CN115330272A - 一种复杂作战区域条件下多飞行器目标协同攻击方法 - Google Patents

一种复杂作战区域条件下多飞行器目标协同攻击方法 Download PDF

Info

Publication number
CN115330272A
CN115330272A CN202211250413.6A CN202211250413A CN115330272A CN 115330272 A CN115330272 A CN 115330272A CN 202211250413 A CN202211250413 A CN 202211250413A CN 115330272 A CN115330272 A CN 115330272A
Authority
CN
China
Prior art keywords
target
aircraft
targets
attacking
attack
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.)
Granted
Application number
CN202211250413.6A
Other languages
English (en)
Other versions
CN115330272B (zh
Inventor
刘福祥
甄洪坡
赵洁
莫波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202211250413.6A priority Critical patent/CN115330272B/zh
Publication of CN115330272A publication Critical patent/CN115330272A/zh
Application granted granted Critical
Publication of CN115330272B publication Critical patent/CN115330272B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/77—Determining position or orientation of objects or cameras using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • 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
    • G06T2207/20076—Probabilistic 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种复杂作战区域条件下多飞行器目标协同攻击方法，属于多飞行器协同作战技术领域；本发明公开了一种复杂作战区域条件下多飞行器目标协同攻击方法，通过构造虚拟特征点表征群目标中各目标的位置基准，各攻击飞行器根据位置基准识别相同的目标并建立直角坐标系获得每个目标唯一的位置描述，进而实现多飞行器多目标分配；各攻击飞行器以编号为优先级，一个扇形区域包含多个目标时，根据目标与原点的欧氏距离和目标与扇形区域中心线的角度，决定目标分配情况；每个布撒器攻击完成之后，再启动下一布撒器中攻击飞行器的视觉系统，如此经过多轮攻击，完成在无数据链通信条件下多飞行器多目标的协同攻击作战。

Description

一种复杂作战区域条件下多飞行器目标协同攻击方法
技术领域
本发明涉及多飞行器协同作战技术领域，尤其涉及一种复杂作战区域条件下多飞行器目标协同攻击方法。
背景技术
