一种簇头主导的无人机目标多摄像头协同追踪方法及系统与流程

本发明涉及低空安防与视觉监控，具体涉及一种簇头主导的无人机目标多摄像头协同追踪方法及系统。

背景技术：

1、近年来，低空民用无人机应用快速普及，城市复杂高楼遮挡环境下的无人机精细化管控需求日益迫切。为了满足低空安防需求，需要在密集的城市建筑和植被遮挡下，实现低成本、高精度且连续不中断的无人机目标连续跟踪。

2、现有技术中，多采用全景摄像头视觉探测方案来实现低空目标的跟踪。该技术通常依托单台鱼眼镜头或多镜头拼接的全景设备，实现360°全域视野覆盖，其无需云台转动即可完成全向目标捕捉。具体地，其通过单台全景摄像头获取全局无死角画面，在设备本地独立完成无人机目标的识别、粗定位与轨迹生成，并依靠单设备的时序帧信息实现目标的连续跟踪；部分方案会依托边缘算力完成本地轨迹优化，以降低云端传输压力。

3、然而，上述全景视觉方案在城市复杂场景下存在显著缺陷：首先，遮挡场景鲁棒性差，单台全景设备极易被建筑阻断视野，且无多相机交叉定位补偿，遮挡后极易跟丢；其次，硬件部署成本高，无法复用城市海量存量的普通监控资源；再者，现有方案均为单点独立运作，并未引入由局部中心节点（即簇头）统筹子节点的集群化管理机制，多目标密集时算力容易过载，无法实现目标跨区域飞行的提前预判与多相机联动。

技术实现思路

1、本发明的目的是为了提供一种簇头主导的无人机目标多摄像头协同追踪方法及系统，该方法能在低设备资金投入的前提下，提升复杂高楼遮挡环境中低空目标追踪的鲁棒性与连续性；其解决了因盲区遮挡或目标高速机动带来的无人机目标跟踪轨迹断裂问题，并优化了系统资源调度能效；可显著提高城市低空安防管控能力。

2、为了实现上述技术目的，本发明采取的技术方案具体如下。

3、第一方面，本发明提供一种簇头主导的无人机目标多摄像头协同追踪方法，方法包括：

4、s1、各边缘感知节点获取包含无人机目标信息的视频流并进行目标识别，并基于自身对应的节点感知参数进行目标单点粗定位解算，输出被探测目标的初始空间位置状态数据；

5、s2、根据各边缘感知节点的地理分布位置及视场覆盖范围，将其划分为多个探测簇；并在簇内周期性动态选举最优节点作为簇头节点；

6、s3、所述簇头节点接收簇内边缘感知节点上报的所述被探测目标的初始空间位置状态数据，执行同源筛选与多相机交叉定位解算，生成被探测目标的三维坐标轨迹；

7、s4、各所述簇头节点将被探测目标的三维坐标轨迹上传至云中心；所述云中心将多个所述三维坐标轨迹进行拼接融合，进行接力探测与消除分簇定位偏差，生成被探测目标的全域航迹信息，并上报态势至客户端。

8、作为本发明的优选，步骤s2中，在簇内周期性动态选举最优节点作为簇头节点的步骤具体为：

9、在所述探测簇内基于各边缘感知节点的实时设备状态构建五维加权选举模型，计算各边缘感知节点的综合权值;

10、周期性迭代计算探测簇内所有边缘感知节点的所述综合权值w，选取综合权值最大的边缘感知节点作为簇头节点。

11、作为本发明的优选，步骤s3中，基于三维解耦卡尔曼滤波法进行多相机交叉定位解算，具体步骤为：

12、基于所述边缘感知节点的视线方位和俯仰角构造旋转矩阵，将enu坐标系下的观测值、状态与协方差变换至噪声主轴局部坐标系下；

13、在局部空间完成各轴解耦，并执行分轴差异化配置观测噪声的卡尔曼迭代后，通过原旋转矩阵的逆变，将状态与协方差复原至全局enu坐标系。

14、作为本发明的优选，步骤s4中，还包括协同引导追踪子步骤：

15、基于所述全域航迹信息、被探测目标的运动速率及活动范围，由所述云中心进行量化预判，差异化触发预设的协同指令策略，并下发调度指令驱动对应边缘感知节点进行目标连续追踪。

16、作为本发明的优选，所述预设的指令协同策略包括本域自主协同策略、邻域定向协同策略和跨域云协同策略。

17、作为本发明的优选，所述本域自主协同策略基于边缘自主优先与簇头优化后置的双模式协同机制生成，并叠加有防抖约束。

18、作为本发明的优选，当被探测目标即将飞出当前探测簇的管控边界时，触发所述邻域定向协同策略；当被探测目标在速动时间阈值内跨越多个探测簇时，触发所述跨域云协同策略。

