基于空间引导与轨迹补偿的FPV无人机轨迹检测方法
本发明属于声学阵列信号处理、激光雷达点云处理、多传感器信息融合及目标轨迹跟踪交叉,具体涉及一种基于空间引导与轨迹补偿的fpv无人机轨迹检测方法。
背景技术:
1、fpv无人机是一类通过第一人称视角(first person view,fpv)进行实时图像传输和飞行操控的小型无人机,通常具有体积小、速度快、机动性强、操控响应及时及飞行路径灵活等特点,能够在复杂空间中快速完成穿越、转向和接近等飞行动作。
2、随着无人机技术及相关产业的发展,fpv无人机已逐渐应用于竞速娱乐、影视拍摄、设备巡检和应急救援等领域。与此同时,fpv无人机所需部件易于获取,可由使用者自行组装和改装,使用成本及技术门槛相对较低,增加了监管难度。部分人员可能利用其实施未经许可飞行、侵入受限区域、违规拍摄等行为,黑飞、乱飞现象还可能威胁公共秩序及人员设施安全。因此,及时发现、准确定位并连续跟踪fpv无人机已成为无人机安全监管的重要需求。
3、现有无人机检测方法主要包括射频侦测、光电检测、常规雷达探测、声学探测和激光雷达探测等。射频侦测可通过分析fpv无人机相关无线信号实现目标发现和定位。单站射频侦测通常以信号识别和方位估计为主,难以直接获得目标的精确三维空间位置;多站射频定位虽能够提高定位精度,但依赖多个接收站的合理布设、时间同步和协同处理,系统部署及维护较为复杂。光电检测易受目标成像尺寸、运动模糊、局部遮挡、光照条件和复杂背景影响。常规雷达虽然能够获取目标的距离和速度信息,但小型fpv无人机的有效反射特征有限,容易受到建筑物、树木及其他背景杂波干扰。
4、激光雷达具有较高的空间分辨率和测距精度,能够通过三维点云为小型、快速运动的fpv无人机提供较为精细的位置观测,适合用于目标三维定位和轨迹跟踪。但在大范围监测场景下,直接对包含大量背景点的全局点云进行候选目标提取和关联处理,会增加计算负担。同时,fpv无人机点云相对稀疏,并可能因快速运动、局部遮挡或有效回波不足而短时缺失,造成轨迹中断。声学阵列能够根据旋翼声获得目标的粗三维空间估计,但容易受到环境噪声和声传播条件影响,难以单独实现精确定位。
5、因此,可以利用声学阵列的粗三维空间估计结果引导激光雷达缩小点云处理范围,减少无关背景点云的处理量,并根据目标运动状态对短时缺失轨迹进行预测和补偿,实现fpv无人机的三维定位与连续跟踪。现有技术中已有声学阵列与激光雷达组合方案,例如专利cn116381717a通过卡尔曼滤波融合声源定位结果与激光雷达定位结果,但此类方案未利用声学结果引导激光雷达限定点云处理范围,计算量较大;当激光雷达因点云稀疏、局部遮挡或聚类失败而缺少有效观测时,也缺乏相应的轨迹补偿机制,容易造成目标轨迹中断。
技术实现思路
1、为解决上述问题,本发明公开了基于空间引导与轨迹补偿的fpv无人机轨迹检测方法,与现有平权融合方案不同,本发明采用声学引导、雷达确认的主从协同机制。
2、本发明利用声学阵列获得疑似目标的粗三维空间估计结果,根据声学空间估计不确定度和目标空间变化量生成动态空间门控区域,引导激光雷达进行局部点云处理,并结合声学粗三维空间估计结果与激光雷达空间观测进行目标状态更新和缺失轨迹补偿,从而有效降低计算量,提高fpv无人机检测与连续跟踪的稳定性和抗干扰性能。
3、具体的技术方案如下:
4、基于空间引导与轨迹补偿的fpv无人机轨迹检测方法,包括以下步骤:
5、1)对声学阵列与激光雷达进行时间同步,并根据两类设备的安装位置和朝向关系,建立声学空间估计结果与激光雷达点云之间的空间对应关系;
6、2)利用声学阵列采集监测区域内的多通道声学信号,对所述多通道声学信号进行预处理,提取无人机旋翼声的时频特征、跨通道传播时差特征和频谱衰减特征,并将所述特征输入预先训练得到的声学目标检测与空间估计模型,获得疑似目标的声学粗三维空间估计结果、声学检测置信度和声学定位置信度;