目前，国内外对多飞行器协同攻击方式的研究，主要集中在多飞行器协同攻击同一目标。研究内容主要有协同制导律包括时间协同制导律、角度协同制导律、时间/角度协同制导律等；协同算法包括将各飞行器计算的目标位置配准到同一时间、同一坐标系的数据配准；确保各飞行器检测到的目标为同一个目标的数据关联和将各飞行器的计算结果融合为目标的准确位置数据融合。
多飞行器协同攻击多目标研究的不多，可以查到的仅为俄罗斯P-700“花岗岩”导飞行器，其采用高、低两种飞行器道模式，具有自主编队攻击和目标选择与分配能力。它采用高轨道领飞行器+低轨道从飞行器的方式，领飞行器与从飞行器之间使用数据链通信。在齐射的导飞行器飞行到末段时，领飞行器被预编在较高飞行器道飞行，最早发现目标信息，通过数据链将数据传给低飞行器道的从飞行器，并实时更新数据和目标分配。从飞行器超音速掠海飞行，各自锁定目标后实施攻击。如果领飞行器被中途拦截，从飞行器中会选出一个升高，实现依次递补。
这种技术方案存在以下几个缺陷：1、在电磁环境较为复杂的战场环境下，领飞行器与从飞行器之间的通信受到极大的干扰，很可能在大多数时间内都无法正常通信，这就很难保证任务执行的可靠性；2、由于作战双方电磁对抗的存在，领飞行器与从飞行器之间的数据通信存在被破译、篡改的可能，造成各攻击飞行器被敌方控制，导致无效攻击或自毁；3、由于领飞行器在任务执行过程中处于关键地位，一旦出现故障将导致任务失败，因此必须配备多个领飞行器的备份，或在预留一定数量的从飞行器作为备用领飞行器，这不仅造成了成本的提高，而且领飞行器的有效性判断、领飞行器的切换等机制将大大提高任务执行过程中的复杂度，增大了任务失效的可能。
为了弥补领飞行器从飞行器+数据链模式的不足，需要解决基于无数据链条件下多飞行器协同攻击多个目标的控制策略。基于随机选择目标的协同方案由每个攻击飞行器独立随机选择一个目标进行攻击，但由于各飞行器视场的不同，这种随机选择方式必然导致多飞行器对同一目标的重复选择，降低作战效能。
发明内容
本发明的目的在于提供一种能够在无数据链通信条件且在积水或者其它情况复杂的作战区域条件下，完成群目标的有效区分和精准分配，提高攻击飞行器打击的效率的基于虚拟特征点的多飞行器多目标协同攻击方法。
为了实现上述目的，本发明采用了如下技术方案：
一种复杂作战区域条件下多飞行器目标协同攻击方法，通过提取虚拟特征点表征群目标中各目标的位置基准，各攻击飞行器根据所述位置基准确定包含相同的目标集合S1的目标区域，之后完成目标区域内群目标的分配与攻击，具体包括以下步骤：
步骤一、在群目标所在区域的内部提取虚拟信标，即虚拟特征点，各攻击飞行器根据所述虚拟特征点确定的目标区域包含相同的目标集合S1；
步骤二、各攻击飞行器在无数据链通信条件下，各自根据自身识别的目标集合S1计算外包络椭圆的中心(x 0，y 0)，根据各攻击飞行器视野范围确定外包络椭圆的长轴和短轴，构建各攻击飞行器识别目标区域的外包络椭圆；
以外包络椭圆的中心(x 0，y 0)为原点，以外包络椭圆的长轴为X轴，并根据步骤一中提取的位置结构特征，确定X轴的方向角，建立直角坐标系，获得各目标的位置信息，同一目标的位置信息在不同的攻击飞行器中唯一且相同；
步骤三、各攻击飞行器以自身建立的所述直角坐标系的原点为中心，将目标区域划分为若干个相同角度大小的扇形区域，设置扇形区域与攻击飞行器的对应关系，包括一个扇形区域对应一个攻击飞行器和一个扇形区域对应多个攻击飞行器；
当一个扇形区域只包含一个目标时，将该扇形区域中的目标分配给对应的攻击飞行器；当一个扇形区域包含多个目标时，各攻击飞行器根据目标与原点的欧氏距离和目标与扇形区域中心线的角度，决定目标分配情况；
步骤四、各攻击飞行器根据目标分配情况，完成作战攻击。
