一种基于模式识别的察打一体智能无人飞行器目标检测系统的制作方法

本发明涉及无人飞行器目标检测，具体而言，涉及一种基于模式识别的察打一体智能无人飞行器目标检测系统。

背景技术：

1、在察打一体无人飞行器的作战应用中，目标检测的准确性和跟踪连续性直接影响任务完成质量。目前多数无人飞行器目标检测系统多采用固定安装的单类型传感器，存在视角局限，当目标出现遮挡、快速机动或单传感器信号受环境干扰丢失时，难以维持稳定连续的目标跟踪，容易出现目标丢失后重新搜索耗时较长、打击时机延误的问题。同时现有系统的传感器扫描参数多为固定预设，无法根据目标状态、环境遮挡情况动态调整，对于复杂场景下的机动目标适应性较差，难以兼顾扫描效率和检测精度，导致目标识别准确率低，难以满足察打一体任务对目标检测实时性、可靠性的要求。

2、因此，有必要设计一种基于模式识别的察打一体智能无人飞行器目标检测系统用以解决当前技术中存在的问题。

技术实现思路

1、鉴于此，本发明提出了一种基于模式识别的察打一体智能无人飞行器目标检测系统，旨在解决当前技术中固定预设扫描参数无法适应复杂场景机动目标、单传感器固定视角容易因遮挡或干扰丢失目标，导致跟踪连续性差、识别准确率低的技术问题。

2、本发明提出了一种基于模式识别的察打一体智能无人飞行器目标检测系统，包括：

3、无人机平台模块，用于在无人机平台上安装可旋转多视角传感器模块；

4、传感器控制模块，用于设定所述传感器模块的目标旋转角度和目标扫描频率，并控制电机驱动所述传感器模块旋转，获取目标的多模态信息；

5、数据融合与连续跟踪模块，用于根据所述传感器模块采集的当前图像和上一帧图像的连续帧位置变化，并根据所述连续帧位置变化判断所述目标是否在单一传感器或视角中出现信号丢失或异常；若是，则基于连续帧预测和多模态信息估计目标位置，并输出估计的目标位置数据以进行连续跟踪；

6、自主姿态调整模块，用于确定实际无人机姿态和实时遮挡情况，并根据所述目标位置数据、实际无人机姿态和实时遮挡情况动态调整所述无人机平台航向及所述传感器模块角度；

7、目标识别模块，用于根据所述传感器模块采集的实时多模态信息，并结合所述自主姿态调整后的视角，对所述目标进行识别，输出目标识别结果；

8、任务生成与执行模块，用于根据所述目标识别结果生成侦察或打击任务指令，并由无人机执行相应动作。

9、进一步地，所述传感器模块包括光学摄像头、红外摄像头和雷达传感器；所述多模态信息包括光学图像、红外图像和雷达信息。

10、进一步地，设定所述传感器模块的目标旋转角度和目标扫描频率时，包括：

11、获取所述目标的目标运动状态、目标距离、目标方位变化速度、无人机飞行姿态和环境遮挡信息并进行特征提取，以获得目标运动状态特征、目标距离特征、目标方位变化速度特征、无人机飞行姿态特征和环境遮挡特征；

12、根据所述目标运动状态特征、目标距离特征、目标方位变化速度特征和无人机飞行姿态特征构建扫描控制特征向量；

13、获取与所述扫描控制特征向量相对应的所有历史扫描控制特征向量，并根据所述扫描控制特征向量与各历史扫描控制特征向量之间的特征相似度，筛选与当前目标状态相匹配的历史控制记录；

14、根据所述历史控制记录对应的传感器旋转角度和扫描频率，结合所述环境遮挡特征，确定所述传感器模块的目标旋转角度和目标扫描频率。

15、进一步地，根据所述历史控制记录对应的传感器旋转角度和扫描频率，结合所述环境遮挡特征，确定所述传感器模块的目标旋转角度和目标扫描频率时，包括：

16、对所述历史控制记录对应的传感器旋转角度和扫描频率进行区域关联映射，以获得不同方位区域对应的历史传感器旋转角度和历史扫描频率；

17、根据所述环境遮挡特征，确定所述目标可能出现的视场转移区域；

18、基于所述环境遮挡特征，对所述目标所在区域对应的历史扫描频率进行动态补偿调节，并对所述视场转移区域对应的历史传感器旋转角度进行提前偏转调整；

19、根据动态补偿调节后的历史扫描频率以及提前偏转调整后的历史传感器旋转角度，生成目标跟踪扫描参数；

20、基于所述目标跟踪扫描参数，确定所述传感器模块的目标旋转角度和目标扫描频率。

21、进一步地，基于所述环境遮挡特征，对所述目标所在区域对应的历史扫描频率进行动态补偿调节，并对所述视场转移区域对应的历史传感器旋转角度进行提前偏转调整时，包括：

