分布式地对空协同对未知无人机状态估计方法及其应用
1.本技术涉及无人机探测技术领域,特别是一种涉及分布式地对空协同对未知无人机状态估计方法及其应用。
背景技术:
2.无人机作为新兴研究领域,展现出强大的任务执行能力,并应用于各个领域。但由于无人机体积小、飞行速度快、制作成本低,一旦被不法分子利用,会对社会公共安全产生较大的威胁。
3.目前,反无人机的技术发展越来越多。反制的首要目的是实现对目标的实时状态跟踪和估计。但由于无人机的体积小、飞行速度快且可能出现未知无人机等信息,实时的状态估计算法就尤为重要。
4.现有主要有雷达检测和激光测距仪结合相机检测。目前的算法已有的大部分分布式卡尔曼滤波算法在节点之间的交互信息包括:目标估计状态以及估计协方差矩阵。而协方差矩阵由于尺寸问题会占用大量的通信资源,从而限制了算法的更新频率和扩展尺度。
5.而分布式一致性卡尔曼滤波算法通过在原有的卡尔曼滤波算法的基础上,增加了一致性算法,实现全局信息的收敛,但该方法无法通过理论证明其最优性。
6.因此,目前手段均未能够有效地实现对无人机进行定位与跟踪。为此,亟待一种涉及分布式地对空协同对未知无人机状态估计方法及其应用,以解决现有技术存在的问题,尤其是解决基于全景相机的多节点协同抓捕系统中目标检测、协同目标状态估计一系列相关问题。
技术实现要素:
7.本技术实施例提供了分布式地对空协同对未知无人机状态估计方法及其应用,针对目前技术存在的基于全景相机的多节点协同抓捕系统中目标检测、协同目标状态估计一系列相关问题。
8.本发明核心技术主要是基于多全景感知节点协同目标状态估计的算法。其中一个应用场景为在特定的检测区域覆盖多个分布式感知设备,基于全景相机,实现对入侵区域内的空中目标仅限检测、并协同估计目标实时状态。
9.第一方面,本技术提供了分布式地对空协同对未知无人机状态估计方法,所述方法包括以下步骤:s00、获取当前观测感知节点上的全景相机图像数据,并识别目标物在全景相机图像数据中的位置;s10、分别定义图像坐标系、相机坐标系、节点坐标系及世界坐标系,获取当前观测感知节点的俯仰角度、翻转角、偏航角以及感知节点中心在世界坐标系下的位置得到节点坐标系到世界坐标系的旋转矩阵;s20、根据目标物在图像坐标系中的像素位置和相机内参得出目标物在相机坐标
系中的方向;s30、将当前检测的目标方向投影到节点坐标系中,并通过旋转矩阵将当前目标物的方向转换到世界坐标系中;s40、当任一感知节点检测到目标物并至少获得一个相邻感知节点的信息后,对目标物进行状态估计;s50、通过时空协同状态估计算法对目标物进行状态估计,以得到目标物的估计目标状态,该时空协同状态估计算法采用迭代方式求解,依次包括预测、信息更新及修正三个部分;其中,每个观测感知节点均能够将自身监测到的目标物的方向、估计目标状态以及自身的位置发送到通信网络中,并接收来自相邻的感知节点发送的信息。
10.进一步地,步骤s00中,每个观测感知节点的全景相机通过三个单目相机组成,取每个单目相机中观测方向置信度最高的目标作为当前感知节点观测到的目标物。
11.进一步地,步骤s10中,通过当前感知节点上的imu姿态传感器得到节点坐标系到世界坐标系的俯仰角度和翻转角,通过当前感知节点上的rtk位置偏航传感器得到偏航角和感知节点中心在世界坐标系下的位置。
12.进一步地,步骤s50中,目标物的运动通过线性时不变系统描述。
13.进一步地,图像坐标系以全景相机图像数据的上下方向作为y轴,以水平方向作为x轴,以该全景相机图像数据四角中任意一角作为坐标系原点;相机坐标系以相机焦点作为原点,垂直成像平面方向为x轴,y轴与图像坐标系的x轴平行,z轴与图像坐标系的y轴平行;节点坐标系以观测感知节点中的一点作为原点,以观测感知节点长度方向为x轴,以观测感知节点宽度方向为y轴,以观测感知节点高度方向为z轴;世界坐标系以预设经纬海拔坐标为原点,以经线作为x轴,纬线作为y轴,重力方向作为z轴。
14.第二方面,本技术提供了一种分布式地对空协同对未知无人机状态估计装置,包括:包括机载计算机、全景相机、imu姿态传感器、rtk位置偏航传感器、电池、无线通信模块及底板;机载计算机存储有计算机程序并分别与全景相机、imu姿态传感器、rtk位置偏航传感器、电池及无线通信模块电连接,该计算机程序存储有包括用于控制过程以执行过程的程序代码,过程包括根据上述的分布式地对空协同对未知无人机状态估计方法;机载计算机、全景相机、imu姿态传感器、rtk位置偏航传感器、电池及无线通信模块均设于底板上。