优选地，所述步骤一中所提到的虚拟信标即虚拟特征点的提取方法为：在给定的群目标所在的区域内建立栅格地图，计算群目标中各个目标对每个栅格的影响并累加到每个栅格，每个栅格的影响值的空间分布构成群目标的分布特性曲面，根据群目标的分布特性曲面的均匀程度确定虚拟信标即虚拟特征点；若群目标的分布特性曲面均匀，则以所有识别到的目标的平均位置作为虚拟特征点；若群目标分布特性曲面不均匀，则以影响值最小的栅格位置作为虚拟特征点。
优选地，格栅影响值的计算方式为：通过建立各目标对栅格影响的二维高斯函数，计算得到各目标对每个栅格的影响值，其计算公式为：
Figure 728569DEST_PATH_IMAGE001
其中，g(u, v)为目标对图像坐标为(u, v)的栅格的影响值，i为目标个数，i=1，……，k，k为正整数，表示目标总数；u=1，……，m，表示栅格的行数，m为正整数；v=1，……，n，表示栅格的列数，n为正整数；(u i ，v i )表示第i个目标所在的栅格的图像坐标；σ u 表示根据目标之间行间距设置的方差变量；σ v 表示根据目标之间列间距设置的方差变量。
优选地，所述分布特性曲面的均匀程度的具体判断方式为：根据分布特性曲面的方差σ 2和曲面峰值M，判断群目标分布特性曲面是否均匀，即若曲面峰M与方差σ 2的比值小于实际设定的分布特性曲面的阈值T，则认为群目标分布特性曲面均匀；否则，认为不均匀。
优选地，所述攻击飞行器布置于飞机装载的布撒器上，所述布撒器的装填方式为攻击装填；所述攻击装填的布撒器中J枚飞行器全部为攻击飞行器；其中，J表示一个布撒器中飞行器的总数，J为大于1的整数。
优选地，所述步骤一中提到的各攻击飞行器根据所述虚拟特征点确定的目标区域包含相同的目标集合S1，具体为：不同的攻击飞行器根据所述位置基准调整自身的瞄准方向，不同的攻击飞行器具有相同的视野范围，瞄准同一个位置基准，并且不同的攻击飞行器均以所述位置基准为起点，按照先向下后向上的方式按行识别目标，获得相同的目标集合S1。
优选地，所述步骤二中提到的外包络椭圆的中心(x 0，y 0)为目标集合S1中的每个目标点(u i ，v i )的平均值；其中(u i ，v i )为各攻击飞行器自身的图像坐标系中各目标点i的坐标；
所述X轴的方向角为X轴与各攻击飞行器自身的图像坐标系的横轴u轴的夹角，所述X轴的方向角的确定方式如下：
若特征点信息由一个人工信标决定，方向角θ，
Figure 404270DEST_PATH_IMAGE002
其中，i表示目标个数，i=1，……，k，k为正整数，表示目标总数；
Figure 875703DEST_PATH_IMAGE003
表示目标集合S1中的每个目标点(u i ，v i )到外包络椭圆中心(x 0，y 0)的距离向量。
优选地，所述步骤三中提到的扇形区域包括独占扇形和共享扇形；
所述独占扇形为将目标区域划分为N个扇形区域，每个扇形区域对应N个攻击飞行器中的一个；所述共享扇形为将目标区域划分为N/2个扇形区域，每个扇形区域对应N个攻击飞行器中的两个，且两个攻击飞行器的编号为奇偶相邻的编号。
优选地，所述步骤三更进一步包括以下内容：当一个扇形区域包含多个目标时，各攻击飞行器以自身的编号为优先级，即攻击飞行器j在选择目标时，先模拟出前j-1号攻击飞行器选择的目标，从剩下没有被选择的目标中选择自己的目标；其中j为攻击飞行器编号，j∈J，J为大于1的整数，表示攻击飞行器总数；
所述各攻击飞行器根据目标与原点的欧氏距离和目标与扇形区域中心线的角度，决定目标分配情况，具体为：
当所述扇形区域为独占扇形且包含多个目标时，各攻击飞行器从与之对应的扇形区域中，通过对目标到原点的欧式距离和目标与扇形区域的中心线的夹角进行加权计算的方式，确定选择的目标；所述加权计算的公式为：
Figure 195826DEST_PATH_IMAGE004
其中，
Figure 625670DEST_PATH_IMAGE005
