一种有向视觉传感器网络覆盖优化方法技术

本发明专利技术公开了一种有向视觉传感器网络覆盖优化方法，包括：根据目标监测区域空间结构，建立三维空间模型，在建立的三维空间模型中布置视觉传感器节点，并建立视觉传感器位置模型；根据每个视觉传感器的性能，构建每个视觉传感器的感知模型，得到每个视觉传感器覆盖结果；根据视觉传感器位置模型和传感器的感知模型，获得整个目标监测区域的视觉传感器网络覆盖系统；对视觉传感器网络覆盖系统进行优化，使目标监测区域内任意目标点的覆盖强度值为视觉传感器网络覆盖结果中的最优值。本发明专利技术针对监测技术中存在的人力消耗问题以及时效性弱和针对性弱问题进行了改进，减少了人工实地操作，大大节省了人力与物力。大大节省了人力与物力。大大节省了人力与物力。

【技术实现步骤摘要】
一种有向视觉传感器网络覆盖优化方法


[0001]本专利技术属于视觉传感器网络领域，特别涉及一种有向视觉传感器网络覆盖优化方法。

技术介绍

[0002]近年来，计算机、移动机器人、人工智能和智能控制等技术的不断发展，极大地促进了人类社会生产和生活智能化。与此同时，智慧城市、智慧工厂等概念的提出，使得人们迫切需要将相关技术应用到实际的工业生产中。无人机以其制作成本低廉、用途广泛等优点得到大量研究人员的青睐。多个搭载视觉传感器的无人机可以通过相机拍摄的图像实现自身的定位，并对目标监测场景实现覆盖以完成特定的任务。
[0003]视觉传感器因其成本低、重量轻、非接触式传感、信息丰富等优势而得到广泛应用。近年来，面对日趋复杂的工作环境与高难度的任务，单视觉传感器因其工作能力和感知范围有限，往往难以胜任。例如，在监测任务中，单视觉传感器工作视角有限，不能从多角度监测目标区域，容易导致重要信息的遗漏；搭载视觉传感器的智能体受负载能力约束，所能携带的燃料有限，因此续航时间难以得到保证；此外，单个视觉传感器在执行任务的过程中，一旦出现能源短缺或者设备故障等情况，有可能直接导致任务失败。为了解决上面所提到的问题，研究人员从生物集群的活动中受到启发，将多个视觉传感器组合成一个视觉传感器网络(Visual Sensor Network,VSN)来完成许多任务，使得VSN成为近年来的一个热门研究话题。与单视觉传感器相比，视觉传感器网络能够完成并发性和综合性的复杂任务，其优势表现在：1)在资源勘探、森林防火和地灾监测等实际应用中，视觉传感器网络通过多方位，多角度对目标区域进行观测，进而实现对目标区域的全面覆盖；2)视觉传感器网络可以提高执行任务的成功率，即使在某个传感器出现故障导致工作失效的情况下，其余传感器仍能够完成任务，提高了系统的可靠性和鲁棒性；3)能够在通信设备或网络受限的情况下，通过视觉传感器的“邻居”间的信息交换，实现精准定位，提高智能体在复杂及危险环境中的存活率。
[0004]目前的视觉传感器网络覆盖技术应用于各个方面，但大多数现有方法都集中于各向同性传感网络。然而，针对视觉传感器这类场传感器，在其视野中捕捉某个区域内的场景信息，而不是单个点。因此，视觉传感器网络具有区域感测和方向感测的特点，这使得其覆盖问题更具挑战。目前多数研究都是基于智能算法来解决覆盖优化问题。同时，单一智能算法存在的早熟、收敛慢、容易陷入局部最优等问题。

技术实现思路

[0005]有鉴于此，本专利技术提出一种有向视觉传感器网络覆盖优化方法，包括以下步骤：
[0006]S1、根据目标监测区域二维结构，建立二维模型，在建立的二维模型中布置视觉传感器节点，并建立视觉传感器位置模型；
[0007]S2、根据每个视觉传感器的性能，构建每个视觉传感器的感知模型，得到每个视觉
传感器覆盖结果；
[0008]S3、根据视觉传感器位置模型和传感器的感知模型，获得整个目标监测区域的视觉传感器网络覆盖系统；
[0009]S4、对视觉传感器网络覆盖系统进行优化，使目标监测区域内任意目标点的覆盖强度值为视觉传感器网络覆盖结果中的最优值。
[0010]进一步地，步骤S1具体为：
[0011]构建目标监测区域坐标系，传感器节点c
i
的位姿坐标为其中p
i
＝[x
i y
i
]T
为视觉传感器c
i
在坐标系xy上的坐标，θ
i
为方向角，θ
i
为视觉传感器c
i
的方向向量和坐标系x方向的夹角。
[0012]进一步地，步骤S2具体为：
[0013]S21、根据每个视觉传感器的性能，设定目标监测区域内点p0可以被传感器节点c
i
覆盖的条件：传感器节点c
i
坐标p
i
到点p0的欧式距离不超过传感器半径r，且与传感器方向向量的夹角β不大于α/2；
[0014][0015]其中，视觉传感器感知半径r和感知视角α为视觉传感器固定性能参数；
[0016]S22、构建单个传感器感知模型：
[0017][0018]其中，C
s
(c
i
,q
k
)表示传感器c
i
对点q
k
的覆盖性能，σ为常数，d
v
(c
i
,q
k
)表示传感器c
i
的到监测点q
k
的距离，Ω
i
表示表示传感器c
i
的监测范围。
[0019]进一步地，步骤S3具体为：
[0020]对于由N个移动视觉传感器组成的视觉传感器网络覆盖系统，监测区域内存在点q，期望视觉传感器监测点q的感知强度达到最大值，将环境中的重要性权重函数Φ与视觉传感器网络系统的覆盖性能f
m
作积分构造目标函数J(s1,s2,
…
,s
N
)：
[0021]J(s1,s2,...,s
N
)＝∫
Q
f
m
φ(q)dq
[0022]其中，Q表示整个监测环境，f
m
＝max{C
s
(c1,q
m
),C
s
(c2,q
m
),
…
,C
s
(c
N
,q
m
)}表示视觉传感器网络对监测区域内的目标点q
m
的覆盖性能的最大值，Φ(q)表示点q的重要性，s
N
表示第N个传感器的位姿坐标。
[0023]进一步地，步骤S4具体为：
[0024]S41、构建视觉传感器c
i
的动力学方程的动力学方程为J(s)沿梯度上升方向的偏导数：
[0025][0026]其中，u
i
为视觉传感器c
i
的控制输入，包括位置和方向角两部分，α
i
为控制增益；
[0027]S42、构建J(s)的Lyapunov函数：
[0028][0029]其中s
*
为目标函数J(s)沿梯度上升方向演化得到极大值时的取值；
[0030]S43、对Lyapunov函数V(s)对时间求导数：
[0031][0032]当Lyapunov函数V(s)对时间的导数小于零，视觉传感器c
i
的动力学系统处于稳定状态；
[0033]S44、视觉传感器c
i
的梯度控制率表示为：
[0034][0035]其中，v
i
＝[v
xi v
yi
]T
为视觉传感器c
i
位姿中位置的一阶导数，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种有向视觉传感器网络覆盖优化方法，其特征在于，包括以下步骤：S1、根据目标监测区域二维结构，建立二维模型，在建立的二维模型中布置视觉传感器节点，并建立视觉传感器位置模型；S2、根据每个视觉传感器的性能，构建每个视觉传感器的感知模型，得到每个视觉传感器覆盖结果；S3、根据视觉传感器位置模型和传感器的感知模型，获得整个目标监测区域的视觉传感器网络覆盖系统；S4、对视觉传感器网络覆盖系统进行优化，使目标监测区域内任意目标点的覆盖强度值为视觉传感器网络覆盖结果中的最优值。2.根据权利要求1所述的一种有向视觉传感器网络覆盖优化方法，其特征在于，步骤S1具体为：构建目标监测区域坐标系，传感器节点c
i
的位姿坐标为其中p
i
＝[x
i y
i
]
T
为视觉传感器c
i
在坐标系xy上的坐标，θ
i
为方向角，θ
i
为视觉传感器的方向向量和坐标系x方向的夹角。3.根据权利要求2所述的一种有向视觉传感器网络覆盖优化方法，其特征在于，步骤S2具体为：S21、根据每个视觉传感器的性能，设定目标监测区域内点p0可以被传感器节点c
i
覆盖的条件：传感器节点c
i
坐标p
i
到点p0的欧式距离不超过传感器半径r，且与传感器c
i
方向向量的夹角β不大于α/2；的夹角β不大于α/2；其中，视觉传感器感知半径r和感知视角α为视觉传感器固定性能参数；S22、构建单个传感器感知模型：S22、构建单个传感器感知模型：其中，C
s
(c
i
，q
k
)表示传感器c
i
对点q
k
的覆盖性能，σ为常数，d
v
(c
i
，q
k
)表示传感器c
i
的到监测点q
k
的距离，Ω
i
表示表示传感器c
i
的监测范围。4.根据权利要求3所述的一种有向视觉传感器网络覆盖优化方法，其特征在于，步骤S3具体为：对于由N个移动视觉传感器组成的视觉传感器网络覆盖系统，监测区域内存在点q，期望视觉传感器监测点q的感知强度达到最大值，将环境中的重要性权重函数Φ与视觉传感器网络系统的覆盖性能f
m
...

【专利技术属性】
技术研发人员：翟超，雷雄，张和洪，李勇波，王传莲，罗财明，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：