CN107977987B - 一种无人机载多目标探测跟踪、指示系统及方法 - Google Patents
一种无人机载多目标探测跟踪、指示系统及方法 Download PDFInfo
- Publication number
- CN107977987B CN107977987B CN201711159589.XA CN201711159589A CN107977987B CN 107977987 B CN107977987 B CN 107977987B CN 201711159589 A CN201711159589 A CN 201711159589A CN 107977987 B CN107977987 B CN 107977987B
- Authority
- CN
- China
- Prior art keywords
- target
- tracking
- laser
- targets
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012545 processing Methods 0.000 claims abstract description 42
- 238000004422 calculation algorithm Methods 0.000 claims description 41
- 238000001914 filtration Methods 0.000 claims description 40
- 230000000007 visual effect Effects 0.000 claims description 22
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 230000001629 suppression Effects 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 230000000877 morphologic effect Effects 0.000 claims description 10
- 238000005286 illumination Methods 0.000 claims description 9
- 238000009825 accumulation Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000002955 isolation Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000036544 posture Effects 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000003750 conditioning effect Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 230000008713 feedback mechanism Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000011426 transformation method Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 claims 1
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000002211 ultraviolet spectrum Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/292—Multi-camera tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开的一种无人机载多目标探测跟踪、指示系统及方法,属于目标探测跟踪及指示技术领域。本发明公开的一种无人机载多目标探测跟踪、指示系统,包括多目标探测跟踪系统和多目标激光指示系统;所述的多目标探测跟踪系统包括红外摄像仪、可见光图像传感器和高速并行图像处理与跟踪反馈控制电路;所述的多目标指示系统包括集成激光器、快速反射镜、快速反射镜控制模块和激光器控制模块。为提高激光指示精度,还包括激光指向控制系统。本发明还公开基于所述的一种无人机载多目标探测跟踪、指示系统实现的一种无人机载多目标探测跟踪、指示方法。本发明要解决的技术问题是在无人机载平台条件下,实现对多目标全天候探测跟踪与高精稳激光指示。
Description
技术领域
本发明属于目标探测跟踪及指示技术领域,特别涉及一种无人机载多目标探测跟踪、指示系统及方法。
背景技术
多目标探测跟踪与指示技术是传统成像跟踪技术与现代激光指示技术相结合的产物,是一种可工作在从红外到紫外光谱段的成像与指示系统技术。现代武器装备发展迅速,采用无人机载平台,既能执行多样化任务,又能降低人员伤亡;采取激光指示精确制导方式,可提高打击精度与作战效能。随着光电探测设备、激光发射技术及图像处理性能的提高,开展多目标探测跟踪及激光指示成为可能。通过无人机携带光电吊舱,昼夜侦察战场目标,获取目标图像和大地坐标;采用激光目标指示器同时指示多目标,配合自身携带的武器或其它无人机、直升机、火炮、火箭炮等武器发射的制导弹药,实现对敌目标精确打击。由于无人机具有飞行速度快、不易被发现等多种优点,能够有效实施侦察、打击、评估,且激光目标指示器又是具有高效费比的制导手段,因此,用无人机承担侦察、打击、评估任务,发挥其察打结合能力成为多目标探测跟踪与指示的最佳载荷平台。传统方式主要是采用转台结合照射器的方法,由于转台惯性大,该方法只能实现对视场内单一目标实现指向,成本高。目前的多目标跟踪指示技术主要是通过光学系统透镜组合来实现视轴调整,如中国人民解放军装甲兵工程学院的CN103019258A号专利“一种基于光学相控阵与逆向光学的多目标跟踪指示技术”提出一种基于光学相控阵与逆向光学的多目标跟踪指示技术,能够对光学系统的透镜适当组合来实现短时间内多目标指示,但系统所用光学元件较多、体积大,难以实现机载,并且光束指向控制速度慢。
发明内容
本发明公开的一种无人机载多目标探测跟踪、指示系统及方法,要解决的技术问题是在无人机载平台条件下,实现对多目标全天候探测跟踪与高精稳激光指示。
本发明的目的是通过下述技术方案实现的。
本发明公开的一种无人机载多目标探测跟踪、指示系统,包括多目标探测跟踪系统和多目标激光指示系统。所述的多目标探测跟踪系统包括红外摄像仪、可见光图像传感器和高速并行图像处理与跟踪反馈控制电路。所述的多目标指示系统包括集成激光器、快速反射镜、快速反射镜控制模块和激光器控制模块。
所述的多目标探测跟踪系统用于弱小目标探测与跟踪,采用灰度形态学滤波方法进行弱小目标背景抑制与图像增强,得到弱小目标特征增强图像;采用动态规划算法的多阶段优化决策,实现对多目标特征能量的不断积累,获取杂波中弱小多目标累积能量,即获取弱小多目标点迹数据;采用数据关联算法计算波门范围,实现目标点迹数据归类,完成当前时刻多目标与历史航迹的关联配对;设计高速并行图形处理与跟踪反馈控制电路,提高目标点迹数据快速归类与多目标跟踪值有效反馈;采用多目标编目与卡尔曼滤波算法,实现多目标跟踪。
所述的多目标指示系统用于多目标激光指示,将多个激光发射元件集成在一个集成激光器中,每个激光发射元件对应一个快速反射镜,各激光发射元件可单独编码,激光器控制模块通过控制集成激光器发射多束激光,经过快速反射镜控制模块微调快速反射镜角度,实现多目标激光指示。