为选择的目标i；θ ji 为目标i与所在扇形区域中心线的夹角，D ji 为目标i与原点的欧氏距离；α为设置好的用于确定距离优先或者角度优先的融合因子，α的取值范围为（0,1）；
当所述扇形区域为共享扇形且包含多个目标时，每个扇形区域对应两枚攻击飞行器，其中一枚攻击飞行器按照角度优先的原则，选择与扇形区域中心线的夹角最小的目标；另一枚攻击飞行器按照距离优先的原则，选择与原点欧氏距离最小的目标。
与现有技术相比，本发明提供了一种复杂作战区域条件下多飞行器目标协同攻击方法，具备以下有益效果：
（1）本发明通过构造虚拟特征点保证各攻击飞行器识别获得包含相同的目标集合的目标区域，避免了多飞行器识别多目标范围不一致，识别混乱的情况。各攻击飞行器根据识别的多个目标，建立直角坐标系获得每个目标唯一的位置描述，进而更加合理地高效地实现多飞行器多目标分配。通过对目标区域划分扇形以及设置扇形区域与攻击飞行器的对应关系，实现最终的目标分配，当一个扇形区域包含多个目标情况根据目标与原点的欧氏距离和目标与扇形区域中心线的角度，决定目标分配情况，避免目标在多轮攻击中被轮空的情况，也避免同一目标被多次攻击的情况，提高了目标分配的准确度和可靠性，为更合理地进行打击目标提供了基础，提前规划好的目标分配策略，各攻击飞行器可以在无数据链通信条件下按照规划好的策略和信息进行攻击，避免了传统分配攻击策略中对通信条件以及主攻击飞行器的依赖。
（2）构造虚拟特征点时，考虑群目标分布的均匀程度，可以增强构造出的虚拟特征点与群目标位置结构特征的关联性，为后续的目标区分、定位、分配提供更好的可靠性。
（3）划分扇形区域包括独占扇形和共享扇形两种策略，可以防止只有独占扇形一种不能满足目标分布复杂难以分配的情况；同时，共享扇形中对于目标分配时，一枚攻击飞行器按照角度优先的原则，一枚攻击飞行器按照距离优先的原则，防止多个攻击飞行器攻击同一扇形中同一目标的情况，避免了资源浪费，提高了作战效率；各飞行器以编号为优先级，先模拟出之前的攻击飞行器选择的目标，再从剩下没有被选择的目标中选择自己的目标，进一步保证了编号作为优先级的准确性，更加有利于防止重复攻击的情况。
附图说明
图1为本发明多飞行器多目标时视场内的目标混淆状况示意图；
图2为本发明实施例1中栅格地图与目标分布示意图；
图3为本发明实施例1中目标均匀分布示意图；
图4为本发明实施例1中目标不均匀分布示意图；
图5为本发明实施例1中虚拟特征点情况下目标识别筛选示意图；
图6为本发明实施例1中目标完好情况下坐标系示意图；
图7为本发明实施例1中目标残缺情况下坐标系示意图；
图8为本发明实施例1中一个扇形区域包括多个目标示意图；
图9为本发明实施例1中12个扇形区域划分示意图；
图10为本发明实施例1中6个扇形区域划分示意图；
图11为本发明实施例1中布撒器装填示意图；
图12为本发明实施例1中攻击飞行器作战流程图；
图13为本发明实施例1中基于虚拟特征点的定位攻击过程示意图；
图14为本发明实施例1中基于虚拟特征点的破障攻击过程示意图；
图15为本发明实施例1中基于虚拟特征点的攻击摧毁过程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
基于对现有技术和应用背景的分析，可知无数据链情况下的多飞行器多目标协同技术，其难点主要体现在多飞行器之间如何协同、无协商情况下多个目标在各飞行器之间如何高效分配等方面。如图1所示，多个目标出现在不同攻击飞行器视场内，很难找到一个明显的区分方式。
