处于监测盲区边界；若短期内前后相邻的两段飞行轨迹的端点均处于监测盲区边界，则对当前两段飞行轨迹进行轨迹预测并再判断当前两段飞行轨迹的预测轨迹的相关性；若预测轨迹相关，则对当前两段飞行轨迹进行轨迹连接；最后再由无人机操控区作为无人机的起点

【技术实现步骤摘要】
一种面向监测盲区的无人机轨迹相关性判定方法


[0001]本专利技术属于无人机监管领域的一种无人机轨迹处理方法，具体涉及了一种面向监测盲区的无人机轨迹相关性判定方法。

技术介绍

[0002]现阶段对无人机的操控领域越来越成熟，但对无人机监管领域比较落后，在无人机的监管中通常是采用摄像头对无人机识别监测，但当无人机目标较小或是相似时，摄像头很难区分无人机。在清算空间内飞过的无人机数量时，会产生很大的误差。为了更好的监测无人机数量，必须采取一种基于轨迹相关性判定的方法来判断飞过监测盲区的无人机是否为同一架。

技术实现思路

[0003]为了解决
技术介绍
中存在的问题和需求，本专利技术的目的是提出一种面向监测盲区的无人机轨迹相关性判定方法。本专利技术首先利用无人机长期的历史飞行数据确定出监测盲区的位置以及监测盲区边界，然后对监测盲区边界附近的轨迹段进行前向后向轨迹预测，再判断预测出的轨迹是否是相关的，若相关说明监测盲区边界附近的飞行轨迹段来自于同一架无人机。
[0004]本专利技术的技术方案是：
[0005]本专利技术包括以下步骤：
[0006]S1：根据预设时间间隔，对在无人机监测空间内监测获得的无人机的历史飞行数据进行数据分段，获得对应的历史飞行数据段，接着取各段历史飞行数据段的端点并构成历史飞行数据端点集，再对历史飞行数据端点集进行聚类，拟合获得当前无人机监测空间的监测盲区边界；
[0007]S2：在当前无人机监测空间中，监测并获得短期内的无人机飞行数据，以预设时间间隔对短期内的无人机飞行数据进行数据分段，获得对应的短期飞行数据段，再对各个短期飞行数据段进行轨迹拟合，获得短期内无人机的各段飞行轨迹；
[0008]S3：取短期内无人机的各段飞行轨迹的端点并构成短期飞行数据端点集，对短期飞行数据端点集进行聚类，聚类得到无人机操控区，同时根据当前无人机监测空间的监测盲区边界判断短期内无人机的各段飞行轨迹的端点是否处于监测盲区边界；
[0009]S4：针对短期内前后相邻的两段飞行轨迹，若短期内前后相邻的两段飞行轨迹的端点均处于监测盲区边界，则对当前前后两段飞行轨迹进行轨迹预测，获得对应的预测轨迹，再判断当前前后两段飞行轨迹的预测轨迹的相关性；若预测轨迹相关，则认为当前前后两段飞行轨迹来自同一架无人机；接着根据当前前后两段飞行轨迹的预测轨迹对当前前后两段飞行轨迹进行轨迹连接；若预测轨迹不相关，则认为不来自同一架无人机；若短期内前后相邻的两段飞行轨迹的端点均不处于监测盲区边界，则不处理；
[0010]S5：重复S4对短期内剩余的前后相邻的两段飞行轨迹进行判断，获得短期内在当
前无人机监测空间中无人机的连续飞行轨迹；再由对应的无人机操控区作为无人机的起点
‑
终点区域，得到无人机在当前无人机监测空间中的完整飞行轨迹。
[0011]所述S1中对历史飞行数据端点集进行聚类，获得多个历史聚类簇，将x轴方向设置为水平方向，将多个历史聚类簇的中心点坐标均投影至x轴，选择x轴上距离最远的两个投影点x0、x1并记为第一、第二投影点，将第一、第二投影点对应历史聚类簇的中心点坐标相连后的线段作为直径且以当前线段的中心为球心作第一球体S0，第一球体S0的外球面作为监测盲区的最大边界；
[0012]接着作经过第一球体S0的球心且垂直于x轴方向的直线l，在直线l两侧的x轴各寻找一个距离直线l最近的两个投影点x2、x3并记为第三、第四投影点，将第三、第四投影点对应历史聚类簇的中心点坐标相连后的线段作为直径且以当前线段的中心为球心作第二球体S1，第二球体S1的外球面作为监测盲区的最小边界；监测盲区的最大边界和最小边界之间的类环状区域作为监测盲区边界。
[0013]所述S3具体为：
[0014]S31：通过卡尔曼反向滤波器将短期内无人机的各段飞行轨迹进行滤波，获得各段飞行轨迹对应的离散飞行数据序列，取各个离散飞行数据序列的端点数据并构成短期飞行数据端点集；
[0015]S32：对短期飞行数据端点集进行聚类，获得多个短期聚类簇，将无人机起飞点、降落点处的端点数据聚类形成的短期聚类簇所在空间作为无人机操控区，判断除了无人机操控区以外的剩余短期聚类簇中心点是否处于监测盲区边界中；如果每个短期聚类簇的中心点处于监测盲区边界中，则聚类为当前短期聚类簇的端点数据均处于监测盲区边界中，当前短期聚类簇的端点数据均处于监测盲区边界中表示对应各段飞行轨迹的端点处于监测盲区边界中；否则，则不处于监测盲区边界中。