22、获取所述目标所在区域的遮挡类型信息和遮挡持续时长信息，并对所述遮挡类型信息进行分类处理，以获得遮挡类型类别特征；

23、根据所述遮挡类型类别特征和遮挡持续时长信息，确定目标所在区域的动态遮挡影响系数；

24、基于所述动态遮挡影响系数，对所述目标所在区域对应的历史扫描频率进行增益补偿处理，以生成候选扫描频率调节参数；

25、获取所述视场转移区域相对于当前传感器扫描中心的方位夹角变化量和目标运动方向变化趋势，并对所述方位夹角变化量进行预测修正处理，以获得预测方位偏移量；

26、根据所述预测方位偏移量生成传感器目标偏转角增量，并结合所述候选扫描频率调节参数确定传感器旋转调节参数；

27、基于所述传感器旋转调节参数对所述历史扫描控制参数进行映射更新处理，以生成所述目标旋转角度和目标扫描频率。

28、进一步地，基于所述动态遮挡影响系数，对所述目标所在区域对应的历史扫描频率进行增益补偿处理，以生成候选扫描频率调节参数时，包括：

29、将所述动态遮挡影响系数与第一动态遮挡影响系数和第二动态遮挡影响系数进行比对，根据比对结果确定所述历史扫描频率的增益补偿因子；其中，所述第一动态遮挡影响系数小于所述第二动态遮挡影响系数；

30、若所述动态遮挡影响系数小于等于第一动态遮挡影响系数，则确定所述增益补偿因子为第一增益补偿因子；

31、若所述动态遮挡影响系数大于第一动态遮挡影响系数且小于等于第二动态遮挡影响系数，则确定所述增益补偿因子为第二增益补偿因子；

32、若所述动态遮挡影响系数大于第二动态遮挡影响系数，则确定所述增益补偿因子为第三增益补偿因子；

33、其中所述第一增益补偿因子、第二增益补偿因子、第三增益补偿因子依次增大；

34、将所述增益补偿因子与对应区域的历史扫描频率相乘，得到的乘积即为候选扫描频率调节参数。

35、进一步地，根据所述连续帧位置变化判断所述目标是否在单一传感器或视角中出现信号丢失或异常时，包括：

36、获取当前帧目标位置信息与上一帧目标位置信息，并计算所述目标的帧间位置偏移量和轨迹连续性参数；

37、根据所述帧间位置偏移量确定目标运动连续性指标，并对所述轨迹连续性参数进行稳定性分析，以获得目标轨迹稳定度；

38、将所述目标轨迹稳定度与目标轨迹稳定度阈值进行比较，判断目标是否处于正常连续跟踪状态；

39、若所述目标轨迹稳定度低于所述目标轨迹稳定度阈值，则结合所述光学图像、红外图像和雷达信息之间的一致性特征，确定目标信号一致性系数；

40、当所述目标信号一致性系数低于一致性阈值时，判定所述目标在单一传感器或视角中出现信号丢失或异常。

41、进一步地，基于连续帧预测和多模态信息估计目标位置，并输出估计的目标位置数据以进行连续跟踪时，包括：

42、获取所述连续帧位置变化序列，并根据所述连续帧位置变化序列确定目标运动方向变化量和速度变化趋势；

43、根据所述目标运动方向变化量和速度变化趋势确定目标下一时刻的外推位置，以作为初始预测目标位置；

44、获取所述光学图像、红外图像和雷达信息中的目标空间位置信息偏差特征，其中所述空间位置信息偏差特征用于表征不同传感器之间目标位置的空间差异关系；

45、基于所述空间位置信息偏差特征对所述初始预测目标位置进行多源空间融合修正处理，以获得修正目标位置；

46、根据所述修正目标位置与当前传感器视场覆盖范围的匹配关系，确定目标位置稳定度参数；

47、当所述目标位置稳定度参数低于目标位置稳定度阈值时，结合所述光学图像、红外图像和雷达信息进行目标位置重估处理，以生成估计的目标位置数据。

48、进一步地，根据所述目标位置数据、实际无人机姿态和实时遮挡情况动态调整所述无人机平台航向及所述传感器模块角度时，包括：

49、根据所述目标位置数据与所述实际无人机姿态确定目标相对视场偏移关系；

50、根据所述实时遮挡情况对所述目标相对视场偏移关系进行约束修正，生成视场调整约束参数；

51、基于所述视场调整约束参数对无人机航向调整量与传感器角度调整量进行协同匹配计算；

52、根据协同匹配计算结果分别生成无人机航向控制指令和传感器角度控制指令。

53、进一步地，根据所述传感器模块采集的实时多模态信息，并结合所述自主姿态调整后的视角，对所述目标进行识别，输出目标识别结果时，包括：

54、获取光学图像、红外图像和雷达信息中的目标候选区域，并进行空间对齐，得到统一表达的目标区域信息；

55、基于所述目标区域信息提取外观特征、热特征和结构散射特征，形成多模态特征集合；

56、将所述多模态特征集合与目标特征库进行匹配，得到目标类别匹配结果；

57、对不同模态来源的匹配结果进行融合处理，得到融合识别结果；

58、根据所述融合识别结果与所述自主姿态调整后的视角确定目标识别置信度，并在置信度达到置信度时输出目标识别结果。

59、与现有技术相比，本发明的有益效果在于：本发明通过传感器控制模块根据目标运动状态、环境遮挡情况动态调整传感器的旋转角度和扫描频率，能够根据复杂场景下的机动目标状态自适应调整扫描参数，兼顾扫描效率与检测精度，有效提升了复杂场景下的目标适应性；同时本发明通过数据融合与连续跟踪模块对目标信号丢失情况进行判断，在出现信号丢失时结合连续帧预测与多模态信息估计目标位置，再通过自主姿态调整模块动态调整无人机航向与传感器角度，能够切换未被遮挡的视角与多传感器信息维持连续跟踪，避免了单传感器固定视角因遮挡或干扰丢失目标后难以重搜的问题，保证了跟踪的连续性，结合多模态特征融合识别的方式，大幅提升了目标识别的准确率，能够满足察打一体任务对目标检测实时性、可靠性的要求。