多目标探测跟踪系统中所述的设计高速并行图像处理与跟踪反馈控制电路包括嵌入式高速图像处理平台、红外摄像仪接口与CCD相机接口、FPGA图像预处理电路模块、ARM+GPU架构的嵌入式平台。嵌入式高速图像处理平台根据昼夜天候条件选择相应模式,分别通过CCD相机接口和红外摄像仪接口将采集到的图像进行光电转换并输出图像信号至FPGA图像预处理电路模块,经过光电隔离、自适应滤波、低照度增强、灰度变换以及制式转换后获得高质量数字图像,再将获得的高质量数字图像输入基于ARM+GPU架构的嵌入式平台,进行图像融合和处理,实现目标点迹归类,并实时输出关联配对目标,即实现目标识别。如果视频流中出现N个目标,在得到目标点迹数据后,分别对这N个目标进行归类,实现对多目标的关联配对,即实现多目标识别。
为了提高激光对多目标指示时的激光指示精度,还包括激光指向控制系统。
所述的激光指向控制系统包括载荷平台、陀螺仪、音圈电机、快速反射镜。所述的激光指向控制系统用于激光束指向精准控制,由粗精组合的二级稳定控制系统组成,其中粗级稳定控制主要用于补偿无人机自身振动及风阻产生的扰动,由陀螺仪获取光束指向偏角,由力矩电机控制吊舱框架微动补偿载荷平台内部和外部扰动;将粗级稳定的角度残差输入到精级稳定控制系统中,通过音圈电机控制快速反射镜微调来补偿激光束指向,实现激光束指向精准控制。
弱小多目标中的弱小根据不同距离下获取的目标在视场中的大小来界定。
基于所述的一种无人机载多目标探测跟踪、指示系统实现的一种无人机载多目标探测跟踪、指示方法,包括如下步骤:
步骤一、通过无人机载平台的多目标探测跟踪系统获取弱小多目标点迹数据。
采用可见光图像传感器和红外摄像仪实现白天多目标图像采集,提高多目标探测识别技术的精度和鲁棒性;采用红外摄像仪实现夜晚多目标图像采集,在不受光照条件限制的同时,提高多目标探测识别的稳定性和适应性,实现全天时多目标探测识别。在图像采集后,采用灰度形态学滤波方法进行背景抑制与图像增强;采用动态规划算法获取弱小多目标点迹数据。
步骤1.1:在多目标探测过程中进行弱小目标背景抑制与图像增强。
采用灰度形态学滤波方法将初始图像中尺度小于弱小目标的点状离散噪声和形态尺度大于弱小目标的杂波进行滤除,所述的初始图像包括可见光图像和红外图像。在滤波完成后对初始图像像素进行合并处理,并在像素合并后采用分段线性变换的方法对图像进行增强,提高弱小目标的局部对比度,同时抑制大面积背景区域的全局对比度,得到弱小目标特征增强图像。在背景抑制段和目标增强段两段采取的变换公式如公式所示:
其中:f代表原图像灰度值;f′代表灰度扩展以后图像灰度值;T为分段点,是根据图像灰度直方图特性采用最小误差法求取;fmac和fmin分别是图像的最大和最小灰度值;c是常数,根据约束条件取值(c<T-fmin)。
步骤1.2:进行弱小多目标信息提取,获取多目标点迹数据。
采用动态规划算法检测弱小目标特征增强图像中多目标特征,通过动态规划算法的多阶段优化决策,实现对多目标特征能量的不断积累,获取杂波中弱小多目标累积能量,即获取弱小多目标点迹数据。
步骤一中弱小多目标中的弱小根据不同距离下获取的目标在视场中的大小来界定。
步骤二、利用步骤一中目标探测获取的目标点迹数据实现多目标跟踪。
利用步骤一中的目标探测获取目标点迹数据,采用数据关联算法计算波门范围对目标点迹数据归类,完成当前时刻多目标与历史航迹的关联配对,即实现目标识别;设计高速并行图形处理与跟踪反馈控制电路,提高目标点迹数据快速归类效率,并且实现目标跟踪值有效反馈;对识别的目标采用多目标编目与卡尔曼滤波算法,实现多目标跟踪。如果多目标跟踪值满足跟踪精度要求,直接输出跟踪目标结果图,实现多目标跟踪;如果多目标跟踪值不满足跟踪精度要求,将多目标跟踪值反馈到数据关联环节,此时将多目标跟踪值当做目标点迹数据,通过数据关联算法重新计算波门范围,对目标点迹数据重新归类、识别与跟踪,直到跟踪精度满足要求,输出跟踪目标结果图,实现多目标跟踪。
步骤2.1:对步骤一获取的多目标点迹数据采用数据关联算法计算波门范围,实现目标点迹数据归类,完成当前时刻多目标与历史航迹的关联配对,即实现目标识别。
步骤2.2:设计高速并行图形处理与跟踪反馈控制电路,用于提高步骤2.1中目标点迹数据快速归类效率,并为步骤2.3中实现多目标跟踪值有效反馈提供支撑。
设计高速并行图像处理与跟踪反馈控制电路包括:嵌入式高速图像处理平台、红外摄像仪接口与CCD相机接口、FPGA图像预处理电路模块、ARM+GPU架构的嵌入式平台。嵌入式高速图像处理平台根据昼夜天候条件选择相应模式,分别通过CCD相机接口和红外摄像仪接口将采集到的图像进行光电转换并输出图像信号至FPGA图像预处理电路模块,经过光电隔离、自适应滤波、低照度增强、灰度变换以及制式转换后获得高质量数字图像,再将获得的高质量数字图像输入基于ARM+GPU架构的嵌入式平台,进行图像融合和处理,实现步骤2.1中的目标点迹归类,并实时输出关联配对目标,即实现目标识别。如果视频流中出现N个目标,在得到目标点迹数据后,分别对这N个目标进行归类,实现对多目标的关联配对,即实现多目标识别。
步骤2.3:对关联配对的目标采用多目标编目与卡尔曼滤波算法,实现多目标跟踪。
当视场中有一个或多个目标出现时,依据目标出现的时间顺序和位置信息等对多个目标进行编目,每个目标都赋予相应的编号,无论目标在视场中的位置、姿态如何变化,甚至发生交叉,目标编号都保持不变,在跟踪过程中,一旦某个目标丢失,其他目标的编号保持不变,丢失目标对应编号的跟踪窗搜索其他目标跟踪窗以外的区域,直到发现新的跟踪目标为止,实现多目标跟踪。同时采用卡尔曼滤波法对跟踪的多目标点迹数据进行杂波滤除与跟踪精度修正,提高目标跟踪视窗中的目标点迹数据信噪比,实现多目标跟踪正确率。在卡尔曼滤波跟踪修正过程中,如果多目标跟踪值满足跟踪精度要求,直接输出跟踪目标结果图,实现多目标跟踪;如果多目标跟踪值不满足跟踪精度要求,将多目标跟踪值反馈到数据关联环节,此时将多目标跟踪值当做目标点迹数据,通过数据关联算法重新计算波门范围,对目标点迹数据重新归类、识别与跟踪,直到跟踪精度满足要求,输出跟踪目标结果图,实现多目标跟踪。
步骤三、通过多目标激光指示系统对步骤二中跟踪的目标实现激光多目标可持续编码指示。
对步骤二中跟踪的多目标进行激光指示,采用集成激光器与快速反射镜组合的方式,完成多路激光的编码输出,实现多目标的可持续编码指示。采用激光控制模块控制集成激光器发射多束激光,实现同时对多目标指示的功能,其中集成激光器内含多组激光发射元件,每个激光发射元件分别对应一个快速反射镜,对单个激光发射元件进行编码,形成编码激光束,防止打击时目标识别错误,由快速反射镜控制模块同时控制每个快速反射镜的偏转角度,每个快速反射镜只对小视场范围的目标进行扫描,能够实现目标连续照射,采用集成激光器与快速反射镜组合的方式实现对步骤二中跟踪的多目标激光可持续编码指示。
为了提高激光对多目标指示时的激光指示精度,还包括步骤四:采用粗精组合的二级稳定激光指向控制系统,补偿无人机外部扰动及自身振动的角度残差,提高多目标激光指示精度。
步骤4.1:对激光指向进行一级粗稳控制。
一级粗稳控制主要补偿载体内部和外部振动对视线的扰动,采用自抗扰闭环控制系统来确保一级粗稳后的角度残差在小范围内变化,为二级稳定时快速反射镜的小行程微动调节提供支撑;
考虑到内部和外部振动构成总扰动,对于n阶被控对象,自抗扰闭环控制系统中扩张状态观测器的连续时间域微分方程表示为:
y(n)=f(y,…,y(n-1),w,t)+bu
(2)
普适扩张状态观测器的特征方程为:
λ(S)=|sI-(A-LC)|=(s+ω0)n+h
(3)
观测器L中的每一个元素表示为:
li=Cn+h,iω0 i,i=1,2,…,n+h
(4)
公式中多项式的系数:
