一种群目标位置结构特征检测及提取方法技术

本发明专利技术公开了一种群目标位置结构特征检测及提取方法，属于多飞行器协同作战技术领域；通过构造虚拟特征点作为群目标的位置结构特征，表征群目标中各目标的位置基准，为无数据链通信条件下多飞行器攻击多目标协同作战场景中，多飞行器确定相同的目标区域提供了可靠基础；构造虚拟特征点时，考虑群目标分布的均匀程度，增强虚拟特征点与群目标的关联性，提高后续目标区分、定位、分配的可靠性。构造虚拟特征点之前，先构造实物特征点，当实物特征点无法使用时，再构造虚拟特征点可以保证作战任务顺利进行。上述方法能够应对实际环境下不同的战场目标分布情况，对群目标进行有效的区分，有利于降低多飞行器重复攻击同一目标的概率，具有较好的效费比。具有较好的效费比。具有较好的效费比。

【技术实现步骤摘要】
一种群目标位置结构特征检测及提取方法


[0001]本专利技术涉及多飞行器协同作战
，尤其涉及一种群目标位置结构特征检测及提取方法。

技术介绍

[0002]在多飞行器对多个目标进行协同攻击的作战任务中，会面临目标数量大且聚集的问题（称为群目标）。大部分情况下，群目标数量有限，其位置范围在摄像机视场中具有确定的边界，当多飞行器均完整识别到所有群目标及其边界范围时，采取适当算法可以实现对其中每个目标的区分，进而完成多飞行器与多目标的一对一分配。
[0003]但有的情况下，目标间距比较均匀，并且群目标的位置范围无界的情况下（例如，从每个飞行器的视角下看，群目标均从视场左边缘横贯到右边缘），如图1所示。这时，多飞行器各自的视场内看到的群目标，均为某个目标群体中的一个局部，且无明显差异，这就很难对群目标中的每个目标进行区分，也就无法为多飞行器进行一对一目标分配。
[0004]在上述不利条件下，多飞行器对群目标攻击时，需要具备一个有效的目标区分技术，可以最大限度地实现目标的区分，尽可能地将每个目标唯一分配给不同的飞行器，尽量降低多飞行器攻击同一目标的概率，以获得较好的费效比。因此就需要采用合适的技术提取群目标的空间分布特性，使得每个飞行器都能够根据各自的视场内的群目标计算出唯一的基准点，且各飞行器的基准点在空间上为同一点（误差控制在合理范围内）。
[0005]目前，国内外针对点群目标空间分布特性的研究，主要集中在地图和地理信息系统领域，目的是研究城镇、企业、经济作物等目标的分布疏密度，指标也偏重于群目标的整体特征。例如，崔世林等人的一种地图点群空间分布特性的局部分维分析方法，使用分形技术用滑动窗口分析地图中点群目标空间分布中的局部特性差异，在一定程度上定量地标识出不同因素相互影响下目标在形态和分布上表现出的不均匀现象；龙毅等人的地图目标局部分形描述的元分维模型的实现中，采用点群的元分维模型方法分析城镇体系的空间结构；Batty M, Longley P, Fotheringham S.Urban growth and form: scaling, fractal geometry, and diffusion
‑
limited aggregation[J]. Environment and PlanningA, 1989, volume 21: 1447
‑
1472.中，采用周长
‑
尺度关系和面积
‑
周长关系计算的城市形态分维；陈彦光等人的基于三角点阵模型的自组织城市网络探讨，使用自组织网络构造城市两两之间的空间关联函数分析城镇直接的关联；张昌芳等人的基于空间分布特征的阵群目标数据关联算法，采用近邻点集法识别具有不同队形的群目标；Li Bonan, Fonseca F. TDD:A Comprehensive Model for Qualitative Spatial Similarity Assessment[J].Spatial Cognition & Computation, 2006, 6(1):31
‑
62中，利用空间拓扑关系、方向关系和距离关系的优先等级，提出了TDD ( topology
‑
direction
‑
distance ) 模型分析空间目标的相似性；郝燕玲，唐文静，赵玉新，李宁；基于空间相似性的面实体匹配算法研究[J]；测绘学报，2008(04)：501
‑
506中提出了一种形状描述函数来计算面目标之间的形状相似度。
[0006]上述的相关研究方法采用了分形、拓扑网络、几何学等不同方法，分析点群的整体特性和不同点群之间的相似性，但不能区分单个点群中的不同目标。因此，需要提出一种较为简单和可行的方法，来解决在点群中提取唯一基准点的问题。