本发明提供了一种基于虚拟特征点的多飞行器多目标协同攻击方法，飞机上装载多个布撒器，且均为攻击装填。各攻击飞行器基于虚拟特征点按照先向下后向上的原则对目标进行筛选，之后以各攻击飞行器识别的目标外围形成的外包络椭圆的中心为原点，以椭圆长轴为X轴，并根据具体情况确定X轴的方向角，建立直角坐标系，获得各目标的唯一位置描述。各攻击飞行器以编号为优先级，结合目标到原点的欧氏距离和目标与扇形区域中心线的角度综合考虑目标分配情况，进而进行攻击作战，每个撒器攻击完成之后，再启动下一布撒器中攻击飞行器的视觉系统，如此经过多轮攻击，完成在无数据链通信条件下多飞行器多目标的协同攻击作战。本发明通过提取虚拟特征点表征群目标中各目标的位置基准，各攻击飞行器根据位置基准确定包含相同的目标集合S1的目标区域，之后完成目标区域内群目标的分配与攻击。
下面结合附图并举实施例，对本发明进行详细描述。
实施例1：
一种复杂作战区域条件下多飞行器目标协同攻击方法，具体包括以下步骤：
步骤一、在群目标所在区域的内部提取虚拟信标即虚拟特征点，各攻击飞行器根据虚拟特征点确定的目标区域包含相同的目标集合S1。
攻击飞行器布置于飞机装载的布撒器上，布撒器的装填方式为攻击装填，攻击装填的布撒器中J枚飞行器全部为攻击飞行器；其中，J表示一个布撒器中飞行器的总数，J为大于1的整数。
攻击装填的方式无需释放人工信标到作战区域，故可以大量部署。装填方式的示意图如图11所示。各攻击飞行器地位相同，均能各自独立地识别目标、计算任务区域内的目标分布特性，并以此提取出特征点，实现目标的区分和分配，不需要领飞行器进行任务规划和分配。图11中包含12个攻击飞行器，这里不做具体数量限制，至少举例说明布置方式而已。
为了实现多飞行器对多个目标的高效区分，需要在战场中构造或提取可靠的特征点，进而以该特征点为基准点，实现对群目标的可靠区分。
鉴于战场情况较为复杂，基于人工构造基准点的策略无法保证任务的顺利完成。如任务区域大面积浸泡在水中时，人工基准无法在水面上长时间发光，从而极大地影响人工基准的使用。针对多飞行器攻击群目标的应用场景，为了提高战场群目标区分的可靠性，本专利采用虚拟信标即虚拟特征点的构造方式，利用群目标的位置信息，在群目标所在区域内提取出若干个特征点来构造基准点。
虚拟信标即虚拟特征点的提取方法为：在给定的群目标所在的区域内建立栅格地图，计算群目标中各个目标对每个栅格的影响并累加到每个栅格，每个栅格的影响值的空间分布构成群目标的分布特性曲面，根据群目标的分布特性曲面的均匀程度确定虚拟信标即虚拟特征点；若群目标的分布特性曲面均匀，则以所有识别到的目标的平均位置作为虚拟特征点；若群目标分布特性曲面不均匀，则以影响值最小的栅格位置作为虚拟特征点。
当在某些战场环境中人工构造基准点的方式无法使用时，可使用群目标中所有目标的位置数据，计算位置分布特性，从中提取目标分布的结构特征，得到一个虚拟特征点。
（1）目标分布特性的计算
为了判断目标位置的分布是否均匀，需要定义一个度量指标来定量地表示这种均匀程度。
首先，在识别到的目标区域内建立栅格地图，如图2所示，五角星表示目标。栅格地图的作用，是建立一个“影响曲面”，定量地计算所有目标的综合影响。当未发现目标时，栅格地图中的每个栅格的值均为0，地图整体表现为一个平面，此时栅格地图是均匀的，没有栅格是特殊的。当发现目标后，设识别到k个目标，其中第i个目标在栅格地图中所在栅格的坐标为(u i ，v i )，则在每个目标所在的栅格(u i ，v i )处，建立一个“钟形”高斯二维曲面，该曲面在栅格(u i ，v i )处为最大值，在其他栅格处的值较低，离栅格(u i ，v i )越远衰减越大。因此，在栅格(u i ，v i )处的这个钟形曲面就是目标i对整个栅格地图的影响。将所有k个目标的影响在栅格地图中进行叠加，就会形成一个影响曲面，体现了所有目标对整个栅格地图的综合影响。当目标分布较为均匀时，所有目标影响叠加后的最终影响曲面将是均匀的；而目标分布不均匀时，影响曲面将不具有均匀性，如出现较大的凹陷，有利于提取出特征点。