其中:n代表被控对象阶数;f(y,…,y(n-1),w,t)代表系统内部和外部扰动总和;w代表外部扰动;t为时间变量;y(n)代表输出变量;y代表系统的量测输出;u代表系统输入变量;b代表控制增益;λ(S)代表特征方程特征根;s代表状态变量矩阵;L代表观测增益向量;I为单位向量;A、C分别代表量测输出和总扰动的系数矩阵;ω0为连续域特征根;h代表扰动函数阶数;li代表观测器中的元素;Ci,j代表观测器中元素的系数;i、j分别代表A矩阵的行数和列数。
步骤4.2:采用快速反射镜二级精稳控制补偿一级粗稳的角度残差。
将一级粗稳的角度残差作为快速反射镜的角度输入指令,把二级精稳控制等效成一个独立的激光指示精稳闭环系统进行控制。激光指示精稳闭环系统主要包括控制模块、驱动模块和检测模块三部分。将一级粗稳的角度残差经信号调理后送入控制电路,显示扫描角度、频率并且驱动音圈电机使快速反射镜偏转,驱动模块是由音圈电机控制快速反射镜微动,设电源电压为V,电机的转速为ωm,经计算后可得输入电压到快速反射镜转速的传递函数为:
其中:ωm代表电机转速;V(s)代表电源电压;La代表电枢电感;Ra代表电枢电阻;Ke代表反电动势系数;Kt代表电机的转矩系数;JT代表音圈电机和反射镜折合到电机轴上的转动惯量;s代表拉氏变换系数;
由于快速反射镜的反馈元件测量的是角位置输出,因此得到输入电压到快速反射镜角位置的传递函数为:
其中,θm(s)代表积分后的电机转速;τm为机电时间常数;τe为电气时间常数;
快速反射镜偏转后的角度被位置探测器探测后送入检测电路,经与设定的视轴误差作对比,若指示精度符合要求,则实现激光准确指示,提高多目标激光指示精度;若指示精度不符合要求,则将快速反射镜偏转后的角度送入反馈机构控制快速反射镜微调,直到输出的指示精度满足要求,即实现位置闭环控制,提高多目标激光指示精度。
有益效果:
(1)本发明公开的一种无人机载多目标探测跟踪、指示系统及方法,采用灰度形态学滤波方法进行弱小目标背景抑制与图像增强,得到弱小目标特征增强图像;采用动态规划算法的多阶段优化决策,实现对多目标特征能量的不断积累,获取杂波中弱小多目标累积能量,即获取弱小多目标点迹数据。
(2)本发明公开的一种无人机载多目标探测跟踪、指示系统及方法,采用数据关联算法计算波门范围,实现目标点迹数据归类,完成当前时刻多目标与历史航迹的关联配对;设计高速并行图形处理与跟踪反馈控制电路,提高目标点迹数据快速归类效率,并且实现目标跟踪值有效反馈;采用多目标编目与卡尔曼滤波算法,实现多目标跟踪。
(3)本发明公开的一种无人机载多目标探测跟踪、指示系统及方法,采用集成激光器与快速反射镜组合的方式,完成多路激光的编码输出,实现多目标的可持续编码指示。
(4)本发明公开的一种无人机载多目标探测跟踪、指示系统及方法,采用粗精组合的二级稳定控制方案补偿无人机外部扰动及自身振动的角度残差,提高多目标激光指示精度。
附图说明
图1无人机载多目标探测跟踪、指示系统原理图
图2无人机载多目标探测跟踪、指示方法流程图
图3多目标跟踪原理图
图4多目标指示原理图
图5自抗扰控制克服载体扰动原理图
图6粗精组合的二级稳定激光指向控制实验结果对比图
其中:1-无人机机载平台、2-多目标探测跟踪、指示系统、3-多目标探测跟踪系统、4-红外热像仪、5-可见光图像传感器、6-多目标激光指示系统、7-多目标、8-打击系统、9-单目标跟踪视场、10-第2和3号目标进入视场、11-两目标进入同一处理区、12-两目标分离视场、13-单目标跟踪视场、14-快速反射镜控制模块、15-快速反射镜、16-编码激光束、17-集成激光器、18-激光发射元件、19-激光器控制模块、20-比例微分环节、21-积分环节、22-被控对象、23-扩张状态观测方程、24-单目标激光指示精度、25-多目标I激光指示精度、26-多目标II激光指示精度、27-多目标III激光指示精度。
具体实施方式
为了更好的说明本发明的目的和优点,下面结合附图和实例对发明内容做进一步说明。
实施例1:
如图1所示,本发明公开的一种无人机载多目标探测跟踪、指示系统2挂载于无人机1的机腹,多目标探测跟踪、指示系统包括多目标探测跟踪系统3和多目标激光指示系统6。所述的多目标探测跟踪包括红外摄像仪4、可见光图像传感器5和高速并行图像处理与跟踪反馈控制电路。所述的多目标指示系统6包括集成激光器17、快速反射镜15、快速反射镜控制模块14和激光器控制模块19。
所述的多目标探测跟踪系统3用于弱小目标探测与跟踪,采用灰度形态学滤波方法进行弱小目标背景抑制与图像增强,得到弱小目标特征增强图像;采用动态规划算法的多阶段优化决策,实现对多目标特征能量的不断积累,获取杂波中弱小多目标累积能量,即获取弱小多目标点迹数据;采用数据关联算法计算波门范围,实现目标点迹数据归类,完成当前时刻多目标与历史航迹的关联配对;设计高速并行图形处理与跟踪反馈控制电路,提高目标点迹数据快速归类效率,并且实现目标跟踪值有效反馈;;采用多目标编目与卡尔曼滤波算法,实现多目标7跟踪。
所述的多目标指示系统6用于多目标激光指示,将多个激光发射元件18集成在一个集成激光器17中,每个激光发射元件18对应一个快速反射镜15,各激光发射元件18可单独编码,激光器控制模块19通过控制集成激光器17发射多束激光,经过快速反射镜控制模块14微调快速反射镜15角度,实现多目标激光指示。
多目标探测跟踪系统3中所述的设计高速并行图像处理与跟踪反馈控制电路包括嵌入式高速图像处理平台、红外摄像仪接口与CCD相机接口、FPGA图像预处理电路模块、ARM+GPU架构的嵌入式平台。嵌入式高速图像处理平台根据昼夜天候条件选择相应模式,分别通过CCD相机接口和红外摄像仪接口将采集到的图像进行光电转换并输出图像信号至FPGA图像预处理电路模块,经过光电隔离、自适应滤波、低照度增强、灰度变换以及制式转换后获得高质量数字图像,再将获得的高质量数字图像输入基于ARM+GPU架构的嵌入式平台,进行图像融合和处理,实现目标点迹归类,并实时输出关联配对目标,即实现目标识别。如果视频流中出现N个目标,在得到目标点迹数据后,分别对这N个目标进行归类,实现对多目标的关联配对,即实现多目标识别。
为了提高激光对多目标指示时的激光指示精度,还包括激光指向控制系统。
所述的激光指向控制系统包括载荷平台、陀螺仪、音圈电机、快速反射镜。所述的激光指向控制系统用于激光束指向精准控制,由粗精组合的二级稳定控制系统组成,其中粗级稳定控制主要用于补偿无人机自身振动及风阻产生的扰动,由陀螺仪获取光束指向偏角,由力矩电机控制吊舱框架微动补偿载荷平台内部和外部扰动;将粗级稳定的角度残差输入到精级稳定控制系统中,通过音圈电机控制快速反射镜微调来补偿激光束指向,实现激光束指向精准控制。
弱小多目标中的弱小根据不同距离下获取的目标在视场中的大小来界定。
基于所述的一种无人机载多目标探测跟踪、指示系统实现的一种无人机载多目标探测跟踪、指示方法,包括如下步骤:
步骤一、通过无人机载平台的多目标探测跟踪系统获取弱小多目标点迹数据。
如图2所示,系统第一阶段为多目标探测,获取多目标点迹数据信息。在无人机机载平台1挂载多目标探测跟踪、指示系统,采用可见光图像传感器5和红外摄像仪4实现白天多目标图像采集,采用红外摄像仪4实现夜晚多目标图像采集;采用灰度形态学滤波方法进行背景抑制与图像增强;采用动态规划算法获取弱小多目标点迹数据。
白天采用可见光图像传感器5与红外摄像仪4双光图像传感器进行图像采集,并利用图像融合技术提高多目标探测识别技术的精度和鲁棒性;夜间采用红外摄像仪4对多目标进行探测识别,在不受光照条件限制的同时,提高多目标探测识别的稳定性和适应性,实现全天时多目标探测识别。
步骤1.1:在多目标探测过程中进行弱小目标背景抑制与图像增强。