15.第三方面,本技术提供了一种电子装置,包括存储器和处理器,存储器中存储有计算机程序,处理器被设置为运行计算机程序以执行上述的分布式地对空协同对未知无人机状态估计方法。
16.第四方面,本技术提供了一种可读存储介质,可读存储介质中存储有计算机程序,计算机程序包括用于控制过程以执行过程的程序代码,过程包括根据上述的分布式地对空协同对未知无人机状态估计方法。
17.本发明的主要贡献和创新点如下:1、与现有技术(已有的大部分分布式卡尔曼滤波算法在节点之间的交互信息包括:目标估计状态以及估计协方差矩阵。而协方差矩阵由
于尺寸问题会占用大量的通信资源,从而限制了算法的更新频率和扩展尺度)相比,本技术从最小二乘的角度去进行状态估计,其通信信息仅包含相邻节点的测量信息和估计状态,不需要通信协方差矩阵,从而很大程度上降低了通信负担,提高了算法的可扩展性,和目标估计维度的可扩展性;2、与现有技术(布式一致性卡尔曼滤波算法通过在原有的卡尔曼滤波算法的基础上,增加了一致性算法,实现全局信息的收敛,但该方法无法通过理论证明其最优性)相比,本技术通过设计目标函数推导得到最优的估计状态,该算法结构更紧凑,步骤更少,且精度更高;3、与现有技术(传统的一致性卡尔曼滤波算法(分别为测量一致性卡尔曼滤波算法、估计一致性卡尔曼滤波算法以及混合测量估计一致性卡尔曼滤波算法)相比,不需要通信协方差矩阵,有更小的通信量,且通过仿真验真,本技术具有更高的估计精度,更快的响应速度,从而使每个无人机能更好地观测、跟踪目标物;4、与现有技术(在先专利cn114581480b)相比,首先本技术不再是借助无人机进行观测,而是基于多个感知节点,因此可以在地面进行观测,同时本技术不需要进行权重切换控制,即wself和wneighbor的值需要根据获得的友邻信息来回切换,因此本技术不存在这一问题;同时在先专利需结合最小二乘计算目标的位置(见cn114581480b中的公式11),该计算量会随着友邻信息的增加而增大,因此本技术也不存在此问题;在先专利通信信息包含测量信息、估计状态、估计的协方差矩阵,本技术只需要测量信息和估计状态,可有效降低通信数据量,从而减轻了通信负担;5、与现有技术(在先专利cn114581480b)相比,本技术的计算公式显著减少,可大大减少单次迭代的计算时间,从而提高响应速度;且在先专利通过偏工程的方法实现了目标估计,并不能从理论上证明效果最好,本技术通过研究改进,从目标函数出发,推导出最优估计的形式,从理论上是可以证明最优的,也就是在相同状态下,本技术的估计效果最好。
18.本技术的一个或多个实施例的细节在以下附图和描述中提出,以使本技术的其他特征、目的和优点更加简明易懂。
附图说明
19.此处所说明的附图用来提供对本技术的进一步理解,构成本技术的一部分,本技术的示意性实施例及其说明用于解释本技术,并不构成对本技术的不当限定。在附图中:图1是根据本技术实施例的基于全景机器视觉的多节点协同目标状态估计方法的流程图;图2是根据本技术实施例的单节点坐标系定义及目标检测示意图;图3是根据本技术实施例的协同目标状态估计算法示意图;图4是根据本技术实施例的单节点结构示意图;图5是根据本技术实施例的分布式协同估计算法仿真结果对比图一;图6是根据本技术实施例的分布式协同估计算法仿真结果对比图二;图7是根据本技术实施例的电子装置的硬件结构示意图。
20.图中,1、机载计算机;2、全景相机;3、imu姿态传感器;4、rtk位置偏航传感器;5、电
池;6、无线通信模块;7、底板。
具体实施方式
21.这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
22.需要说明的是:在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中,其方法所包括的步骤可以比本说明书所描述的更多或更少。此外,本说明书中所描述的单个步骤,在其他实施例中可能被分解为多个步骤进行描述;而本说明书中所描述的多个步骤,在其他实施例中也可能被合并为单个步骤进行描述。