设识别到的目标图像坐标分别为[x i , y i ]，i=1,...,k，以像素为单位建立栅格地图，栅格地图的宽度W和高度H为:
Figure 273820DEST_PATH_IMAGE006
对栅格地图中的每个目标，计算其在栅格地图中每个点(u, v)处的影响，并累加到每个栅格，通过建立各目标对栅格影响的二维高斯函数，计算得到各目标对每个栅格的影响值，具体为：
Figure 548944DEST_PATH_IMAGE007
其中，g(u, v)为目标对图像坐标为(u, v)的栅格的影响值，i为目标个数，i=1，……，k，k为正整数，表示目标总数；u=1，……，m，表示栅格的行数，m为正整数；v=1，……，n，表示栅格的列数，n为正整数；(u i ，v i )表示第i个目标所在的栅格的图像坐标；σ u 表示根据目标之间行间距设置的方差变量；σ v 表示根据目标之间列间距设置的方差变量。方差变量σ u 和σ v 的值较小时将产生较大的局部影响，反之则产生较小的局部影响。
计算完毕后，栅格地图内每个栅格的值将代表各个目标对该栅格的综合影响，整体构成了一个特性曲面。进而，计算特性曲面的方差σ 2：
Figure 926835DEST_PATH_IMAGE008
其中，g(u, v)为目标对图像坐标为(u, v)的栅格影响的值，u=1，……，m为栅格的行数；v=1，……，n为栅格的列数；μ uv 为每个栅格所受影响的均值，
Figure 58739DEST_PATH_IMAGE009
使用曲面标准差σ和曲面峰峰值M，并根据不同的实际情况选择合适的阈值T，判断目标位置分布的结构均匀性unif是否为均匀。
曲面峰值M：
Figure 443453DEST_PATH_IMAGE010
其中，
Figure 256688DEST_PATH_IMAGE011
为目标对图像坐标为(u, v)的栅格影响的最大值，
Figure 551403DEST_PATH_IMAGE012
为目标对图像坐标为(u, v)的栅格影响的最小值。
根据分布特性曲面的方差σ 2和曲面峰值M，判断群目标的分布特性曲面是否均匀；若曲面峰值M与方差σ 2的比值，小于实际设定的分布特性曲面的阈值T，则认为群目标的分布特性曲面均匀；否则，认为不均匀，用公式表示为：
Figure 323050DEST_PATH_IMAGE013
。
（2）计算虚拟信标即虚拟特征点：若群目标分布特性曲面均匀，则以所有识别到的目标的平均位置作为虚拟特征点；若群目标分布特性曲面不均匀，则以影响值最小的栅格位置作为虚拟特征点。
如果均匀度unif为真，则表示目标分布特性均匀，无法提取出有效的基准点，此时的目标分布例如图3所示。
这时使用所有识别到的目标的平均位置作为基准点：
Figure 8110DEST_PATH_IMAGE014
其中，K为检测到的目标数，(x i, y i)为第i个目标的图像坐标，h∈K，(x 0, y 0)为计算得到的虚拟特征点的坐标值。
如果均匀度unif为假，则表示目标分布特性不均匀，此时的目标分布例如图4所示。
这时，可以提取出特性曲面中最小值所在栅格的位置(u 0, v 0)，进而换算为图像中的坐标(x s, y s)，作为有效的基准点。当存在两个相差不大的局部最小值点时，采用这两点位置的平均值作为基准点。
根据虚拟特征点，按照先向下后向上的原则，按行筛选目标区域的目标。
各攻击飞行器根据位置基准确定的目标区域包含相同的目标集合S1，具体为：不同的攻击飞行器根据所述位置基准调整自身的瞄准方向，不同的攻击飞行器具有相同的视野范围，瞄准同一个位置基准，并且不同的攻击飞行器均以所述位置基准为起点，按照先向下后向上的方式按行识别目标，获得相同的目标集合S1。
由于各飞行器姿态不同，其视场内看到目标既有重合又有错位，需要利用虚拟信标即虚拟特征点进行对齐。因此，各飞行器先使用虚拟特征点作为基准，对初始识别到的目标进行筛选。