采用灰度形态学滤波方法将初始图像中尺度小于弱小目标的点状离散噪声和形态尺度大于弱小目标的杂波进行滤除,所述的初始图像包括可见光图像和红外图像。在滤波完成后对初始图像像素进行合并处理,并在像素合并后采用分段线性变换的方法对图像进行增强,提高弱小目标的局部对比度,同时抑制大面积背景区域的全局对比度,得到弱小目标特征增强图像。在背景抑制段和目标增强段两段采取的变换公式如公式所示:
其中:f代表原图像灰度值;f′代表灰度扩展以后图像灰度值;T为分段点,是根据图像灰度直方图特性采用最小误差法求取;fmac和fmin分别是图像的最大和最小灰度值;c是常数,根据约束条件取值(c<T-fmin)。
步骤1.2:进行弱小多目标信息提取,获取多目标点迹数据
采用动态规划算法检测弱小目标特征增强图像中多目标特征,通过动态规划算法的多阶段优化决策,实现对多目标特征能量的不断积累,获取杂波中弱小多目标累积能量,即获取弱小多目标点迹数据。在弱小目标点迹数据提取时利用目标的运动特性,引入方向约束策略,根据前一阶段能量累加达到最大的两个点确定一个方向,在下一阶段搜索中与此方向偏离大于一定阈值45°的点判定为非目标,以此将算法的四象限搜索变为在夹角90°的象限内搜索,缩小监测区域,节省探测时间,实现对弱小多目标点迹数据提取。
步骤一中弱小多目标中的弱小根据不同距离下获取的目标在视场中的大小来界定。
步骤二、利用步骤一中目标探测获取的目标点迹数据实现多目标跟踪。
如图2所示,第二阶段为多目标跟踪,利用步骤一中的目标探测获取目标点迹数据,采用数据关联算法计算波门范围对目标点迹数据归类,完成当前时刻多目标与历史航迹的关联配对,即实现目标识别;设计高速并行图形处理与跟踪反馈控制电路,提高目标点迹数据快速归类与与轨迹预测值有效反馈;对识别的目标采用多目标编目与卡尔曼滤波算法,实现多目标跟踪。如果多目标跟踪值满足跟踪精度要求,直接输出跟踪目标结果图,实现多目标跟踪;如果多目标跟踪值不满足跟踪精度要求,将多目标跟踪值反馈到数据关联环节,此时将多目标跟踪值当做目标点迹数据,通过数据关联算法重新计算波门范围,对目标点迹数据重新归类、识别与跟踪,直到跟踪精度满足要求,输出跟踪目标结果图,实现多目标跟踪。
步骤2.1:对步骤一获取的多目标点迹数据采用数据关联算法计算波门范围,实现目标点迹数据归类,完成当前时刻多目标与历史航迹的关联配对,即实现目标识别。采用的数据关联算法为最邻近数据关联法,先计算目标点迹数据之间的欧氏距离,将获得的欧氏距离进行最邻近数据关联,可以获得一系列关联数据,设置离目标点迹数据45°范围的关联数据为波门范围,将属于波门范围内所有的目标点迹数据划归为一类,认为是同一目标点迹数据集合,由这一类目标点迹数据所形成的目标作为跟踪目标,实现目标识别。
步骤2.2:设计高速并行图形处理与跟踪反馈控制电路,用于提高步骤2.1中目标点迹数据快速归类效率,并为步骤2.3中实现多目标跟踪值有效反馈提供支撑。
设计高速并行图像处理与跟踪反馈控制电路包括:嵌入式高速图像处理平台、红外摄像仪与CCD相机、FPGA图像预处理电路模块、ARM+GPU架构的嵌入式平台。嵌入式高速图像处理平台根据昼夜天候条件选择相应模式,分别控制CCD相机和红外摄像仪进行光电转换并输出图像信号至FPGA图像预处理电路模块,经过光电隔离、自适应滤波、低照度增强、灰度变换以及制式转换后获得高质量数字图像,再将获得的高质量数字图像输入基于ARM+GPU架构的嵌入式平台,进行图像融合和处理,实现步骤2.1中的目标点迹归类,并实时输出关联配对目标,即实现目标识别。如果视频流中出现N个目标,在得到目标点迹数据后,分别对这N个目标进行归类,实现对多目标的关联配对,即实现多目标识别。
步骤2.3:对关联配对的目标采用多目标编目与卡尔曼滤波算法,实现多目标跟踪。
当视场中有一个或多个目标出现时,依据目标出现的时间顺序和位置信息等对多个目标进行编目,每个目标都赋予相应的编号,无论目标在视场中的位置、姿态如何变化,甚至发生交叉,目标编号都保持不变,在跟踪过程中,一旦某个目标丢失,其他目标的编号保持不变,丢失目标对应编号的跟踪窗搜索其他目标跟踪窗以外的区域,直到发现新的跟踪目标为止,实现多目标跟踪。如图3所示为多目标交汇跟踪原理图,当视场中有一个或多个目标出现时,可以依据目标出现的时间顺序和位置信息等对多个目标进行编目,每个目标(波门)都赋予相应的编号,无论目标在视场中的位置、姿态如何变化,甚至发生交叉,其编号都保持不变,在跟踪过程中,一旦某个目标丢失,其他目标的编号保持不变,丢失目标对应编号的跟踪窗搜索其他目标跟踪窗以外的区域,直到发现目标为止。如图3所示在视场中目标甲被波门①检测9,视为主目标,之后目标乙、丙分别前后进入到视场中被波门②、③检测并进行跟踪10,目标乙、丙继续运动时,目标乙进入到目标甲的波门①中11,此时认为目标甲、乙发生了重合(波门①、②重合),根据甲、乙两目标的位置预测值判断分开后的甲、乙目标序号,如图3中目标乙从视场左上角向右下角运动,目标丙从左下角向右上角运动12,再根据目标运动轨迹的预测判断甲、乙两目标分开后的编号,目标甲和乙分开后目标乙消失,则波门①继续跟踪与识别目标甲13,原本跟踪目标乙的波门②则重新检测视场内所有目标波门外的区域,从而实现多目标跟踪。
同时采用卡尔曼滤波法对跟踪的多目标点迹数据进行杂波滤除与跟踪精度修正,提高目标跟踪视窗中的目标点迹数据信噪比,实现多目标跟踪正确率。在卡尔曼滤波跟踪修正过程中,如果多目标跟踪值满足跟踪精度要求,直接输出跟踪目标结果图,实现多目标跟踪;如果多目标跟踪值不满足跟踪精度要求,将多目标跟踪值反馈到数据关联环节,此时将多目标跟踪值当做目标点迹数据,通过数据关联算法重新计算波门范围,对目标点迹数据重新归类、识别与跟踪,直到跟踪精度满足要求,输出跟踪目标结果图,实现多目标跟踪。
步骤三、通过多目标激光指示系统对步骤二中跟踪的目标实现激光多目标可持续编码指示。
如图2所示,第三阶段为多目标指示,根据步骤二中跟踪的目标及跟踪轨迹对多目标进行激光照射,为打击系统7提供打击支持。
如图4所示,对步骤二中跟踪的多目标进行激光指示,采用集成激光器17与快速反射镜15组合的方式,完成多路激光的编码输出,实现多目标的可持续编码指示。采用激光控制模块19控制集成激光器17发射多束激光,实现同时对多目标指示的功能,其中集成激光器17内含多组激光发射元件18,每个激光发射元件18分别对应一个快速反射镜15,对单个激光发射元件18进行编码,形成编码激光束16,防止打击时目标识别错误,由快反控制模块14同时控制每个快速反射镜15的偏转角度,每个快速反射镜15只对小视场范围的目标进行扫描,能够实现目标连续照射,采用集成激光器与快速反射镜组合的方式实现对步骤二中跟踪的多目标激光可持续编码指示。
为了提高激光对多目标指示时的激光指示精度,还包括步骤四:采用粗精组合的二级稳定激光指向控制系统,补偿无人机外部扰动及自身振动的角度残差,提高多目标激光指示精度。
步骤三完成多目标激光指示后,判断多目标照射精度,执行如图2多目标指示阶段的指示精度判断,如果目标在照射视窗之内,满足照射精度,则由无人机载平台1与打击系统(7)通讯为实施多目标打击做准备,如果照射精度不满足要求,则修正激光束指向,激光器重新指示目标。
多目标激光指向控制中,采用粗精组合的二级稳定控制方案控制激光束指向。一级粗稳控制平台主要解决无人机外部扰动及自身振动,采用自抗扰闭环控制系统来确保一级粗稳后的角度在小范围内变化,为二级稳定的小行程、高精度提供支撑。二级精稳控制平台得到粗级稳定平台的角度残差后经过基于快速反射镜的精稳补偿策略,控制精级平台的快速反射镜执行器,并行驱动快速反射镜负载发生微角度补偿调整,得到光学系统的瞄准线精角位移,通过瞄准线精角位移和粗位移的组合算法得到高精度快速的激光指示。