23.实施例一本技术旨在提出分布式地对空协同对未知无人机状态估计方法,通过多全景感知节点协同目标状态估计的算法。其中一个较佳的应用场景为在特定的检测区域覆盖多个分布式感知设备,基于全景相机2,实现对入侵区域内的空中目标仅限检测、并协同估计目标实时状态。首先在本实施例中各节点均能与至少1个相邻节点通信,并获得其检测信息。
24.主要分为两个部分:参考图1,首先是小型机载计算机1从检测图像中获取目标物(目标无人机)在相机坐标系中的方向;通过imu姿态传感器3和rtk定位定向系统的rtk位置偏航传感器4获取节点(感知节点)的姿态和位置,并将测量的方向信息转换成伪线性方程,即图1中的数据获取;然后感知节点通过通信网络与相邻节点交换信息,包括相邻节点的伪线性测量、伪线性测量矩阵和估计的目标状态,实现对目标的状态估计,即图1中的协同估计。
25.具体地,如图4所示,每个观测感知节点包括机载计算机1、全景相机2、imu姿态传感器3、rtk位置偏航传感器4(rtk定位定向系统)、电池5、无线通信模块6及底板7;其中,每个观测感知节点的全景相机2均由三个单目相机或更多个单目相机组成。
26.其中,机载计算机1存储有计算机程序并分别与全景相机2、imu姿态传感器3、rtk位置偏航传感器4、电池5及无线通信模块6电连接,该计算机程序存储有包括用于控制过程以执行过程的程序代码,过程包括根据上述的分布式地对空协同对未知无人机状态估计方法;其中,机载计算机1、全景相机2、imu姿态传感器3、rtk位置偏航传感器4、电池5及无线通信模块6均设于底板7上。
27.本技术实施例提供了分布式地对空协同对未知无人机状态估计方法,具体地,参考图1,所述方法包括以下步骤:s00、获取当前观测感知节点上的全景相机2图像数据,并识别目标物在全景相机2图像数据中的位置;以下的感知节点和观测感知节点指代同一特征;目标物和目标无人机指代同一特征。
28.在本实施例中,通过全景相机2拍摄图像得到全景相机2图像数据,然后可以利用现有的无人机检测算法得到目标在图像中的位置,如在先专利cn114581480b中公开的算法,此为常规操作,这里不再赘述。
29.s10、分别定义图像坐标系、相机坐标系、节点坐标系及世界坐标系,获取当前感知节点的俯仰角度、翻转角、偏航角以及感知节点中心在世界坐标系下的位置得到节点坐标系到世界坐标系的旋转矩阵;其中,因为感知节点放在地面上的也不是完全平整的,地面上也有可能有坡度不平稳,这里的俯仰角度、滚转角度是相对于水平面的,因为在位置估计中,方向上的误差会与距离的平方成正比,因此需要精确测量出世界坐标系下的方向信息。
30.在本实施例中,如图2所示,四个坐标系:图像坐标系s
picture
,相机坐标系s
camera
,节点坐标系s
node
,和世界坐标系s
earth
(也可以成为全局坐标系)。
31.其中s
picture
原点为图像左上角,x轴沿图像长轴指向右,y轴沿图像短轴指向下;s
camera
的原点在相机焦点,x轴垂直成像平面指向外,y轴与图像坐标系x轴平行且指向相同,z轴与图像坐标系y轴平行且指向相同;s
node
的原点为t形底板7的中心,z轴垂直底板7朝下,y轴沿着t形底板7短边向前,x轴沿着长边且符合右手定则;s
earth
的原点为预先设置的一个经纬海拔坐标p
0earth
,x轴沿经度方向指向北,y轴沿纬度方向指向东,z轴符合右手定则指向下。
32.这里的坐标系定义与在先专利cn114581480b基本类似,区别在于本技术新增了一个改进点(节点坐标系)。
33.s20、根据目标物在图像坐标系中的像素位置和相机内参得出目标物在相机坐标系中的方向;在本实施例中,如图4所示,假设检测到目标无人机(目标物)在图像中的像素位置为[x,y]
picture
,可以根据相机内参,借助公式1得到目标无人机在s
camera
下的方向:公式1
ꢀꢀ
式中xc,yc为图像中心在s
picture
中的坐标;为相机的焦距;相机的成像晶元尺寸d
x
,dy;s30、将当前检测的目标方向投影到节点坐标系中,并通过旋转矩阵将当前目标物的方向转换到世界坐标系中;在本实施例中,由于每个感知节点的全景相机2由三个单目相机组成,将相机坐标系下的检测方向向量转换到节点坐标系下为:公式2
ꢀꢀꢀ
式中和分别为相机坐标系s
camera
到节点坐标系s
node
