【技術實現步驟摘要】
本專利技術涉及無人機群領域，具體涉及基于光電探測無人機群目標的分群檢測及群參數估計方法。
技術介紹
1、伴隨著無人機蜂群飛控測量技術規模化、信息化、智能化、多樣化的發展趨勢，群目標跟蹤已成為目前研究中的一類重要問題，積極探索無人機蜂群的檢測、跟蹤、識別，獲取群目標的空間特征并對群目標態勢進行感知與把握，是無人機蜂群飛控測量技術的重要一環。
2、而反無人機集群是以無人機集群等無人機目標為主要對象，需要利用多個廣域分布的探測系統獲取多維、多域、多頻段的群目標特征參數，通過多層級協同感知處理，提升在實際復雜環境下對反無人機集群目標的探測能力；再利用多平臺偵察探測到的數據確定目標準確位置及實時運動狀態，實現對反無人機集群目標的識別預警。
3、但由于無人機集群的飛行高度較低，而現有雷達探測系統的低空盲區較大，導致反無人機集群在低空區域內不易被發現；同時反無人機集群的相對飛行速度較慢，其多普勒效應不明顯，容易受氣象和雜波干擾，且容易與鳥群相混淆，觀測數據量較大，無疑提升了反無人機集群的目標區分難度；因此僅通過雷達探測手段難以對低慢小目標的真偽進行判斷，也無法對實際目標進行有效跟蹤。
4、因此需要尋求一種可以在復雜環境中對反無人機集群目標進行快速、準確的分類判斷，實現群目標的有效跟蹤，為監測人員提供反無人機集群的實時動態參數信息是勢在必行的。
技術實現思路
1、本專利技術的目的是為解決現有雷達探測手段無法對反無人機集群低慢小目標進行快速、準確的分類判斷，以及有
2、本專利技術的設計思路為：在無人機群目標跟蹤的起始階段，通過單幀圖像對無人機群目標進行分群檢測，將滿足特性距離的目標劃分為同一個群，并根據相關特征對每個群的空間外形進行擬合，得到外形的中心、長短軸長度、離心率和主軸角度等信息，為群目標跟蹤提供空間特征信息。
3、為實現上述目的，本專利技術提出的技術解決方案為：
4、基于光電探測無人機群目標的分群檢測及群參數估計方法，其特殊之處在于，包括以下步驟：
5、s1、采集無人機群目標的單幀圖像，并提取單幀圖像中每個無人機的像素位置坐標和像素灰度值；
6、s2、將單幀圖像中每個無人機的像素灰度置為1，其余背景像素灰度置為0，輸出像素灰度為1的像素位置坐標；
7、s3、將步驟s2中輸出的像素灰度為1的像素位置坐標進行歸一化處理，獲得目標點坐標；
8、s4、將步驟s3中獲得的目標點坐標作為聚類算法的輸入進行聚類處理，得到多個群目標的最終聚類中心，并將所有目標點劃分到對應的最終聚類中心的簇中，形成多個群目標；
9、s5、將各個群目標的樣本點通過主成分分析法擬合成橢圓外形，得到各個群目標的中心位置、主軸方向、長短軸長度、離心率信息，從而完成無人機群目標的起始分群檢測及群參數估計。
10、進一步地，步驟s3具體為：
11、s3.1、設定歸一化圖像大小為w*h，獲取單幀圖像中像素灰度為1的像素位置坐標(ti_x,ti_y),其中i＝1…m，m為單幀圖像中無人機的個數，m≥1；
12、其中，w為圖像垂直方向分辨率，h為圖像水平方向分辨率；
13、s3.2、對步驟s3.1中像素灰度為1的像素位置坐標(ti_x,ti_y)進行歸一化處理后，獲得目標點坐標為(ti_x/w，ti_y/h)。
14、進一步地，步驟s4具體為：
15、s4.1、將步驟s3.2中獲得的目標點坐標(ti_x/w，ti_y/h)作為聚類算法的輸入；
16、s4.2、在目標點坐標(ti_x/w，ti_y/h)中選擇一個目標點作為種子點xi，即初始聚類中心，其余目標點記為xj，并以該種子點xi為中心確定一個窗口，用于計算密度；
17、所述窗口的半徑與高斯帶寬參數h相同；
18、s4.3、在步驟s4.2中的確定窗口內，計算每個目標點xj相對于種子點xi的密度估計；
19、s4.4、根據均值漂移向量更新種子點xi，獲得新種子點xi1；
20、s4.5、檢查新種子點xi1與種子點xi之間的距離是否小于設定閾值；