粗精组合的二级稳定控制方案,包括以下步骤:
步骤4.1:对激光指向进行一级粗稳控制。
一级粗稳控制主要补偿载体内部和外部振动对视线的扰动,采用自抗扰闭环控制系统来确保一级粗稳后的角度残差在小范围内变化,为二级稳定时快速反射镜的小行程微动调节提供支撑。一级粗稳控制控制回路中采用陀螺作为角度传感器,采用力矩电机作为执行机构建立伺服控制调整两轴四框架角度微动补偿扰动。采用如图5所示的自抗扰控制来克服伺服系统内部未知扰动和外部实时扰动,图中r为期望输入,y为伺服系统的理想输出,ym为伺服系统的测量输出量,n为测量噪声,u0为伺服系统的输入控制量,d为等效总和扰动。r通过比例微分20环节,得到伺服系统的输入控制量u0,u0与扩张状态观测方程23的状态量相运算,再通过积分21运算,与等效综合扰动相加控制被控对象22,输出理想输出,或者闭环反馈至扩张状态观测方程23,对伺服系统输出量、输出量的导数以及扰动量进行观测得到z1,z2,z3等状态变量,然后对扰动量进行反向补偿。
考虑到内部和外部振动构成总扰动,对于n阶被控对象,自抗扰闭环控制系统的扩张状态观测器的连续时间域微分方程可表示为:
y(n)=f(y,…,y(n-1),w,t)+bu
(9)
普适扩张状态观测器的特征方程为:
λ(S)=|sI-(A-LC)|=(s+ω0)n+h (10)
观测器L中的每一个元素可表示为:
li=Cn+h,iω0 i,i=1,2,…,n+h (11)
公式中多项式的系数:
其中:n代表被控对象阶数;f(y,…,y(n-1),w,t)代表系统内部和外部扰动总和;w代表外部扰动;t为时间变量;y(n)代表输出变量;y代表系统的量测输出;u代表系统输入变量;b代表控制增益;λ(S)代表特征方程特征根;s代表状态变量矩阵;L代表观测增益向量;I为单位向量;A、C分别代表量测输出和总扰动的系数矩阵;ω0为连续域特征根;h代表扰动函数阶数;li代表观测器中的元素;Ci,j代表观测器中元素的系数;i、j分别代表A矩阵的行数和列数。
步骤4.2:采用快速反射镜二级精稳控制补偿一级粗稳的角度残差。
将一级粗稳的角度残差作为快速反射镜的角度输入指令,把二级精稳控制等效成一个独立的激光指示精稳闭环系统进行控制。激光指示精稳闭环系统主要包括控制模块、驱动模块和检测模块三部分。将一级粗稳的角度残差经信号调理后送入控制电路,显示扫描角度、频率并且驱动音圈电机使快速反射镜偏转,驱动模块是由音圈电机控制快速反射镜微动,设电源电压为V,电机的转速为ωm,经计算后可得输入电压到快速反射镜转速的传递函数为:
其中:ωm代表电机转速;V(s)代表电源电压;La代表电枢电感;Ra代表电枢电阻;Ke代表反电动势系数;Kt代表电机的转矩系数;JT代表音圈电机和反射镜折合到电机轴上的转动惯量;s代表拉氏变换系数;
由于快速反射镜的反馈元件测量的是角位置输出,因此得到输入电压到快速反射镜角位置的传递函数为:
其中,θm(s)代表积分后的电机转速;τm为机电时间常数;τe为电气时间常数;
快速反射镜偏转后的角度被位置探测器探测后送入检测电路,经与设定的视轴误差作对比,若指示精度符合要求,则实现激光准确指示,提高多目标激光指示精度;若指示精度不符合要求,则将快速反射镜偏转后的角度送入反馈机构控制快速反射镜微调,直到输出的指示精度满足要求,即可实现位置闭环控制,提高多目标激光指示精度。
如图6所示,当作用距离为5km,激光入射角为5°~30°时,未采用粗精组合的二级稳定激光指向控制方案时,单目标24指示精度范围为0.2mrad~0.25mrad,激光指示精度较低,激光远距离指示作业时激光指示误差较大;采用粗精组合的二级稳定激光指向控制方案后,当作用距离为5km,激光入射角为5°~30°时,多目标I 24激光指示精度范围为0.08mrad~0.11mrad、多目标II 25激光指示精度范围为0.09mrad~0.12mrad、多目标III26激光指示精度范围为0.08mrad~0.11mrad,能够满足5km激光高精稳指示,且激光指示精度小于0.12mrad,因此,粗精组合的二级稳定激光指向控制系统能够实现多目标激光指向精稳控制。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种无人机载多目标探测跟踪、指示系统,其特征在于:包括多目标探测跟踪系统和多目标激光指示系统;所述的多目标探测跟踪系统包括红外摄像仪、可见光图像传感器和高速并行图像处理与跟踪反馈控制电路;所述的多目标指示系统包括集成激光器、快速反射镜、快速反射镜控制模块和激光器控制模块;
所述的多目标探测跟踪系统用于弱小目标探测与跟踪,采用灰度形态学滤波方法进行弱小目标背景抑制与图像增强,得到弱小目标特征增强图像;采用动态规划算法的多阶段优化决策,实现对多目标特征能量的不断积累,获取杂波中弱小多目标累积能量,即获取弱小多目标点迹数据;采用多目标编目与卡尔曼滤波算法,当视场中有一个或多个目标出现时,依据目标出现的时间顺序和位置信息对多个目标进行编目,每个目标都赋予相应的编号,无论目标在视场中的位置、姿态如何变化,甚至发生交叉,目标编号都保持不变,在跟踪过程中,一旦某个目标丢失,其他目标的编号保持不变,丢失目标对应编号的跟踪窗搜索其他目标跟踪窗以外的区域,直到发现新的跟踪目标为止,采用数据关联算法计算波门范围,实现目标点迹数据归类,完成当前时刻多目标与历史航迹的关联配对;设计高速并行图形处理与跟踪反馈控制电路,提高目标点迹数据快速归类与多目标跟踪值有效反馈,实现多目标跟踪;
所述的多目标指示系统用于多目标激光指示,将多个激光发射元件集成在一个集成激光器中,每个激光发射元件对应一个快速反射镜,各激光发射元件可单独编码,激光器控制模块通过控制集成激光器发射多束激光,经过快速反射镜控制模块微调快速反射镜角度,实现多目标激光指示。
2.如权利要求1所述的一种无人机载多目标探测跟踪、指示系统,其特征在于:为了提高激光对多目标指示时的激光指示精度,还包括激光指向控制系统;
所述的激光指向控制系统包括载荷平台、陀螺仪、音圈电机、快速反射镜;所述的激光指向控制系统用于激光束指向精准控制,由粗精组合的二级稳定控制系统组成,其中粗级稳定控制主要用于补偿无人机自身振动及风阻产生的扰动,由陀螺仪获取光束指向偏角,由力矩电机控制吊舱框架微动补偿载荷平台内部和外部扰动;将粗级稳定的角度残差输入到精级稳定控制系统中,通过音圈电机控制快速反射镜微调来补偿激光束指向,实现激光束指向精准控制。
3.如权利要求1或2所述的一种无人机载多目标探测跟踪、指示系统,其特征在于:多目标探测跟踪系统中所述的设计高速并行图像处理与跟踪反馈控制电路包括嵌入式高速图像处理平台、红外摄像仪接口与CCD相机接口、FPGA图像预处理电路模块、ARM+GPU架构的嵌入式平台;嵌入式高速图像处理平台根据昼夜天候条件选择相应模式,分别通过CCD相机接口和红外摄像仪接口将采集到的图像进行光电转换并输出图像信号至FPGA图像预处理电路模块,经过光电隔离、自适应滤波、低照度增强、灰度变换以及制式转换后获得高质量数字图像,再将获得的高质量数字图像输入基于ARM+GPU架构的嵌入式平台,进行图像融合和处理,实现目标点迹归类,并实时输出关联配对目标,即实现目标识别;如果视频流中出现N个目标,在得到目标点迹数据后,分别对这N个目标进行归类,实现对多目标的关联配对,即实现多目标识别。
4.一种无人机载多目标探测跟踪、指示方法,其特征在于:包括如下步骤:
步骤一、通过无人机载平台的多目标探测跟踪系统获取弱小多目标点迹数据;