的旋转矩阵和平移矩阵。由于三个相机相对节点坐标系的旋转和平移矩阵均不相同,因此需要分别在vicon设备
下标定或根据相机设计尺寸参数计算得到。最后,取所有检测方向中置信度最高的目标作为该节点检测到的目标,并将其转换到世界坐标系中。
[0034]
其中,置信度是指在图像检测中会得到一系列的检测目标,这一系列的检测目标按照置信度从高到低表示最有可能是被检测物体的可能性,置信度越高,代表越有可能是目标。
[0035]
由于,感知节点与世界坐标系之间的对应关系分别通过imu姿态传感器3得到节点坐标系到世界坐标系的俯仰角度和滚转角,通过rtk位置偏航传感器4得到偏航角和感知节点中心在世界坐标系下的位置。进一步可以得到从节点坐标系到世界坐标系的旋转矩阵:公式3
ꢀꢀ
并将检测到的目标物的方向转换到世界坐标系中:公式4
ꢀꢀ
式中和分别是从第j个感知节点在世界坐标系下和节点坐标系下的目标无人机的单位向量,r
earth2node
是从世界坐标系s
earth
到节点坐标系s
node
的旋转矩阵,分别是感知节点的俯仰、滚转和偏航的旋转矩阵,其计算公式5如下:公式5式中,θ,φ,ψ分别为感知节点俯仰角度、滚转角和偏航角;s40、当任一感知节点检测到目标物并至少获得一个相邻感知节点的信息后,对目标物进行状态估计;其中,每个感知节点均能够将自身监测到的目标物的方向、估计目标状态以及自身的位置发送到通信网络中,并接收来自相邻的感知节点发送的信息。
[0036]
s50、如图3所示,通过时空协同状态估计算法对目标物进行状态估计,以得到目标物的估计目标状态,该时空协同状态估计算法采用迭代方式求解,依次包括预测、信息更新及修正三个部分。
[0037]
在本实施例中,目标物的运动用线性时不变系统来描述:
公式6
ꢀꢀꢀꢀ
式中,为目标物在k时刻的位置、速度状态,为系统误差,为目标在k时刻的状态转换矩阵,其值为:式中dt为采样时间间隔,为3
×
3的单位矩阵。
[0038]
在本实施例中,线性时不变系统的观测为方向信息,观测方程为:公式7
ꢀꢀꢀꢀ
公式8
ꢀꢀꢀꢀ
公式9
ꢀꢀꢀꢀ
公式10
ꢀꢀꢀꢀ
式中,为第i个感知节点在k时刻观测到目标在世界坐标系下的方向,为第i个感知节点在世界坐标系下的位置,和为经过伪线性转换后测量和测量方程。
[0039]
在本实施例中,由于时空协同状态估计算法采用迭代的方式求解。包含预测、信息更新和修正三个部分。
[0040]
其中预测为:公式11
ꢀꢀꢀ
公式12
ꢀꢀꢀ
在公式11中为第i个观测感知节点在第k-1时刻的最优目标估计状态,为第i个观测感知节点估计目标物在第k时刻的预测状态;在公式12中,为在k-1时刻的估计协方差矩阵;为在k时刻的预测协方差矩阵。
[0041]
信息更新部分为:公式13
ꢀꢀꢀ
公式14
ꢀꢀꢀ
公式15 在公式13,14,15中,为测量误差,为估计误差,为更新信息矩阵,,为可调节参数,分别表示测量的置信度、自身估计的置信度以及相邻节点的估计的置信度。
[0042]
最后是状态修正:公式16
ꢀꢀ
公式17
ꢀꢀ
公式18
ꢀꢀꢀꢀ
为计算增益,为历史衰减系数,为修正后的目标物状态。
[0043]
以上公式11-18为时空协同状态估计算法迭代的全部公式。
[0044]
其中,本技术的时空协同状态估计算法是根据设计代价函数推导所得,其推导首先假设目标物的运动是匀速直线,那么目标物当前的状态只跟目标物的初始状态相关:公式19
ꢀꢀ
式中,为目标物的初始状态,a为线性状态转移矩阵。那么我们对目标当前状态的估计可以转变为对目标初始状态的估计。在0-k时间内,每个感知节点所能获得的信息包括,其自身对目标物的所有测量、相邻节点(即当前测量的感知节点和相邻的节点)对目标物的所有测量、自身对目标初始状态的估计以及相邻节点对目标初始状态的所有估计。
[0045]
因此可以建立目标函数见公式20:式中,表示第i个节点在k时刻的相邻节点的集合,为第i个节点在k时刻估计的最优目标初始状态,表示当前时刻,和表示第j个节点在k时刻的伪线性测量和伪线性测量矩阵,表示从0时刻到k时刻的状态矩阵。
[0046]
对公式20求偏导可以得到的解析解如公式21:的解析解如公式21:这里定义:公式22
ꢀꢀ
公式23
ꢀꢀ
如此可以得到和的迭代形式为:公式24
ꢀꢀ
公式25
ꢀꢀ
公式26
ꢀꢀ
最后,得到的迭代形式为:公式27