21、若新種子點xi1與種子點xi之間的距離不小于設定閾值，則該初始聚類中心未收斂，重新選定初始聚類中心，返回s4.2；
22、若新種子點xi1與種子點xi之間的距離小于設定閾值，則該初始聚類中心已收斂，則將該種子點xi作為一個最終聚類中心，并將其他收斂到該種子點xi的目標點xj劃分到最終聚類中心的簇中，形成一個群目標；
23、s4.6、判斷是否所有的目標點xj都被分配到某個最終聚類中心的簇中，若否，則選擇下一個未被指定為初始聚類中心的目標點作為新的種子點，返回s4.2；若是，則獲得多個群目標，算法結束；
24、s4.7、輸出集合包括每個群目標的像素點坐標(ti_xj，ti_yj)及群目標的最終聚類中心位置(ti_x0，ti_y0)。
25、進一步地，步驟s4.3中，所述每個目標點xj相對于種子點xi的密度估計滿足下式：
26、
27、其中：f(x?i)為密度估計函數，k為高斯核函數，h為高斯帶寬參數，n為所選窗口數據集的大小；
28、進一步地，步驟s4.4中，所述均值漂移向量mh(x)滿足下式：
29、
30、進一步地，步驟s4.5中，所述設定閾值為1e-3*h。
31、進一步地，步驟s5具體為：
32、s5.1、設定單群目標的樣本矩陣為y，對于每一個群目標，將其內的樣本點ya進行標準化處理，即
33、其中：為該單群目標的樣本均值；
34、s5.2、根據計算樣本矩陣y的協方差矩陣c；
35、根據cb＝λb(b≠0)計算協方差矩陣c的特征值λ和對應于特征值λ的特征向量b，并將特征值λ降序排列，選取其中第一特征值λ1、第二特征值為λ2，以及第一特征向量b1；
36、s5.3、構建群目標的橢圓外形方程為：
37、s5.4、根據第一特征向量b1和群目標的聚類中心位置(ti_x0，ti_y0)，對群目標的橢圓外形進行旋轉和平移，得到群目標外形的擬合；
38、獲得群目標的最終聚類中心位置(ti_x0，ti_y0)、主軸方向b1、長短軸長度λ1、λ2，離心率完成對無人機群目標的起始分群檢測及群參數估計。
39、本專利技術的有益效果：
40、【1】本專利技術基于光電探測無人機群目標的分群檢測及群參數估計方法能夠有效解決無人機集群低空飛行盲區大、慢速飛行不易探測跟蹤的問題，可以在復雜環境下對反無人機集群目標進行快速、準確的分類判斷，獲取群目標多維特征參數，實現群目標的有效跟蹤，有效提高了系統的監測效率和監測精度。
41、【2】本專利技術通本文檔來自技高網...
【技術保護點】
1.基于光電探測無人機群目標的分群檢測及群參數估計方法，其特征在于，包括以下步驟：
2.根據權利要求1所述基于光電探測無人機群目標的分群檢測及群參數估計方法，其特征在于，步驟S3具體為：
3.根據權利要求2所述基于光電探測無人機群目標的分群檢測及群參數估計方法，其特征在于，步驟S4具體為：
4.根據權利要求3所述基于光電探測無人機群目標的分群檢測及群參數估計方法，其特征在于：
5.根據權利要求4所述基于光電探測無人機群目標的分群檢測及群參數估計方法，其特征在于：
6.根據權利要求5所述基于光電探測無人機群目標的分群檢測及群參數估計方法，其特征在于：
7.根據權利要求6所述基于光電探測無人機群目標的分群檢測及群參數估計方法，其特征在于，步驟S5具體為：
【技術特征摘要】
1.基于光電探測無人機群目標的分群檢測及群參數估計方法，其特征在于，包括以下步驟：
2.根據權利要求1所述基于光電探測無人機群目標的分群檢測及群參數估計方法，其特征在于，步驟s3具體為：
3.根據權利要求2所述基于光電探測無人機群目標的分群檢測及群參數估計方法，其特征在于，步驟s4具體為：
4.根據權利要求3所述基于光電探測無人...
【專利技術屬性】
技術研發人員：田雁，謝梅林，郝偉，丁璐，閆旻奇，許朝暉，李佳寧，
申請(專利權)人：中國科學院西安光學精密機械研究所，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。