[0016]所述S4中，采用Hausdorff距离法计算当前前后两段飞行轨迹的预测轨迹之间的Hausdorff距离，如果当前前后两段飞行轨迹的预测轨迹之间的Hausdorff距离小于预设距离，则当前前后两段飞行轨迹的预测轨迹之间相关；否则，则不相关。
[0017]所述S1和S2中的预设时间间隔相同。
[0018]所述S2中利用卡尔曼滤波器对各个短期飞行数据段进行轨迹拟合。
[0019]所述S4中，对当前前后两段飞行轨迹的预测轨迹取平均后获得最终的预测轨迹，当前前后两段飞行轨迹与最终的预测轨迹进行轨迹相连。本专利技术的有益效果是：
[0020]本专利技术能够有效的确定空间内的监测盲区以及盲区边界，确定出监测盲区附近的多个轨迹段是否来自于同一架无人机，从而准确的清算出该空间内无人机的数量，在无人机的监管领域中有广泛的应用前景。
附图说明
[0021]图1为无人机飞行轨迹相关性判定流程图；
[0022]图2为拟合盲区边界示意图；
[0023]图3为无人机轨迹合并示意图。
具体实施方式
[0024]下面结合附图及具体实施例对本专利技术作进一步详细说明：
[0025]如图1所示，本专利技术包括以下步骤：
[0026]S1：根据预设时间间隔，对在无人机监测空间内长期监测获得的多架无人机的多次历史飞行数据进行数据分段，获得对应的历史飞行数据段，接着取各段历史飞行数据段的端点并构成历史飞行数据端点集，每段历史飞行数据段的端点为历史飞行数据段两端处每端的多个数据点组成，再对历史飞行数据端点集进行聚类，拟合获得当前无人机监测空间的监测盲区边界，如图2所示；端点为当前历史飞行数据段对应飞行轨迹的起点和终点并且不包括无人机的起飞点和降落点；
[0027]S1中对历史飞行数据端点集进行聚类，获得多个历史聚类簇，具体实施中，历史聚类簇的个数为2n，聚类簇的中心点表示飞行数据的起点或终点，其中n为历史飞行数据段的个数将x轴方向设置为水平方向，将多个历史聚类簇的中心点坐标均投影至x轴，选择x轴上距离最远的两个投影点x0、x1并记为第一、第二投影点，将第一、第二投影点对应历史聚类簇的中心点坐标相连后的线段作为直径且以当前线段的中心为球心作第一球体S0，第一球体S0的外球面作为监测盲区的最大边界；第一球体S0外的无人机监测空间是监测可视区。
[0028]接着作经过第一球体S0的球心且垂直于x轴方向的直线l，在直线l两侧的x轴各寻找本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向监测盲区的无人机轨迹相关性判定方法，其特征在于，包括以下步骤：S1：根据预设时间间隔，对在无人机监测空间内监测获得的无人机的历史飞行数据进行数据分段，获得对应的历史飞行数据段，接着取各段历史飞行数据段的端点并构成历史飞行数据端点集，再对历史飞行数据端点集进行聚类，拟合获得当前无人机监测空间的监测盲区边界；S2：在当前无人机监测空间中，监测并获得短期内的无人机飞行数据，以预设时间间隔对短期内的无人机飞行数据进行数据分段，获得对应的短期飞行数据段，再对各个短期飞行数据段进行轨迹拟合，获得短期内无人机的各段飞行轨迹；S3：取短期内无人机的各段飞行轨迹的端点并构成短期飞行数据端点集，对短期飞行数据端点集进行聚类，聚类得到无人机操控区，同时根据当前无人机监测空间的监测盲区边界判断短期内无人机的各段飞行轨迹的端点是否处于监测盲区边界；S4：针对短期内前后相邻的两段飞行轨迹，若短期内前后相邻的两段飞行轨迹的端点均处于监测盲区边界，则对当前前后两段飞行轨迹进行轨迹预测，获得对应的预测轨迹，再判断当前前后两段飞行轨迹的预测轨迹的相关性；若预测轨迹相关，则认为当前前后两段飞行轨迹来自同一架无人机；接着根据当前前后两段飞行轨迹的预测轨迹对当前前后两段飞行轨迹进行轨迹连接；若预测轨迹不相关，则认为不来自同一架无人机；若短期内前后相邻的两段飞行轨迹的端点均不处于监测盲区边界，则不处理；S5：重复S4对短期内剩余的前后相邻的两段飞行轨迹进行判断，获得短期内在当前无人机监测空间中无人机的连续飞行轨迹；再由对应的无人机操控区作为无人机的起点
‑
终点区域，得到无人机在当前无人机监测空间中的完整飞行轨迹。2.根据权利要求1所述的一种面向监测盲区的无人机轨迹相关性判定方法，其特征在于，所述S1中对历史飞行数据端点集进行聚类，获得多个历史聚类簇，将x轴方向设置为水平方向，将多个历史聚类簇的中心点坐标均投影至x轴，选择x轴上距离最远的两个投影点x0、x1并记为第一、第二投影点，将第一、第二投影点对应历史聚类簇的中心点坐标相连后的线段作为直径且以当前线段的中心为球心作第一球体S0，第一球体S0的外球面作为监测盲区的最大边...

【专利技术属性】
技术研发人员：焦庆春，鲍淋，黄辉，孙忠良，王李青，
申请(专利权)人：杰能科世智能安全科技杭州有限公司，
类型：发明
国别省市：