采用可见光图像传感器和红外摄像仪实现白天多目标图像采集,提高多目标探测识别技术的精度和鲁棒性;采用红外摄像仪实现夜晚多目标图像采集,在不受光照条件限制的同时,提高多目标探测识别的稳定性和适应性,实现全天时多目标探测识别;在图像采集后,采用灰度形态学滤波方法进行背景抑制与图像增强;采用动态规划算法获取弱小多目标点迹数据;
步骤二、利用步骤一中目标探测获取的目标点迹数据实现多目标跟踪;
利用步骤一中的目标探测获取目标点迹数据,采用数据关联算法计算波门范围对目标点迹数据归类,完成当前时刻多目标与历史航迹的关联配对,即实现目标识别;设计高速并行图形处理与跟踪反馈控制电路,提高目标点迹数据快速归类效率,并且实现目标跟踪值有效反馈;对识别的目标采用多目标编目与卡尔曼滤波算法,当视场中有一个或多个目标出现时,依据目标出现的时间顺序和位置信息对多个目标进行编目,每个目标都赋予相应的编号,无论目标在视场中的位置、姿态如何变化,甚至发生交叉,目标编号都保持不变,在跟踪过程中,一旦某个目标丢失,其他目标的编号保持不变,丢失目标对应编号的跟踪窗搜索其他目标跟踪窗以外的区域,直到发现新的跟踪目标为止,实现多目标跟踪;如果多目标跟踪值满足跟踪精度要求,直接输出跟踪目标结果图,实现多目标跟踪;如果多目标跟踪值不满足跟踪精度要求,将多目标跟踪值反馈到数据关联环节,此时将多目标跟踪值当做目标点迹数据,通过数据关联算法重新计算波门范围,对目标点迹数据重新归类、识别与跟踪,直到跟踪精度满足要求,输出跟踪目标结果图,实现多目标跟踪;
步骤三、通过多目标激光指示系统对步骤二中跟踪的目标实现激光多目标可持续编码指示;
对步骤二中跟踪的多目标进行激光指示,采用集成激光器与快速反射镜组合的方式,完成多路激光的编码输出,实现多目标的可持续编码指示;采用激光控制模块控制集成激光器发射多束激光,实现同时对多目标指示的功能,其中集成激光器内含多组激光发射元件,每个激光发射元件分别对应一个快速反射镜,对单个激光发射元件进行编码,形成编码激光束,防止打击时目标识别错误,由快速反射镜控制模块同时控制每个快速反射镜的偏转角度,每个快速反射镜只对小视场范围的目标进行扫描,能够实现目标连续照射,采用集成激光器与快速反射镜组合的方式实现对步骤二中跟踪的多目标激光可持续编码指示。
5.如权利要求4所述的一种无人机载多目标探测跟踪、指示方法,其特征在于:为了提高激光对多目标指示时的激光指示精度,还包括步骤四:采用粗精组合的二级稳定激光指向控制系统,补偿无人机外部扰动及自身振动的角度残差,提高多目标激光指示精度。
6.如权利要求4或5所述的一种无人机载多目标探测跟踪、指示方法,其特征在于:步骤一具体实现方法为,
步骤1.1:在多目标探测过程中进行弱小目标背景抑制与图像增强;
采用灰度形态学滤波方法将初始图像中尺度小于弱小目标的点状离散噪声和形态尺度大于弱小目标的杂波进行滤除,所述的初始图像包括可见光图像和红外图像;在滤波完成后对初始图像像素进行合并处理,并在像素合并后采用分段线性变换的方法对图像进行增强,提高弱小目标的局部对比度,同时抑制大面积背景区域的全局对比度,得到弱小目标特征增强图像;在背景抑制段和目标增强段两段采取的变换公式如公式所示:
其中:f代表原图像灰度值;f′代表灰度扩展以后图像灰度值;T为分段点,是根据图像灰度直方图特性采用最小误差法求取;fmac和fmin分别是图像的最大和最小灰度值;c是常数,根据约束条件取值;
步骤1.2:进行弱小多目标信息提取,获取多目标点迹数据;
采用动态规划算法检测弱小目标特征增强图像中多目标特征,通过动态规划算法的多阶段优化决策,实现对多目标特征能量的不断积累,获取杂波中弱小多目标累积能量,即获取弱小多目标点迹数据。
7.如权利要求6所述的一种无人机载多目标探测跟踪、指示方法,其特征在于:步骤二具体实现方法为,
步骤2.1:对步骤一获取的多目标点迹数据采用数据关联算法计算波门范围,实现目标点迹数据归类,完成当前时刻多目标与历史航迹的关联配对,即实现目标识别;
步骤2.2:设计高速并行图形处理与跟踪反馈控制电路,用于提高步骤2.1中目标点迹数据快速归类效率,并为步骤2.3中实现多目标跟踪值有效反馈提供支撑;
步骤2.3:对关联配对的目标采用多目标编目与卡尔曼滤波算法,实现多目标跟踪;
当视场中有一个或多个目标出现时,依据目标出现的时间顺序和位置信息对多个目标进行编目,每个目标都赋予相应的编号,无论目标在视场中的位置、姿态如何变化,甚至发生交叉,目标编号都保持不变,在跟踪过程中,一旦某个目标丢失,其他目标的编号保持不变,丢失目标对应编号的跟踪窗搜索其他目标跟踪窗以外的区域,直到发现新的跟踪目标为止,实现多目标跟踪;同时采用卡尔曼滤波法对跟踪的多目标点迹数据进行杂波滤除与跟踪精度修正,提高目标跟踪视窗中的目标点迹数据信噪比实现多目标跟踪正确率;在卡尔曼滤波跟踪修正过程中,如果多目标跟踪值满足跟踪精度要求,直接输出跟踪目标结果图,实现多目标跟踪;如果多目标跟踪值不满足跟踪精度要求,将多目标跟踪值反馈到数据关联环节,此时将多目标跟踪值当做目标点迹数据,通过数据关联算法重新计算波门范围,对目标点迹数据重新归类、识别与跟踪,直到跟踪精度满足要求,输出跟踪目标结果图,实现多目标跟踪。
8.如权利要求7所述的一种无人机载多目标探测跟踪、指示方法,其特征在于:
步骤4.1:对激光指向进行一级粗稳控制;
一级粗稳控制主要补偿载体内部和外部振动对视线的扰动,采用自抗扰闭环控制系统来确保一级粗稳后的角度残差在小范围内变化,为二级稳定时快速反射镜的小行程微动调节提供支撑;
考虑到内部和外部振动构成总扰动,对于n阶被控对象,自抗扰闭环控制系统中扩张状态观测器的连续时间域微分方程表示为:
y(n)=f(y,…,y(n-1),w,t)+bu
(2)
普适扩张状态观测器的特征方程为:
λ(S)=|SI-(A-LC)|=(S+ω0)n+h (3)
观测器L中的每一个元素表示为:
li=Cn+h,iω0 i,i=1,2,…,n+h
(4)
公式中多项式的系数:
其中:n代表被控对象阶数;f(y,…,y(n-1),w,t)代表系统内部和外部扰动总和;w代表外部扰动;t为时间变量;y(n)代表输出变量;y代表系统的量测输出;u代表系统输入变量;b代表控制增益;λ(S)代表特征方程特征根;S代表状态变量矩阵;L代表观测器;I为单位向量;A、C分别代表量测输出和总扰动的系数矩阵;ω0为连续域特征根;h代表扰动函数阶数;li代表观测器中的元素;Ci,j代表观测器中元素的系数;i、j分别代表A矩阵的行数和列数;
步骤4.2:采用快速反射镜二级精稳控制补偿一级粗稳的角度残差;
将一级粗稳的角度残差作为快速反射镜的角度输入指令,把二级精稳控制等效成一个独立的激光指示精稳闭环系统进行控制;激光指示精稳闭环系统主要包括控制模块、驱动模块和检测模块三部分;将一级粗稳的角度残差经信号调理后送入控制电路,显示扫描角度、频率并且驱动音圈电机使快速反射镜偏转,驱动模块是由音圈电机控制快速反射镜微动,设电源电压为V,电机的转速为ωm,经计算后可得输入电压到快速反射镜转速的传递函数为:
其中:ωm代表电机转速;V(s)代表电源电压;La代表电枢电感;Ra代表电枢电阻;Ke代表反电动势系数;Kt代表电机的转矩系数;JT代表音圈电机和反射镜折合到电机轴上的转动惯量;s代表拉氏变换系数;
由于快速反射镜的反馈元件测量的是角位置输出,因此得到输入电压到快速反射镜角位置的传递函数为:
其中,θm(s)代表积分后的电机转速;τm为机电时间常数;τe为电气时间常数;
快速反射镜偏转后的角度被位置探测器探测后送入检测电路,经与设定的视轴误差作对比,若指示精度符合要求,则实现激光准确指示,提高多目标激光指示精度;若指示精度不符合要求,则将快速反射镜偏转后的角度送入反馈机构控制快速反射镜微调,直到输出的指示精度满足要求,即实现位置闭环控制,提高多目标激光指示精度。
