一种面向精准感知的无人机分层逻辑决策系统技术方案

本发明专利技术公开了一种面向精准感知的无人机分层逻辑决策系统，属于无人机感知与决策技术领域。系统包括感知层、语义层、信号层、逻辑决策层和系统资源层。首先，感知层获取影像信息，提取特征；随后，语义层对特征进行分析，获取目标类别等语义信息；然后，信号层记录置信度、目标尺度等信号量，并分析其变化趋势；最后，逻辑决策层根据评估结果，设计决策模型，并对系统资源进行动态调度。本发明专利技术实现了无人机系统软硬件一体化感知，具有较好的自主性，对小目标等复杂场景和需要融合决策的场景具有较好的感知效果。感知效果。感知效果。

【技术实现步骤摘要】
一种面向精准感知的无人机分层逻辑决策系统


[0001]本专利技术涉及无人机感知领域，特别适用于复杂场景下目标的精准感知。

技术介绍

[0002]无人机作为一种新型遥感传感器,目前被越来越多地应用于农林、国土、交通、环境监测、火灾预警等领域。无人机影像目标检测技术作为该应用领域的核心技术，对于无人机影像的应用具有极其重要的意义。尽管当前无人机视觉感知的智能化建设已有一定基础，能够对行人、车辆等目标进行比较准确的识别，但在数据、模型方面还存在很多问题。
[0003]在数据方面，无人机航拍影像具有如下特征：(1)小目标占比多。在相对尺度方面，航拍影像中多数目标边界框面积与图像面积之比中位数在0.08％～0.58％之间；在绝对尺度方面，航拍影像中有较多分辨率小于32像素
×
32像素的目标。(2)尺度差异大。由于无人机飞行高度不固定，载荷相机焦距不固定，造成无人机航拍影像中目标尺度多样化。(3)背景复杂。由于无人机飞行高度和俯仰角的变化，航拍影像中往往包含复杂的语义信息，如光照剧烈变化、目标遮挡、目标稠密相连、图像形状失真等问题本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向精准感知的无人机分层逻辑决策系统，其特征在于，包括：感知层：基于深度学习算法，训练特征提取模型，并接收图像数据，基于训练好的特征提取模型提取目标的颜色、纹理和边缘特征，并进行多尺度特征融合；语义层：根据感知层获得的目标特征，提取需要的目标语义，包括可见光目标语义、红外目标语义和场景分割语义；信号层：根据语义层获得的目标语义，提取目标置信度、目标位置、目标尺度和目标速度；逻辑决策层：对信号层提取的信息进行融合决策，分析无人机和载荷应当采取的行动，并向无人机和载荷发布对应的控制指令，包括扫描、变倍和数引；系统资源层：在无人机和载荷执行控制指令后，将最新的感知信息发送给感知层，进入下一个循环。2.根据权利要求1所述的一种面向精准感知的无人机分层逻辑决策系统，其特征在于，信号层提取目标置信度、目标位置、目标尺度和目标速度的具体计算方式为：从语义层输出直接获取有无目标、目标置信度和目标边界框信息；计算目标中心点坐标，中心点横坐标x＝(x1+x2)/2，纵坐标y＝(y1+y2)/2；其中，(x1,y1)为目标边界框左上角坐标，(x2,y2)为右下角坐标；计算目标尺度大小：s＝(y2‑
y1)*(x2‑
x1)；计算目标速度大小：目标移动速度其中，(x',y')为上帧中心点位置，Δt为相邻帧时间差。3.根据权利要求1所述的一种面向精准感知的无人机分层逻辑决策系统，其特征在于，逻辑决策层的具体处理过程为：(1)构建精准感知的逻辑决策模型的有限状态机表达式为：M＝(T,E,δ,t0,F)式中，T为状态机中无人机和载荷的所有动作的集合，E为各状态所能响应的事件的集合，δ为状态转移函数，即不同状态间的事件响应规则，δ：T
×
E
→
T；,t0为初始状态；为某场景下行为终止状态集合；...

【专利技术属性】
技术研发人员：王弢，耿虎军，胡炎，朱进，仇梓峰，熊恒斌，杨福琛，孙方德，
申请(专利权)人：中国电子科技集团公司第五十四研究所，
类型：发明
国别省市：