技术实现思路

[0007]本专利技术的目的在于提供一种能够应对实际环境下不同的战场目标分布情况，对群目标进行有效的区分，有利于降低多飞行器重复攻击同一目标的概率，具有较好的效费比的群目标位置结构特征检测及提取方法。
[0008]为了实现上述目的，本专利技术采用了如下技术方案：一种群目标位置结构特征检测及提取方法，通过位置结构特征表征群目标中各目标的位置基准，在无数据链通信条件下多飞行器攻击多目标协同作战场景中，不同的攻击飞行器根据所述位置基准确定的目标区域包含的目标集合相同，具体包括以下步骤：步骤一、根据群目标的位置信息，在群目标所在区域的外围，释放多个人工信标，通过图像检测手段识别到人工信标后，对人工信标的位置信息进行统计运算，得到实物特征点；步骤二、判断步骤一中所得的实物特征点是否能够使用，若能够使用，直接通过实物特征点提取群目标的位置结构特征；若不能使用，则进入步骤三；步骤三、在给定的群目标的区域内建立栅格地图，计算群目标中各个目标对每个栅格的影响并累加到每个栅格，每个栅格影响值的空间分布构成群目标的分布特性曲面；步骤四、根据步骤三中所得的群目标的分布特性曲面的均匀程度确定虚拟特征点，利用所得的虚拟特征点提取所述群目标的位置结构特征：若群目标分布特性曲面均匀，则以所有识别到的目标的平均位置作为虚拟特征点；若群目标分布特性曲面不均匀，则以影响值最小的栅格位置作为虚拟特征点。
[0009]优选地，所述步骤一中提到的在群目标所在区域的周围，释放多个人工信标，具体为：在群目标区域外部的5～100米范围内释放多个人工信标。
[0010]优选地，所述步骤一中提到的对人工信标的位置信息进行统计运算，得到实物特征点，具体为：对多个所述人工信标的位置信息坐标求取均值，作为实物特征点的坐标。
[0011]优选地，所述人工信标为发光物或者具有一定形状或者颜色的物体；所述发光物所发出的光信号包括可见光、红外线、紫外线；所述人工信标由运载飞行器投放，一个运载飞行器中包含多个人工信标；所述人工信标的投放位置需要满足能够被检测设备识别并且不能对目标识别造成干扰；多个所述人工信标之间的间隔根据检测设备与群目标的距离以及检测设备的参数确定，间隔的最大值需要保证图像范围内能够识别到所有人工信标，间隔的最小值为所述人工信标直径的6~10倍。
[0012]优选地，所述步骤三中提到的格栅影响值的计算方式为：通过建立各目标对栅格影响的二维高斯函数，计算得到各目标对每个栅格的影响值，其计算公式为：
其中，g(u, v)为目标对图像坐标为(u, v)的栅格的影响值，i为目标个数，i=1，
……
，k，k为正整数，表示目标总数；u=1，
……
，m，表示栅格的行数，m为正整数；v=1，
……
，n，表示栅格的列数，n为正整数；(u
i
，v
i
)表示第i个目标所在的栅格的图像坐标；σ
u
表示根据目标之间行间距设置的方差变量；σ
v
表示根据目标之间列间距设置的方差变量。
[0013]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种群目标位置结构特征检测及提取方法，其特征在于，通过位置结构特征表征群目标中各目标的位置基准，在无数据链通信条件下多飞行器攻击多目标协同作战场景中，不同的攻击飞行器根据所述位置基准确定的目标区域包含的目标集合相同，具体包括以下步骤：步骤一、根据群目标的位置信息，在群目标所在区域的外围，释放多个人工信标，通过图像检测手段识别到人工信标后，对人工信标的位置信息进行统计运算，得到实物特征点；步骤二、判断步骤一中所得的实物特征点是否能够使用，若能够使用，直接通过实物特征点提取群目标的位置结构特征；若不能使用，则进入步骤三；步骤三、在给定的群目标的区域内建立栅格地图，计算群目标中各个目标对每个栅格的影响并累加到每个栅格，每个栅格影响值的空间分布构成群目标的分布特性曲面；步骤四、根据步骤三中所得的群目标的分布特性曲面的均匀程度确定虚拟特征点，利用所得的虚拟特征点提取所述群目标的位置结构特征：若群目标分布特性曲面均匀，则以所有识别到的目标的平均位置作为虚拟特征点；若群目标分布特性曲面不均匀，则以影响值最小的栅格位置作为虚拟特征点。2.根据权利要求1所述的一种群目标位置结构特征检测及提取方法，其特征在于，所述步骤一中提到的在群目标所在区域的周围，释放多个人工信标，具体为：在群目标区域外部的5～100米范围内释放多个人工信标。3.根据权利要求1所述的一种群目标位置结构特征检测及提取方法，其特征在于，所述步骤一中提到的对人工信标的位置信息进行统计运算，得到实物特征点，具体为：对多个所述人工信标的位置信息坐标求取均值，作为实物特征点的坐标。4.根据权利要求1所述的一种群目标位置结构特征检测及提取方法，其特征在于，所述人工信标为发光物或者具有一定形状或者颜色的...

【专利技术属性】
技术研发人员：刘福祥，赵洁，甄洪坡，莫波，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：