9.如权利要求8所述的一种无人机载多目标探测跟踪、指示方法,其特征在于:步骤二中设计高速并行图像处理与跟踪反馈控制电路包括:嵌入式高速图像处理平台、红外摄像仪接口与CCD相机接口、FPGA图像预处理电路模块、ARM+GPU架构的嵌入式平台;嵌入式高速图像处理平台根据昼夜天候条件选择相应模式,分别通过CCD相机接口和红外摄像仪接口将采集到的图像进行光电转换并输出图像信号至FPGA图像预处理电路模块,经过光电隔离、自适应滤波、低照度增强、灰度变换以及制式转换后获得高质量数字图像,再将获得的高质量数字图像输入基于ARM+GPU架构的嵌入式平台,进行图像融合和处理,实现步骤2.1中的目标点迹归类,并实时输出关联配对目标,即实现目标识别;如果视频流中出现N个目标,在得到目标点迹数据后,分别对这N个目标进行归类,实现对多目标的关联配对,即实现多目标识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711159589.XA CN107977987B (zh) | 2017-11-20 | 2017-11-20 | 一种无人机载多目标探测跟踪、指示系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711159589.XA CN107977987B (zh) | 2017-11-20 | 2017-11-20 | 一种无人机载多目标探测跟踪、指示系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107977987A CN107977987A (zh) | 2018-05-01 |
CN107977987B true CN107977987B (zh) | 2021-08-31 |
Family
ID=62010577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711159589.XA Active CN107977987B (zh) | 2017-11-20 | 2017-11-20 | 一种无人机载多目标探测跟踪、指示系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107977987B (zh) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108873704B (zh) * | 2018-07-19 | 2021-07-20 | 北京空间技术研制试验中心 | 基于预测跟踪微分器的线性自抗扰控制器的设计方法 |
CN109949238B (zh) * | 2019-03-07 | 2022-11-25 | 北京麦哲科技有限公司 | 图像的磨白优化方法和装置 |
CN110163818B (zh) * | 2019-04-28 | 2021-04-27 | 武汉理工大学 | 一种用于海事无人机的低照度视频图像增强方法 |
CN110244554A (zh) * | 2019-05-08 | 2019-09-17 | 山东航天电子技术研究所 | 一种基于图像的群改进天牛角算法的光束指向优化方法 |
CN110166992B (zh) * | 2019-05-11 | 2020-06-23 | 深圳市觅拓物联信息技术有限公司 | 一种监控方法、监控设备和网关设备 |
CN110034715B (zh) * | 2019-05-28 | 2020-09-11 | 广东工业大学 | 一种基于扰动估计的音圈电机运动控制方法及相关设备 |
CN110210389B (zh) * | 2019-05-31 | 2022-07-19 | 东南大学 | 一种面向道路交通场景的多目标识别跟踪方法 |
CN110336809B (zh) * | 2019-06-28 | 2022-07-01 | 国网内蒙古东部电力有限公司 | 一种机载fpga并行加速图像分析处理系统的方法 |
CN110632941B (zh) * | 2019-09-25 | 2020-12-15 | 北京理工大学 | 一种复杂环境下无人机目标跟踪的轨迹生成方法 |
CN110926462A (zh) * | 2019-11-04 | 2020-03-27 | 中国航空工业集团公司洛阳电光设备研究所 | 一种基于机载光电探测系统地面目标标记方法 |
CN111028187B (zh) * | 2019-11-27 | 2023-10-20 | 航天时代飞鸿技术有限公司 | 一种光线自适应的机载双光图像侦察装置及方法 |
CN111639595B (zh) * | 2020-05-29 | 2022-03-18 | 桂林电子科技大学 | 基于权重不可知神经网络的无人机微动特征信号检测方法 |
CN111896973B (zh) * | 2020-07-16 | 2023-01-17 | 武汉大学 | 基于主被动融合的超远距离目标三维运动轨迹预测方法 |
CN114002700A (zh) * | 2020-07-28 | 2022-02-01 | 北京理工大学 | 激光末制导飞行器组网控制方法 |
CN111879313B (zh) * | 2020-07-31 | 2022-08-12 | 中国人民解放军国防科技大学 | 一种基于无人机图像识别的多目标连续定位方法及系统 |
CN112260417B (zh) * | 2020-10-15 | 2022-07-15 | 上海交通大学 | 基于三级跟踪与光场调控的无人机终端激光传能系统 |
CN112311960A (zh) * | 2020-11-05 | 2021-02-02 | 成都寰蓉光电科技有限公司 | 一种应用于目标识别与跟踪的新型视频图像处理系统 |
JP7463254B2 (ja) * | 2020-11-13 | 2024-04-08 | 三菱重工業株式会社 | レーザー照射システム、画像生成装置、及び、プログラム |
CN112364798A (zh) * | 2020-11-19 | 2021-02-12 | 湖南宇正智能科技有限公司 | 多目标光电搜索方法及装置 |
CN114137994B (zh) * | 2021-11-12 | 2023-08-04 | 长春理工大学 | 机载激光通信系统中图像与通信复合高精度跟踪控制方法 |
CN115097869A (zh) * | 2022-06-24 | 2022-09-23 | 航天科工微电子系统研究院有限公司 | 一种通过atp组网方式实现远距离主动照明成像的方法 |
CN114994633B (zh) * | 2022-08-04 | 2022-11-08 | 四川九洲空管科技有限责任公司 | 一种用于二次雷达点航迹相关处理的方法 |
CN117192726B (zh) * | 2023-09-07 | 2024-03-15 | 山东科技大学 | 一种基于改进自抗扰控制的快速反射镜控制方法及设备 |
CN117908386B (zh) * | 2024-03-20 | 2024-05-24 | 山东科技大学 | 一种基于改进型干扰观测器的快速反射镜扰动抑制方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8537222B2 (en) * | 2008-02-28 | 2013-09-17 | Bae Systems Information And Electronic Systems Integration Inc. | Method and system for finding a manpads launcher position |