ꢀꢀ
整理后得到:公式28
ꢀꢀ
公式36 将公式24代入公式35中,可以得到最后,可以得到公式11-18的全部推导过程。
[0047]
实验结果如图5-图6和表1所示,仿真环境中随机分布10个观测感知节点,每个观测感知节点可以与最近的3个相邻节点交换信息,目标无人机绕圈运动(目标无人机在空中绕圈,感知节点观测运动的空中无人机,并实时估计其飞行状态和轨迹),各节点的方向测量误差符合均值为5
°
的高斯分布,总共仿真100次。图5-图6为100次均值曲线,表1为算法的全部均值。图5和图6分别显示了估计目标位置和速度的均方差,结合表1可以看出,时空协同状态估计算法有更快的响应速度,更小的估计误差,相比现有的估计算法有较大的提升。
[0048]
表1 算法仿真误差均值实施例二基于相同的构思,如图4所示,本技术还提出了一种分布式地对空协同对未知无人机状态估计装置,包括:包括机载计算机1、全景相机2、imu姿态传感器3、rtk位置偏航传感器4、电池5、无线通信模块6及底板7;机载计算机1存储有计算机程序并分别与全景相机2、imu姿态传感器3、rtk位置偏航传感器4、电池5及无线通信模块6电连接,该计算机程序存储有包括用于控制过程以执行过程的程序代码,过程包括根据实施例一的分布式地对空协同对未知无人机状态估计方法;机载计算机1、全景相机2、imu姿态传感器3、rtk位置偏航传感器4、电池5及无线通信模块6均设于底板7上。
[0049]
机载计算机1存储计算机程序并通过全景相机2获得全景图像;机载计算机1通过
无线通信模块6给网络中其余节点发送信息,并获得相邻无人机发出的信息;机载计算机1通过imu姿态传感器3获得全景相机2的姿态角。机载计算机1通过rtk定位定向系统(rtk位置偏航传感器4)获得全景相机2的位置和偏航方向。
[0050]
实施例三本实施例还提供了一种电子装置,参考图7,包括存储器404和处理器402,该存储器404中存储有计算机程序,该处理器402被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
[0051]
具体地,上述处理器402可以包括中央处理器(cpu),或者特定集成电路(applicationspecificintegratedcircuit,简称为asic),或者可以被配置成实施本技术实施例的一个或多个集成电路。
[0052]
其中,存储器404可以包括用于数据或指令的大容量存储器404。举例来说而非限制,存储器404可包括硬盘驱动器(harddiskdrive,简称为hdd)、软盘驱动器、固态驱动器(solidstatedrive,简称为ssd)、闪存、光盘、磁光盘、磁带或通用串行总线(universalserialbus,简称为usb)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器404可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器404可在数据处理装置的内部或外部。在特定实施例中,存储器404是非易失性(non-volatile)存储器。在特定实施例中,存储器404包括只读存储器(read-onlymemory,简称为rom)和随机存取存储器(randomaccessmemory,简称为ram)。在合适的情况下,该rom可以是掩模编程的rom、可编程rom(programmableread-onlymemory,简称为prom)、可擦除prom(erasableprogrammableread-onlymemory,简称为eprom)、电可擦除prom(electricallyerasableprogrammableread-onlymemory,简称为eeprom)、电可改写rom(electricallyalterableread-onlymemory,简称为earom)或闪存(flash)或者两个或更多个以上这些的组合。在合适的情况下,该ram可以是静态随机存取存储器(staticrandom-accessmemory,简称为sram)或动态随机存取存储器(dynamicrandomaccessmemory,简称为dram),其中,dram可以是快速页模式动态随机存取存储器404(fastpagemodedynamicrandomaccessmemory,简称为fpmdram)、扩展数据输出动态随机存取存储器(extendeddateoutdynamicrandomaccessmemory,简称为edodram)、同步动态随机存取内存(synchronousdynamicrandom-accessmemory,简称sdram)等。