19、第二方面，本发明还提供一种簇头主导的无人机目标多摄像头协同追踪系统，系统包括：

20、边缘感知模块，包括多个边缘感知节点，所述边缘感知节点用于获取包含无人机目标信息的视频流并进行目标识别，并基于自身对应的节点感知参数进行目标单点粗定位解算，输出被探测目标的初始空间位置状态数据；

21、簇头管控模块，包含由各探测簇内周期性动态选举出的簇头节点，用于接收所述初始空间位置状态数据，执行同源筛选与多相机交叉定位解算以生成被探测目标的三维坐标轨迹；

22、云中心，用于接收各簇头节点上传的三维坐标轨迹，并将多个所述三维坐标轨迹进行拼接融合，进行接力探测与消除分簇定位偏差以生成被探测目标的全域航迹信息，并上报态势至客户端。

23、作为本发明的优选，所述云中心包含探测簇预划分单元；所述探测簇预划分单元用于根据各边缘感知节点的地理分布位置及视场覆盖范围，划分并生成多个探测簇。

24、作为本发明的优选，所述云中心包含协同引导追踪单元；所述协同引导追踪单元用于根据所述全域航迹信息、被探测目标的运动速率及活动范围进行量化预判，差异化触发预设的协同指令策略，并下发调度指令驱动对应边缘感知节点进行目标连续追踪。

25、综上所述，本发明具有如下有益效果：

26、本发明构建了边缘层-簇头层-云中心层的三级分层分布式架构，在边缘层，通过复用城市现有的可见光监控资源，即可实现对无人机目标的连续追踪，无需新增专业监控设备，显著降低了硬件部署成本；此外，将部分轻任务运行在边缘感知节点上，均衡了全网的算力负载与数据传输压力，有利于低空无人机探测追踪系统的规模化部署。

27、本发明中，通过在簇内动态选举最优簇头节点，并进行多相机交叉定位解算，同时使用三维解耦卡尔曼滤波方法，将全局enu坐标系变换至噪声主轴局部坐标系下进行分轴滤波，准确识别并排除了由单目视觉测距带来的噪声扰动，显著增强了复杂遮挡环境下目标三维轨迹拟合与位置状态解算的抗干扰能力，具有优秀的空间精定位精度。

28、本发明中，依托全域航迹信息与目标运动速率量化预判，差异化触发本域、邻域及跨域三级协同指令策略，实现了追踪网络在目标盲区守候、跨边界平滑接力以及高速大跨度跳级布防等复杂机动工况间的自适应切换，显著提升了城市低空安防管控的能力和调度效率。

1.一种簇头主导的无人机目标多摄像头协同追踪方法，其特征在于，方法包括：

2.根据权利要求1所述的一种簇头主导的无人机目标多摄像头协同追踪方法，其特征在于，步骤s2中，在簇内周期性动态选举最优节点作为簇头节点的步骤具体为：

3.根据权利要求1所述的一种簇头主导的无人机目标多摄像头协同追踪方法，其特征在于，步骤s3中，基于三维解耦卡尔曼滤波法进行多相机交叉定位解算，具体步骤为：

4.根据权利要求1所述的一种簇头主导的无人机目标多摄像头协同追踪方法，其特征在于，步骤s4中，还包括协同引导追踪子步骤：

5.根据权利要求4所述的一种簇头主导的无人机目标多摄像头协同追踪方法，其特征在于，所述预设的指令协同策略包括本域自主协同策略、邻域定向协同策略和跨域云协同策略。

6.根据权利要求5所述的一种簇头主导的无人机目标多摄像头协同追踪方法，其特征在于，所述本域自主协同策略基于边缘自主优先与簇头优化后置的双模式协同机制生成，并叠加有防抖约束。

7.根据权利要求6所述的一种簇头主导的无人机目标多摄像头协同追踪方法，其特征在于，当被探测目标即将飞出当前探测簇的管控边界时，触发所述邻域定向协同策略；当被探测目标在速动时间阈值内跨越多个探测簇时，触发所述跨域云协同策略。

8.一种簇头主导的无人机目标多摄像头协同追踪系统，其特征在于，系统包括：

9.根据权利要求8所述的一种簇头主导的无人机目标多摄像头协同追踪系统，其特征在于，所述云中心包含探测簇预划分单元；所述探测簇预划分单元用于根据各边缘感知节点的地理分布位置及视场覆盖范围，划分并生成多个探测簇。

10.根据权利要求8所述的一种簇头主导的无人机目标多摄像头协同追踪系统，其特征在于，所述云中心包含协同引导追踪单元；所述协同引导追踪单元用于根据所述全域航迹信息、被探测目标的运动速率及活动范围进行量化预判，差异化触发预设的协同指令策略，并下发调度指令驱动对应边缘感知节点进行目标连续追踪。