CN102005054B (zh) * | 2010-11-24 | 2012-01-18 | 中国电子科技集团公司第二十八研究所 | 一种实时红外图像目标跟踪方法 |
CN102521824A (zh) * | 2011-11-10 | 2012-06-27 | 中国科学院上海技术物理研究所 | 一种低功耗红外实时信号处理系统 |
CN102831620B (zh) * | 2012-08-03 | 2015-09-30 | 南京理工大学 | 基于多假设跟踪数据关联的红外弱小目标搜索跟踪方法 |
CN103186903A (zh) * | 2013-04-22 | 2013-07-03 | 苏州科技学院 | 一种基于pid的运动目标检测跟踪系统 |
CN103391430B (zh) * | 2013-07-22 | 2014-09-10 | 南通大学 | 基于dsp的相关跟踪方法及专用装置 |
CN103926583B (zh) * | 2014-05-04 | 2015-03-25 | 中国人民解放军空军预警学院监控系统工程研究所 | 一种岸基近程雷达自动跟踪处理方法及装置 |
CN104297748B (zh) * | 2014-10-20 | 2017-03-08 | 西安电子科技大学 | 一种基于轨迹增强的雷达目标检测前跟踪方法 |
US9811732B2 (en) * | 2015-03-12 | 2017-11-07 | Qualcomm Incorporated | Systems and methods for object tracking |
US10339387B2 (en) * | 2016-03-03 | 2019-07-02 | Brigham Young University | Automated multiple target detection and tracking system |
CN105824322A (zh) * | 2016-05-11 | 2016-08-03 | 飞智控(天津)科技有限公司 | 基于激光雷达的无人机地形跟随系统及方法 |
CN106054151B (zh) * | 2016-05-23 | 2018-11-09 | 西安电子科技大学 | 基于数据关联算法的雷达多目标跟踪优化方法 |
CN106570889A (zh) * | 2016-11-10 | 2017-04-19 | 河海大学 | 一种检测红外视频中弱小目标的方法 |
CN106910204B (zh) * | 2016-12-30 | 2018-04-27 | 中国人民解放军空军预警学院监控系统工程研究所 | 一种对海面船只自动跟踪识别的方法和系统 |
CN107193012A (zh) * | 2017-05-05 | 2017-09-22 | 江苏大学 | 基于imm‑mht算法的智能车激光雷达机动多目标跟踪方法 |
-
2017
- 2017-11-20 CN CN201711159589.XA patent/CN107977987B/zh active Active
Non-Patent Citations (1)
Title |
---|
《一种抗遮挡抗干扰的目标检测跟踪方法研究》;汪宏昇 等;《光学技术》;20160731;第42卷(第4期);第376-384页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107977987A (zh) | 2018-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107977987B (zh) | 一种无人机载多目标探测跟踪、指示系统及方法 | |
US9759605B2 (en) | Low-orbit satellite-borne image-spectrum associated detection method and payload | |
CN108919841B (zh) | 一种光电跟踪系统的复合轴控制方法及系统 | |
CN102298070B (zh) | 估算无人机,尤其是能够在自动驾驶下执行悬停飞行的无人机的水平速度的方法 | |
US7870816B1 (en) | Continuous alignment system for fire control | |
CN112558631B (zh) | 基于测量信息的带大落角约束变参数制导方法 | |
Delaune et al. | Thermal-inertial odometry for autonomous flight throughout the night | |
US11047958B1 (en) | Sensor fusing using 3D fiber coupled scanning LIDAR | |
CN101866006A (zh) | 旋转式多传感器光电雷达 | |
Huh et al. | Vision-based sense-and-avoid framework for unmanned aerial vehicles | |
CN111913190B (zh) | 一种基于彩色红外光谱共孔径成像的临近空间暗弱目标定向装置 | |
US20200211215A1 (en) | Passive sense and avoid system | |
CN110876275A (zh) | 一种瞄准控制方法、移动机器人及计算机可读存储介质 | |
Tevyashev et al. | Laser opto-electronic airspace monitoring system in the visible and infrared ranges | |
CN113156996B (zh) | 一种目标跟踪的吊舱控制自适应增益方法 | |
CN114973037B (zh) | 一种无人机智能检测与同步定位多目标的方法 | |
RU2697939C1 (ru) | Способ автоматизации целеуказания при прицеливании на вертолетном комплексе | |
Li et al. | Prediction of wheat gains with imagery from four-rotor UAV | |
CN115471555A (zh) | 一种基于图像特征点匹配的无人机红外巡检位姿确定方法 | |
CN112731918B (zh) | 一种基于深度学习检测跟踪的地面无人平台自主跟随系统 | |
EP3784983A1 (en) | Passive altimeter system for a platform and method thereof | |
KR101944631B1 (ko) | 사수의 조준 오차를 보정하는 무유도 로켓 조준 장치 및 그 방법 | |
Yang et al. | Performance measurement of photoelectric detection and target tracking algorithm | |
EP3447527A1 (en) | Passive sense and avoid system | |
RU2325671C1 (ru) | Следящая локационно-оптическая система сопровождения подвижных объектов |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |