一种用于信息拒止环境下的无人机动态目标估计方法技术

本发明专利技术公开了一种用于信息拒止环境下的无人机动态目标估计方法。该方法包括：获取三维角度信息，所述三维角度信息包括无人机到第一锚点的到达角、无人机到第二锚点的到达角以及无人机到目标的到达角；对于所述三维角度信息，利于拓展卡尔曼滤波器进行滤波，获得估计的无人机状态信息以及对应的状态协方差信息，所述无人机状态信息用于表征无人机的位置、速度以及目标的位置和速度；利用所述无人机状态信息和所述状态协方差信息构建损失函数，以优化无人机的飞行路径，实现对目标进行观测。本发明专利技术采用两个已知绝对位置的锚点信息即可实现无人机和目标的位置跟踪。现无人机和目标的位置跟踪。现无人机和目标的位置跟踪。

【技术实现步骤摘要】
一种用于信息拒止环境下的无人机动态目标估计方法


[0001]本专利技术涉及无人机
，更具体地，涉及一种用于信息拒止环境下的无人机动态目标估计方法。

技术介绍

[0002]目标跟踪技术在各种应用中被广泛应用，如空中摄影、公共安全和人道主义搜索和救援。从不同传感器获得的噪声测量值中估计出目标的位置和速度是一个研究较为广泛的方向。由于无人机(UAV)出色的可操作性，在配备了到达角(AOA)传感器后，可被用于目标跟踪。通过解算三角几何问题配合滤波估计器，自身和目标的位置及速度可以从嘈杂的AOA测量数据中估计出来。此外，研究人员还提出了不同的估计算法，以便用非线性AOA测量值估计目标状态。例如，最大似然估计器(MLE)和伪线性估计器(PLE)作为经典的批处理滤波器，被用于从带有高斯噪声的AOA目标测量中估计目标位置及速度。基于卡尔曼的方法，被视为递归滤波器，则被更普遍地应用于目标跟踪领域。对于AOA目标跟踪，扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)、伪线性卡尔曼滤波(PLKF)和容积卡尔曼滤波器(CKF)均有不同程度的应用。
[0003]现有研究表明，通过优化无人机飞行路径，使从测量中收集到的信息更加有效，可以显著提高目标跟踪性能。为提高目标估计精度，应设计一个成本函数用于无人机路径优化。常见的成本函数包括估计协方差矩阵和费雪信息矩阵(FIM)等。可采用各种算法优化成本函数，如基于梯度、穷举搜索和基于学习的方法。
[0004]在现有技术中，无人机的位置被假定为使用外部信息并且可以准确获取，例如全球定位系统(GPS)。然而，无人机可能在外部信号缺失的环境中工作(或称为信息拒止环境)，例如，室内空间和干扰区域。在这些区域中，无人机的外部信号缺失，无法获得其位置。目前，在未知自身位置的情况下进行目标定位引起了很多人的兴趣。例如，在同步定位和测绘(SLAM)应用中，增加周围锚点的额外信息(如附近建筑物的位置)来获得绝对目标位置。在无线通信中，通过多锚点进行目标定位(如基站定位)已经较为成熟，但由于其基本通过到达时间差(TDOA)的方式进行，所需的锚点数必须大于等于3或者引入其它先验知识，才能唯一确定目标位置。
[0005]经分析，在现有技术中，无论是单纯的基于到达时间差(TDOA)还是到达角(AOA)的目标估计方案，都只能获取到目标相对于无人机的距离及角度，不能获得其绝对位置。