在典型的应用场景中，目标的位置基本上呈现二维矩阵形式，目标按行、列排列。各飞行器在检测出目标集合S基础上，使用RANSAC+最小二乘算法，根据目标集中所有目标的坐标可以提取出行的方向，作为主方向；
然后，沿着通过特征点、垂直于主方向的直线，在图像空间内对应的预设宽度范围内（可以通过摄像机内参数和飞行器目距离估算）按行选择目标，得到目标集S1。在选择时，按照“先向下后向上”的优先级确定识别哪些行的目标。
“先向下”：沿特征点与目标主方向（横向）的垂线方向向下，按行识别目标。在每行识别中，按照与垂线的距离由近及远从之前识别到的目标集S中选择，实心的目标代表已经被选择的目标，空心的则没有被选择。“后向上”：当采用上述的向下识别过程结束后，识别到的目标数不够预设目标数时，再采用向上识别的方式，即从基准点出发，沿着特征点与目标主方向（横向）的垂线方向，向上依次按行从目标集S中继续识别目标，在每行识别中，按照与垂线的距离由近及远从之前识别到的目标集S中选择。
图5为在虚拟特征点情况下，每轮攻击时目标识别筛选示意图。其中五角星表示外包络椭圆的中心，挨着中心的竖线表示信标提供的搜索中心线，带圆圈的方块表示被识别的目标，最先面空白区域的方块表示通道内的目标，非空白区域即两端的方块，表示通道外目标。
步骤二、各攻击飞行器在无数据链通信条件下，各自根据自身识别的目标集合S1计算外包络椭圆的中心(x 0, y 0)，根据各攻击飞行器视野范围确定外包络椭圆的长轴和短轴，构建各攻击飞行器识别目标区域的外包络椭圆。
以外包络椭圆的中心(x 0, y 0)为原点，以外包络椭圆的长轴为X轴，并根据步骤一中提取的位置结构特征，确定X轴的方向角，建立直角坐标系，获得各目标的位置信息，同一目标的位置信息在不同的攻击飞行器中唯一且相同。其中，外包络椭圆中(x 0, y 0)为目标集合S1中的每个目标点(u i , v i )的平均值。X轴与图像坐标系的横轴u轴的夹角，为X轴的方向角。(u i , v i )为各攻击飞行器自身的图像坐标系中各目标点i的坐标。
使用上一步各攻击飞行器筛选得到的目标集合S1，可以在其中建立坐标系。群目标周围地形地貌相似，无明显标志性特征。多飞行器同时攻击时，在初始阶段视野既有相当大的重合又存在一定错位，在无数据链的前提下，很难对聚集的多个目标进行有效的区分，无法形成独立且唯一的编号，造成多枚飞行器药打击同一目标的情况，导致作战效能大幅下降。在这种情况下，需要在被识别的目标基础上建立坐标系，进而各飞行器根据分配算法各自选择不同的目标，分别实现对唯一目标的攻击。
各飞行器利用各自识别到的目标集合S1，利用下述公式拟合目标群的外包络椭圆的长轴方向角，X轴的方向角为X轴与各攻击飞行器自身的图像坐标系的横轴u轴的夹角，X轴的方向角θ的确定方式如下：
Figure 562719DEST_PATH_IMAGE015
其中，i表示目标个数，i=1，……，k，k为正整数，表示目标总数；
Figure 649624DEST_PATH_IMAGE016
表示目标集合S1中的每个目标点(u i , v i )到外包络椭圆中心(x 0, y 0)的距离向量；
Figure 388909DEST_PATH_IMAGE017
外包络椭圆中心(x 0, y 0)为目标集合S1中的每个目标点(u i , v i )的平均值。外包络椭圆中心(x 0, y 0)的公式表达为：
Figure 561265DEST_PATH_IMAGE018
。
然后利用拟合椭圆信息和基准点信息建立直角坐标系，以任意一个摄像机的视场为例，具体有两种情况：
（1）虚拟特征点，目标完好的情况。
坐标系原点为椭圆中心(x0,y0)，X轴方向角为拟合椭圆横轴方向角θ，如图6所示。
