【技术实现步骤摘要】
本专利技术涉及多分布式视觉融合、群体智能决策、无人机协同控制等领域，包括对人类群体成员间的认知共享行为机理的总结，以及在此基础上设计的用于多无人机围捕的视觉共享群智汇聚方法，具体涉及一种面向协作围捕任务的多无人机视觉共享群智汇聚方法。
技术介绍
1、随着战场环境的复杂多变，单架无人机已经无法满足不同任务态势下对于任务的需求，如在饱和打击、逃逸围捕、连续侦查等任务重，往往需要多种型号、多个架次、多层梯度的无人机进行配合协同完成相应任务。而在协同过程中，无人机如何对于自身在群体中的定位以及如何获得外接的信息是研究的关键技术之一。
2、现有多无人机之间的位置信息一般是由gps或ins信号提供的。基于gps信号(或改进的差分gps)进行防碰撞的优点在于其精确性，民用gps定位的精度可达2米之内，军用gps定位甚至可达0.5米，但是受到干扰的可能性很大，如伊朗对于美国无人机的诱骗截获事件，其中猜测之一就是设计出假降落指令诱导美国无人机的降落；基于ins信号的无人机防碰撞，虽然仅用机载惯性导航设备进行加速度、速度的累加得到现在无人机所处位置，不被外界环境所干扰，但无人机的位置误差也被累计，任务时间越长误差越大，并且在集群系统中，仅能获取到自身的状态信息，多用于自身的导航控制信息反馈。
3、在越发复杂的战场环境中，基于有源式的多无人机定位与集群控制受环境影响极大，电磁干扰甚至可能威胁到无人机的安全，导致任务的失败。考虑无人机的隐蔽性与安全性，现有研究更多偏向于无源式的无人机控制研究。视觉传感器由于其自身的无源性和高性价
4、1.分布式感知的视觉融合。在无人机围捕过程中，每架无人机仅能获取到自身携带的视觉传感器所感知到的视觉信息，而无法获得全局的目标信息和障碍信息，如何对群体中每架无人机个体所感知到的视觉信息进行融合，形成整体的视觉态势，从而在此基础上进行模型算法的运算是其主要难点之一。
5、2.群体智能汇聚与决策。在所感知到的视觉信息基础之上，个体无人机需要服从于围捕的任务目标，这就需要将个体的简单智能在一定程度上进行汇聚，形成为整体目标服务的决策，在整体决策基础上，再分布到个体无人机的控制决策上去。
6、3.群体与个体的无人机协同控制。决策策略产生之后，不仅需要考虑对群体整体的围捕目的导向的控制，还需要考虑对于每架无人机的单独控制，此时需要考虑各无人机的状态、位置等信息，针对性的进行控制策略的调整，使无人机群体能够协同起来，
7、完成对目标的围捕。
8、早在1939年，社会心理学家lewin就对人类之间的相互协作(cooperation ofhumans，coh)进行了深入的研究，他指出人类合作是一种复杂的群体行为，这种群体的合作行为受到内部的每个个体和外部环境的共同作用，并基于此提出了群体协作方法模型。coh模型虽然在一定程度上揭示了人类协作行为的一般原则，然而这是一种没有明确目标的被动合作模式。群体互相之间的行为不是为了无意义的交互，而是有目的性进行的协作，即目标导向的群体协作。在一个协作任务中，每个人都应该有自己的任务，他们既互相独立行动完成个体任务，又并行协同完成群体任务。为此，本专利在该方法的基础上，进一步考虑围捕任务与无人机集群之间的约束问题，在分布式无人机所感知到的视觉信息共享基础上，将群智汇聚形成群体的协同策略与个体的控制方案，提出面向协同围捕的多无人机视觉共享群智汇聚方法，解决多无人机围捕问题。
技术实现思路
1、针对现有技术方法存在的不足，本专利技术对人类为共同完成任务从而相互之间进行协作的行为进行分析，总结出任务导向的视觉共享群智汇聚机理模型，依次为借鉴，提出一种面向协同围捕任务的多无人机视觉共享群智汇聚方法，具体包括下列步骤：
2、步骤1：将每个个体所感知到的分布式视觉信息101进行数据降维与特征提取，分类为障碍视觉信息与目标视觉信息输送到云端视觉共享器103中，对无人机所感知到的视觉特征信息进行视觉感知不变性判断与视觉共享融合拼接，形成全局视觉感知信息103；
3、具体方法为：
4、step 1：集群中某架无人机q通过视觉传感器所感知的深度视觉信息为iq(x,y,z)，其中x、y和z分别为图像坐标系的三个坐标轴的轴向信息，表示感知到的障碍、其余无人机以及待围捕目标与自身的相对空间位置；除去距离信息z，对于视觉信息iq(x,y)，通过高斯核函数g(x,y,σ)进行图像的尺度缩减，σ为高斯分布的标准差；
5、视觉信息iq(x,y)被转换至ω尺度中，每个尺度由尺度层级s和尺度因子v共同决定；定义高斯差函数d(x,y,σ)为两个相邻尺度g之间的差值：
6、d(x,y,σ)＝(g(x,y,vσ)-g(x,y,σ))*i(x,y) (1)
7、其中：i(x,y)为视觉信息，v为视觉感知信息的尺度因子；
8、对于二维平面中的高斯差函数d(x,y,σ)，定义尺度变换后在(x,y)处相对距离z的值为在该点处的初始值，即在视觉信息的任一点(x,y)处，都存在高斯差函数d(x,y,σ)与深度视觉信息i(x,y,z)的值相等，即d(x,y,z)＝i(x,y,z)，则将z视为常值进行处理；假设无人机q的深度视觉信息iq(x,y,z)通过机载计算机进行尺度变换后，形成高斯差函数为dq(x,y,z,σ)；无人机将dq上传到云端共享控制器中，进行全局信息的融合处理；
9、假设得到的高斯差函数dq(x,y,z,σ)，用dq表示dq(x,y,z,σ)，特征点为(x0,y0)，x0,y0分别为特征点的横、纵坐标，在此极值点处的泰勒展开满足：
10、
11、其中，x表示无人机双目视觉信息的横坐标矩阵，上角标t表示转置，dq(x,y,σ)为无人机q所感知到的高斯差函数，dq(x0,y0,σ0)为在特征点(x0,y0)处的高斯差函数；其中一阶导数和二阶导数由相邻点集之间的差值估计得到；
12、设高阶导数为0，得到精确的极值xmax：
13、
14、其中，dk表示第k架无人机所感知到的高斯差函数；
15、不稳定边界的特征点和低对比度的特征点通过式(4)和式(5)进行移除；
16、
17、
18、其中：dq(xmax)为第q架无人机在最优特征值xmax处的高斯差函数，hq为最优特征值处矩阵的偏导数，xmax为根据式(3)所取得的极值点值，dxx表示对x的二次偏导，dxy表示对x和y分别进行的二次偏导、dyy表示对y的二次偏导；
19、假设α和β为最大和最小的特征值，且α＝γβ，γ为常数比例系数，则有：
20、
<本文档来自技高网...【技术保护点】
1.面向协同围捕任务的多无人机视觉共享群智汇聚方法，其特征在于，具体包括下列步骤：
【技术特征摘要】
1.面向协同围捕任务的多无人机视觉共享群智...
【专利技术属性】
技术研发人员：魏瑞轩，张启瑞，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。