7、3)根据连续时刻的有效声学粗三维空间估计结果及其对应的声学定位置信度,确定声学中心位置和声学空间估计不确定度,并根据相邻时刻声学中心位置确定目标空间变化量;据此在激光雷达点云空间中生成动态空间门控区域,并根据新的有效声学粗三维空间估计结果更新所述动态空间门控区域的中心位置和覆盖范围;
8、4)利用激光雷达获取监测区域的原始三维点云,根据所述动态空间门控区域对原始三维点云进行门控空间滤波,并对动态空间门控区域内的局部点云进行背景点滤除、离群点剔除、点云聚类、候选目标筛选和三维空间定位,获得目标的激光雷达空间观测数据;当所述动态空间门控区域内未获得满足筛选条件的候选目标时,判定当前时刻未获得有效激光雷达空间观测数据;
9、5)根据声学定位置信度和声学空间估计不确定度确定声学观测不确定度,并根据有效激光雷达空间观测数据的观测质量确定激光雷达观测不确定度;建立包括目标三维空间位置和三维运动速度的目标状态估计模型,将有效的声学粗三维空间估计结果与有效激光雷达空间观测数据输入所述目标状态估计模型,对目标三维空间位置和三维运动速度进行联合更新,其中,声学粗三维空间估计结果作为低精度空间观测参与目标状态更新;
10、6)根据连续时刻的目标状态估计结果形成目标轨迹;当激光雷达空间观测数据短时缺失时,根据已有目标状态、当前可用的声学粗三维空间估计结果及动态空间门控区域,对缺失时段内的目标位置进行预测和补偿;当重新获得有效激光雷达空间观测数据时,根据重新获得的激光雷达空间观测数据对目标状态和目标轨迹进行修正,获得连续目标轨迹及目标检测结果。
11、进一步地,步骤1)所述声学阵列采用四通道声学阵列,四个麦克风围绕阵列中心布置,用于采集不同空间方向上的无人机声学信息。
12、进一步地,步骤2)所述声学目标检测与空间估计模型包括特征融合模块、目标分类输出层、空间位置回归输出层和结果评价模块;所述特征融合模块用于对无人机旋翼声的时频特征、跨通道传播时差特征和频谱衰减特征进行融合,所述目标分类输出层用于获得声学检测置信度,所述空间位置回归输出层用于获得声学粗三维空间估计结果,所述结果评价模块用于根据声学检测置信度、模型输出稳定性以及相邻时刻声学粗三维空间估计结果的一致程度,对所述声学粗三维空间估计结果进行筛选,并确定有效的声学粗三维空间估计结果及其对应的声学定位置信度。所述模型基于带有无人机类别标签和目标三维空间位置标签的多通道声学样本训练得到。
13、所述声学粗三维空间估计结果用于确定疑似目标所在的大致空间范围,不作为最终目标三维空间位置输出;目标的精细三维空间位置根光雷达空间观测数据和目标状态估计结果确定。
14、进一步地,步骤3)根据当前时间窗口内多个声学粗三维空间估计结果及其对应的声学定位置信度,计算当前时刻的声学中心位置:
15、;
16、其中,表示当前时间窗口内第个声学粗三维空间估计结果,表示对应的声学定位置信度,表示有效声学粗三维空间估计结果的数量,表示防止分母为零的常量。
17、根据各有效声学粗三维空间估计结果相对于声学中心位置的空间离散程度,确定声学空间估计不确定度:
18、;
19、其中,所述声学定位置信度用于表征单次声学粗三维空间估计结果的质量,所述声学空间估计不确定度用于表征当前时间窗口内多个声学粗三维空间估计结果之间的离散程度。
20、根据相邻时刻声学中心位置之间的变化确定目标空间变化量:
21、;
22、进一步地,根据声学空间估计不确定度和目标空间变化量确定动态空间门控区域的覆盖范围:
23、;
24、其中,表示当前动态空间门控区域的半边长,表示基础半边长,表示声学空间估计不确定度对应的扩展系数,表示目标空间变化量对应的扩展系数。
25、所述动态空间门控区域以声学中心位置为中心,其覆盖范围随声学空间估计不确定度或目标空间变化量的增大而扩大,并随二者的减小而缩小;随着新的有效声学粗三维空间估计结果输入,重新确定所述动态空间门控区域的中心位置和覆盖范围。
26、所述动态空间门控区域仅用于限定激光雷达点云处理范围,用于约束激光雷达空间观测数据短时缺失期间的目标预测位置,不改变激光雷达本身的扫描方式。
27、进一步地,步骤4)所述门控空间滤波在背景点滤除、离群点剔除、点云聚类和候选目标筛选之前执行,使动态空间门控区域外的无关点云不进入后续点云处理过程。