[0053]
存储器404可以用来存储或者缓存需要处理和/或通信使用的各种数据文件,以及处理器402所执行的可能的计算机程序指令。
[0054]
处理器402通过读取并执行存储器404中存储的计算机程序指令,以实现上述实施例中的任意分布式地对空协同对未知无人机状态估计方法。
[0055]
可选地,上述电子装置还可以包括传输设备406以及输入输出设备408,其中,该传输设备406和上述处理器402连接,该输入输出设备408和上述处理器402连接。
[0056]
传输设备406可以用来经由一个网络接收或者发送数据。上述的网络具体实例可包括电子装置的通信供应商提供的有线或无线网络。在一个实例中,传输设备包括一个网络适配器(network interface controller,简称为nic),其可通过与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备406可以为射频(radio frequency,简称为rf)模块,其用于通过无线方式与互联网进行通讯。
[0057]
输入输出设备408用于输入或输出信息。在本实施例中,输入的信息可以是全景相机2图像数据等,输出的信息可以是目标物状态估计数据等。
[0058]
实施例四本实施例还提供了一种可读存储介质,可读存储介质中存储有计算机程序,计算机程序包括用于控制过程以执行过程的程序代码,过程包括根据实施例一的分布式地对空协同对未知无人机状态估计方法。
[0059]
需要说明的是,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
[0060]
通常,各种实施例可以以硬件或专用电路、软件、逻辑或其任何组合来实现。本发明的一些方面可以以硬件来实现,而其他方面可以由控制器、微处理器或其他计算设备执行的固件或软件来实现,但是本发明不限于此。尽管本发明的各个方面可以被示出和描述为框图、流程图或使用一些其他图形表示,但是应当理解,作为非限制性示例,本文中描述的这些框、装置、系统、技术或方法可以以硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备或其某种组合来实现。
[0061]
本发明的实施例可以由计算机软件来实现,该计算机软件由移动设备的数据处理器诸如在处理器实体中可执行,或者由硬件来实现,或者由软件和硬件的组合来实现。包括软件例程、小程序和/或宏的计算机软件或程序(也称为程序产品)可以存储在任何装置可读数据存储介质中,并且它们包括用于执行特定任务的程序指令。计算机程序产品可以包括当程序运行时被配置为执行实施例的一个或多个计算机可执行组件。一个或多个计算机可执行组件可以是至少一个软件代码或其一部分。另外,在这一点上,应当注意,如图中的逻辑流程的任何框可以表示程序步骤、或者互连的逻辑电路、框和功能、或者程序步骤和逻辑电路、框和功能的组合。软件可以存储在诸如存储器芯片或在处理器内实现的存储块等物理介质、诸如硬盘或软盘等磁性介质、以及诸如例如dvd及其数据变体、cd等光学介质上。物理介质是非瞬态介质。
[0062]
本领域的技术人员应该明白,以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
[0063]
以上实施例仅表达了本技术的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本技术范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本技术构思的前提下,还可以作出若干变形和改进,这些都属于本技术的保护范围。因此,本技术的保护范围应以所附权利要求为准。
技术特征:
1.分布式地对空协同对未知无人机状态估计方法,其特征在于,包括以下步骤:s00、获取当前观测感知节点上的全景相机图像数据,并识别目标物在所述全景相机图像数据中的位置;s10、分别定义图像坐标系、相机坐标系、节点坐标系及世界坐标系,获取当前观测感知节点的俯仰角度、翻转角、偏航角以及感知节点中心在所述世界坐标系下的位置得到所述节点坐标系到所述世界坐标系的旋转矩阵;s20、根据所述目标物在所述图像坐标系中的像素位置和相机内参得出所述目标物在所述相机坐标系中的方向;s30、将当前检测的目标方向投影到所述节点坐标系中,并通过所述旋转矩阵将当前目标物的方向转换到所述世界坐标系中;s40、当任一感知节点检测到所述目标物并至少获得一个相邻所述感知节点的信息后,对所述目标物进行状态估计;s50、通过时空协同状态估计算法对所述目标物进行状态估计,以得到所述目标物的估计目标状态,该时空协同状态估计算法采用迭代方式求解,依次包括预测、信息更新及修正三个部分;其中,每个观测感知节点均能够将自身监测到的目标物的方向、估计目标状态以及自身的位置发送到通信网络中,并接收来自相邻的感知节点发送的信息。2.如权利要求1所述的分布式地对空协同对未知无人机状态估计方法,其特征在于,步骤s00中,每个观测感知节点的全景相机通过三个单目相机组成,取每个单目相机中观测方向置信度最高的目标作为当前观测感知节点观测到的目标物。3.如权利要求1所述的分布式地对空协同对未知无人机状态估计方法,其特征在于,步骤s10中,通过当前观测感知节点上的imu姿态传感器得到所述节点坐标系到所述世界坐标系的俯仰角度和翻转角,通过当前观测感知节点上的rtk位置偏航传感器得到偏航角和感知节点中心在所述世界坐标系下的位置。4.如权利要求1所述的分布式地对空协同对未知无人机状态估计方法,其特征在于,步骤s50中,所述目标物的运动通过线性时不变系统描述。5.如权利要求1-4任意一项所述的分布式地对空协同对未知无人机状态估计方法,其特征在于,所述图像坐标系以所述全景相机图像数据的上下方向作为y轴,以水平方向作为x轴,以该全景相机图像数据四角中任意一角作为坐标系原点;所述相机坐标系以相机焦点作为原点,垂直成像平面方向为x轴,y轴与所述图像坐标系的x轴平行,z轴与所述图像坐标系的y轴平行;所述节点坐标系以所述观测感知节点中的一点作为原点,以所述观测感知节点长度方向为x轴,以所述观测感知节点宽度方向为y轴,以所述观测感知节点高度方向为z轴;所述世界坐标系以预设经纬海拔坐标为原点,以经线作为x轴,纬线作为y轴,重力方向作为z轴。6.分布式地对空协同对未知无人机状态估计装置,其特征在于,包括:包括机载计算机、全景相机、imu姿态传感器、rtk位置偏航传感器、电池、无线通信模块及底板;所述机载计算机存储有计算机程序并分别与所述全景相机、所述imu姿态传感器、所述rtk位置偏航传感器、所述电池及所述无线通信模块电连接,该计算机程序存储有包括用于
控制过程以执行过程的程序代码,所述过程包括根据权利要求1至5任一项所述的分布式地对空协同对未知无人机状态估计方法;所述机载计算机、所述全景相机、所述imu姿态传感器、所述rtk位置偏航传感器、所述电池及所述无线通信模块均设于所述底板上。7.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至5任一项所述的分布式地对空协同对未知无人机状态估计方法。8.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机程序,所述计算机程序包括用于控制过程以执行过程的程序代码,所述过程包括根据权利要求1至5任一项所述的分布式地对空协同对未知无人机状态估计方法。
技术总结
本申请提出了分布式地对空协同对未知无人机状态估计方法及其应用,包括以下步骤:获取当前观测感知节点上的全景相机图像数据,并识别目标物在图像中的位置;分别定义图像坐标系、相机坐标系、节点坐标系及世界坐标系;根据目标物在图像坐标系中的像素位置和相机内参得出目标物在相机坐标系中的方向;将当前检测的目标方向投影到节点坐标系中,并通过旋转矩阵将当前目标物的方向转换到世界坐标系中;当任一感知节点检测到目标物并至少获得一个相邻感知节点的信息后,对目标物进行状态估计;通过时空协同状态估计算法对目标物进行状态估计,以得到目标物的估计目标状态。本申请通过多个感知节点对目标物进行估计定位,可更好地观测、跟踪目标物。跟踪目标物。跟踪目标物。