【技术实现步骤摘要】
本专利技术属于多源信息融合与目标识别，尤其涉及基于置信度的多源异构传感器融合的飞行障碍识别方法。
技术介绍
1、飞行器在低空或超低空进行执行任务时，低空障碍物和地形的干扰及低空飞行环境的不确定性对飞行器产生致命威胁。山体、水体等自然地形或高层建筑、高压线、通信塔等障碍物对飞行器低空飞行产生重要的影响；飞行器常用的探测器为雷达和红外传感器。雷达能提供完整的位置信息，但存在易遭受电子干扰和低空盲区的缺点；红外传感器具有分辨率高、隐蔽性好、抗干扰能力强的优点，但具有不能提供目标的距离信息、作用距离较近、受气候影响大等缺点。
2、单一传感器由于自身检测能力和特性受限，只能对一定范围、一定环境、一定类别下的目标具有较为准确或有效的检测能力，因此需要多传感器配合使用，当若干传感器不能利用或受到干扰，或某个目标或事件不在覆盖范围内时，总会有一种传感器可以提供信息，提升系统的鲁棒性。但多传感器系统，在检测同一目标时可能出现障碍物类别不同的情况，因此需要一定的方法对目标的类别进行判断。通过多传感器对目标进行检测时，不同传感器对于环境条件的适配性、检测精度、检测能力等会有较大不同，通常对同一目标障碍物的识别和定位结果产生较大差异。
技术实现思路
1、本专利技术的目的是提供基于置信度的多源异构传感器融合的飞行障碍识别方法，以解决由于环境因素使得不同传感器对同一障碍物的障碍物类别识别不同的问题。
2、本专利技术采用以下技术方案：基于置信度的多源异构传感器融合的飞行障碍识别方法，包括
3、判断不同类别的各传感器所检测到的两个障碍物是否为同一障碍物；
4、当不是同一障碍物时基于d-s证据理论通过融合算法计算得到高置信度障碍物信息向量；
5、融合算法包括：
6、步骤1：对各传感器的障碍物置信度信息进行加权处理；
7、步骤2：计算归一化因子；
8、步骤3：根据d-s证据理论融合各传感器的障碍物置信度信息得到高置信度障碍物信息向量；
9、其中，步骤3在融合时：
10、若有两个传感器检测到同一障碍物，则融合两个传感器的障碍物置信度信息得到高置信度障碍物信息向量；
11、若有三个传感器检测到同一障碍物，则先融合任意两个传感器的障碍物置信度信息得到融合结果，再将融合结果和第三个传感器的障碍物置信度信息进行融合得到高置信度障碍物信息向量；
12、若有多个传感器检测到同一障碍物，则先融合任意两个传感器的障碍物置信度信息得到融合结果，再将融合结果和第三个传感器的障碍物置信度信息进行融合且依次类推得到高置信度障碍物信息向量。
13、进一步地，步骤1中的加权处理方法为：
14、，
15、其中，为加权前各传感器检测到的障碍物置信度信息，为传感器的置信度，为加权后的障碍物置信度信息，为障碍物类别，为障碍物类别总数，为传感器的不确定度。
16、进一步地，步骤2中计算归一化因子的公式为：
17、，
18、当有两个传感器检测到同一障碍物时，其中，为第一传感器的障碍物类别，为第二传感器的障碍物类别，为第一传感器和第二传感器共同识别出的障碍物类别，为加权后的第一传感器识别的障碍物置信度信息，为加权后的第二传感器识别的障碍物置信度信息，为第一传感器加权后的共同识别的障碍物置信度信息， 为第二传感器加权后的共同识别的障碍物置信度信息，为第一传感器的不确定度， 为第二传感器的不确定度；
19、当有三个传感器检测到同一障碍物时，其中，为第一传感器和第二传感器融合后的障碍物类别，为第三传感器的障碍物类别，为第一传感器、第二传感器和第三传感器共同识别出的障碍物类别，为加权后的第一传感器和第二传感器融合后识别的障碍物置信度信息，为加权后的第三传感器识别的障碍物置信度信息，为加权后的第一传感器和第二传感器融合后共同识别的障碍物置信度信息， 为第三传感器加权后的共同识别的障碍物置信度信息，为第一传感器和第二传感器融合后的不确定度， 为第三传感器的不确定度。
20、进一步地，步骤3中得到高置信度障碍物信息向量的计算公式为：
21、
22、当有两个传感器检测到同一障碍物时，为第一传感器和第二传感器融合得到的高置信度障碍物信息向量；
23、当有三个传感器检测到同一障碍物时，为第一传感器和第二传感器融合得到的高置信度障碍物信息向量再次与第三传感器的障碍物置信度信息融合得到的高置信度障碍物信息向量；
24、当时，
25、，
26、当时，
27、 。
28、本专利技术的有益效果是：
29、本专利技术根据传感器返回的障碍物的量测数据中的置信度信息，通过基于特征融合的数据分类与关联方法，对于不同传感器对同一位置的障碍物类别识别不同的障碍物，将各传感器的障碍物置信度信息进行融合并判断障碍物类别，以解决不同传感器对同一位置的障碍物类别识别不同的问题；提高障碍物识别准确率。
本文档来自技高网...【技术保护点】
1.基于置信度的多源异构传感器融合的飞行障碍识别方法，其特征在于，包括：
2.根据权利要求1所述的基于置信度的多源异构传感器融合的飞行障碍识别方法，其特征在于，所述步骤1中的加权处理方法为：
3.根据权利要求2所述的基于置信度的多源异构传感器融合的飞行障碍识别方法，其特征在于，所述步骤2中计算归一化因子的公式为：
4.根据权利要求3所述的基于置信度的多源异构传感器融合的飞行障碍识别方法，其特征在于，所述步骤3中得到高置信度障碍物信息向量的计算公式为：
【技术特征摘要】
1.基于置信度的多源异构传感器融合的飞行障碍识别方法，其特征在于，包括：
2.根据权利要求1所述的基于置信度的多源异构传感器融合的飞行障碍识别方法，其特征在于，所述步骤1中的加权处理方法为：
3.根据权利要求2所述的基于置...
【专利技术属性】
技术研发人员：胡劲文，冯玖松，张德腾，雷毅飞，徐钊，韩军伟，
申请(专利权)人：西北工业大学，
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。