28、根据候选点云簇的空间尺度、点云数量、点云密度、点云簇紧致程度、反射强度及其与声学中心位置之间的空间一致性,确定疑似目标点云簇,并将疑似目标点云簇的质心位置作为激光雷达空间观测数据。
29、进一步地,步骤5)建立包括目标三维空间位置和三维运动速度的目标状态估计模型;所述声学粗三维空间估计结果作为低精度空间观测参与目标状态更新,所述激光雷达空间观测数据作为精细空间观测参与目标状态更新。
30、根据声学定位置信度和声学空间估计不确定度确定声学观测不确定度,并根据疑似目标点云簇的点云数量、点云密度、点云簇紧致程度、反射强度稳定性及空间位置连续性确定激光雷达观测不确定度;
31、根据上一时刻的目标状态预测当前时刻的目标状态,并根据当前有效的声学粗三维空间估计结果和激光雷达空间观测数据对目标状态进行更新。
32、当两类空间观测均有效时,根据对应的观测不确定度共同更新目标状态;当仅有一类空间观测有效时,根据该有效空间观测和目标预测状态更新目标状态。
33、当激光雷达空间观测数据质量下降但仍为有效观测时,增大对应的激光雷达观测不确定度,以降低所述激光雷达空间观测数据对目标状态更新的影响。
34、当激光雷达空间观测数据短时缺失时,不使用当前激光雷达空间观测数据进行目标状态更新,并利用当前可用的声学粗三维空间估计结果和动态空间门控区域对目标预测位置进行约束和修正。
35、进一步地,步骤6)中,当激光雷达空间观测数据短时缺失时,根据缺失前的目标状态预测缺失时段内的目标位置;
36、当目标预测位置位于当前动态空间门控区域外时,将所述目标预测位置映射至动态空间门控区域内与目标预测位置距离最近的位置:
37、;
38、其中,表示根据缺失前目标状态获得的目标预测位置,表示当前动态空间门控区域,表示将目标预测位置映射至动态空间门控区域内最近位置的投影操作,表示投影后获得的约束位置。
39、根据当前声学定位置信度对目标预测位置和所述约束位置进行加权修正:
40、;
41、其中,表示修正后的目标预测位置,表示根据当前声学定位置信度确定的位置修正系数。
42、当声学定位置信度提高时,增大所述约束位置对修正后目标预测位置的影响;当声学定位置信度降低时,增大目标状态预测结果对修正后目标预测位置的影响。
43、当重新获得有效激光雷达空间观测数据时,将重新获得的激光雷达空间观测数据与当前目标预测状态进行关联,并根据重新获得的激光雷达空间观测数据修正目标状态和目标轨迹。
44、本发明的有益效果为:
45、1)本发明构建了“声学空间引导、激光雷达精细确认和声学门控约束补偿”的双传感器主从协同检测框架,使声学粗三维空间估计结果既用于限定激光雷达点云处理范围,又用于激光雷达空间观测数据短时缺失时的目标位置预测与轨迹补偿,实现疑似目标发现、精细空间确认和连续轨迹形成的协同处理。
46、2)本发明利用声学阵列识别fpv无人机飞行过程中持续产生的旋翼声,能够在复杂低空背景下提供疑似目标线索,提高对低空快速运动目标的早期感知能力;
47、3)本发明通过声学目标检测与空间估计模型获得疑似目标的粗三维空间估计结果,并将其用于动态空间门控区域生成,弥补声学阵列难以直接获得精确目标位置的不足;
48、4)本发明利用动态空间门控区域对激光雷达原始三维点云进行门控空间滤波,使门控区域外的无关点云不进入后续背景点滤除、离群点剔除、点云聚类和候选目标筛选过程,减少后续点云处理量,并降低复杂背景点云对疑似目标提取的影响;
49、5)本发明将声学粗三维空间估计结果作为低精度空间观测,将激光雷达空间观测数据作为精细空间观测,并根据两类观测的不确定度对目标状态进行联合更新;当激光雷达空间观测数据质量下降时,降低其对目标状态更新的影响;当激光雷达空间观测数据短时缺失时,利用已有目标状态、当前声学粗三维空间估计结果和动态空间门控区域对目标预测位置进行约束和补偿,从而降低目标轨迹中断的可能性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com