技术实现思路

[0006]本专利技术的目的是克服上述现有技术的缺陷，提供一种用于信息拒止环境下的无人机动态目标估计方法，该方法包括：
[0007]获取三维角度信息，所述三维角度信息包括无人机到第一锚点的到达角、无人机到第二锚点的到达角以及无人机到目标的到达角；
[0008]对于所述三维角度信息，利于拓展卡尔曼滤波器进行滤波，获得估计的无人机状
态信息以及对应的状态协方差信息，所述无人机状态信息用于表征无人机的位置、速度以及目标的位置和速度；
[0009]利用所述无人机状态信息和所述状态协方差信息构建损失函数，以优化无人机后续时刻的飞行路径，实现对目标的观测。
[0010]与现有技术相比，本专利技术的优点在于，提供一种基于方位角(角度，可由PTZ相机获取)与锚点的无人机自主目标跟踪方法，通过引入已知绝对位置的锚点，可为无人机在外部信号(GPS、RTK等)丢失环境下提供自身及目标的绝对位置信息，并对其进行跟踪，为无人机自身与目标的定位跟踪提供了更健壮的解决方案。本专利技术可应用于多旋翼无人机、固定翼无人机等多种无人飞行器的定位系统，既可作为自身定位的冗余手段，又可根据方位角提供目标的绝对地理坐标，在提升定位速度的同时，也提高了定位精度。
[0011]通过以下参照附图对本专利技术的示例性实施例的详细描述，本专利技术的其它特征及其优点将会变得清楚。
附图说明
[0012]被结合在说明书中并构成说明书的一部分的附图示出了本专利技术的实施例，并且连同其说明一起用于解释本专利技术的原理。
[0013]图1是根据本专利技术一个实施例的目标跟踪的几何示意图；
[0014]图2是根据本专利技术一个实施例的用于信息拒止环境下的无人机动态目标估计方法的流程图；
[0015]图3是根据本专利技术一个实施例的拓展卡尔曼滤波的流程图；
[0016]图4是根据本专利技术一个实施例的构建损失函数的示意图；
[0017]图5是根据本专利技术一个实施例的路径优化方法的过程示意图。
具体实施方式
[0018]现在将参照附图来详细描述本专利技术的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本专利技术的范围。
[0019]以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本专利技术及其应用或使用的任何限制。
[0020]对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
[0021]在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
[0022]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
[0023]本专利技术提供一套外部信号缺失环境下的无人机自主目标定位方法，主要包括目标滤波估计、无人机路径优化两部分。该方法引入两个已知绝对位置的静止标志物，以到达角(AOA)传感器采集的三维角度信息(包括无人机与锚点1的到达角θ
ub1
，无人机与锚点2的到达角θ
ub2
，无人机与移动目标的到达角θ
up
)为输入，在连续的观测一段时间后，可以将移动目
标和无人机自身的位置与速度误差收敛到较低的范围内，最终输出自身和目标的位置及速度。由于传感器位置会影响滤波估计器对目标的观测，在滤波后引入路径优化算法改善目标定位的效率及准确度。此外，为了无人机的安全，在路径规划时为无人机在目标及地标周围设置了不同大小的禁飞区。
[0024]参见图1的目标跟踪几何示意图，示出了k时刻移动目标、无人机、锚点1(anchor1)和锚点2(anchor2)之间的位置关系，其中锚点1和锚点2是已知绝对位置的标志物。例如，锚点1的坐标为b1＝[x
b1
，y
b1
]T
，锚点2的坐标为b2＝[x
b2
，y
b2
]T
，T表示转置；移动目标在k时刻的坐标为p
k
＝[x
pk
，y
pk
]T
，坐标未知，无人机在k时刻的位置标记为u
k
(未知)。k是离散时间标识，设定离散的时间间隔为M。
[0025]参见图2所示，所提供的用于信息拒止环境下的无人机动态目标估计方法主要包括：步骤S1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于信息拒止环境下的无人机动态目标估计方法，包括以下步骤：获取三维角度信息，所述三维角度信息包括无人机到第一锚点的到达角、无人机到第二锚点的到达角以及无人机到目标的到达角；对于所述三维角度信息，利于拓展卡尔曼滤波器进行滤波，获得估计的无人机状态信息以及对应的状态协方差信息，所述无人机状态信息用于表征无人机的位置、速度以及目标的位置和速度；利用所述无人机状态信息和所述状态协方差信息构建损失函数，以优化无人机的飞行路径，实现对目标的观测。2.根据权利要求1所述的方法，其特征在于，对于所述三维角度信息，利于拓展卡尔曼滤波器进行滤波，获得估计的无人机状态信息以及对应的状态协方差信息包括：预测无人机的先验状态和协方差，表示为：X
k|k
‑1＝FX
k
‑
1|k
‑1+m
k
P
k|k
‑1＝FX
k
‑
1|k
‑1F
T
+Q
k
其中，X
k|k
‑1为基于k
‑
1时刻状态X
k
‑
1|k
‑1的先验估计，P
k|k
‑1为状态X
k|k
‑1的协方差矩阵，m
k
为过程噪声，Q
k
是m
k
的协方差矩阵，的协方差矩阵，x
uk
是无人机在x轴的位置，是无人机在x轴的速度分量，y
uk
是无人机在y轴的位置，是无人机在y轴的速度分量，x
pk
是目标在x轴的位置，是目标在x轴的速度分量，y
pk
是目标在y轴的位置，是目标在y轴的速度分量，F是状态转移矩阵；计算雅各比矩阵，表示为：H
k
＝Jacobian(X
k|k
‑1,Z
k
)其中，Z
k
为k时刻观测到的三维角度信息，H
k
是3行8列的雅各比矩阵计算估计状态残差，表示为：其中，为残差，h(X
k|k
‑1)表示为：计算卡尔曼增益，表示为：计算卡尔曼增益，表示为：
其中，R
k
为测量噪声，S
k
是中间变量，K
k
为k时刻的卡尔曼增益；更新后验估计和协方差，作为估计的无人机状态信息以及对应的状态协方差信息，表示为：P
k|k
＝(I
‑
K
k
H
k
)P
k|k
‑1其中，X
k|k
为后验估计状态，P
k|k
为后验协方差矩阵，I为8*8的单位矩阵，x
b1
是第一锚点的x轴坐标，y
b1
是第一锚点的y轴坐标，x
b2
是第二锚点的x轴坐标，y
b2
是第二锚点的y轴坐标，x
pk
是目标在k时刻的x轴坐标，y
pk
是目标在k时刻的y轴坐标，d
ub1
＝||u
k
‑
...

【专利技术属性】
技术研发人员：徐升，朱兵，侯睿明，徐蓉蓉，徐天添，吴新宇，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：