（2）虚拟特征点，目标残缺的情况。
坐标系原点为椭圆中心(x0,y0)，X轴方向角为拟合椭圆横轴角方向角θ，如图7所示。即无论目标完好还是残缺，坐标系原点和X轴方向角的确定方式都是一样的。
各飞行器建立坐标系的过程是互相独立的，筛选目标识别目标攻击目标的过程也是相互独立的，对于上述目标完好采用虚拟特征点的情况，一般是采用虚拟特征点的首轮攻击的情况，这时的这种情况下布撒器的攻击模式称为定位攻击。对于目标残缺的情况，一般是首轮攻击之后的后继攻击的情况，这种情况下布撒器的攻击模式称为破障攻击。当然也存在首次攻击就是破障攻击的情况，这样的情况可能是本身群目标分布就不均匀，也可能是在此之前遭受了其他的攻击或者摧毁导致不均匀，这个时候建立虚拟特征点就可以通过栅格地图找到影响最小的栅格的位置，具体建立虚拟特征点的过程步骤一已经记载，这里不再赘述。
步骤三、各攻击飞行器以自身建立的所述直角坐标系的原点为中心，将目标区域划分为若干个相同角度大小的扇形区域，设置扇形区域与攻击飞行器的对应关系，包括一个扇形区域对应一个攻击飞行器和一个扇形区域对应多个攻击飞行器。
当一个扇形区域只包含一个目标时，将该扇形区域中的目标分配给对应的攻击飞行器；当一个扇形区域包含多个目标时，各攻击飞行器根据目标与原点的欧氏距离和目标与扇形区域中心线的角度，决定目标分配情况。
目标分配的基本原理为：以坐标系原点为中心，引出N条射线，N=J，将目标区域分为N个相同大小的扇形区域。当每个扇形区域只包含一个目标时，各攻击飞行器直接分配与之对应相等的扇形编号中的目标；按逆时针方向对各扇形区域进行编号，扇形编号分别对应于各攻击飞行器的编号且相等，例如第j号攻击飞行器选择位于其第i个扇形区域中的目标，其中j为攻击飞行器编号，j∈J，J为大于1的整数，表示攻击飞行器总数。本实施例中，设置扇形区域与攻击飞行器的对应关系时，是通过分别设置编号的方式进行对应的，在具体实施过程中，虽然各攻击飞行器已经具备了编号，但不仅仅局限于设置编号进行对应方式，还可以选择其他方式和其他的对应关系。
本发明的目标分配算法要遵循一下几个原则要点：
（1）各飞行器选择目标时，使用相同的目标分配算法；这样可以避免不同的目标分配算法导致同一目标被多次攻击或者有目标被轮空不被选择的情况。
（2）为各飞行器分配编号，并以其编号为优先级；
（3）某飞行器选择目标时，先模拟出优先级比它高的飞行器选哪个目标；
（4）在此基础上，从剩下的目标中选出自己要打击的目标。
设攻击飞行器的个数为N，N=J，为各攻击飞行器分配目标的过程分为以下三个步骤：
（1）各飞行器已分别独立地在其识别到的目标集合上建立坐标系。
（2）以原点和X轴为基准，将目标区域分成若干个扇形区域，各飞行器按其编号被分配一个扇形区域。划分扇形区域的方式有两种：独占扇形和共享扇形。独立扇形是指将目标区域分为N个扇形，每个扇形分且只分配给N个攻击飞行器中的一个，每个扇形中的目标只由对应的那个攻击飞行器选取；共享扇形是指将目标区域分为N/2个扇区，每个扇形分配给两个攻击飞行器，其内的目标只由对应的那两个攻击飞行器选取。具体地，扇形区域包括独占扇形和共享扇形；独占扇形为将目标区域划分为N个扇形区域，每个扇形区域只分配给N个攻击飞行器中的一个；共享扇形为将目标区域划分为N/2个扇形区域，每个扇形区域分配N个攻击飞行器中的两个，且两个攻击飞行器的编号为奇偶相邻的编号。
（3）各飞行器按照一定的策略从所属扇形区域中选取自己的目标。
选取目标时，各飞行器面临的问题是选取距离原点最近的目标，还是距离所属扇形中分线角度距离最近的目标。如图8所示，对于属于图中所示扇区的攻击飞行器，其选择目标时，面临的两种典型情况是与原点欧氏距离更近的1号目标和与扇区中心线角度距离最近的2号目标，这就需要建立一个有效机制进行综合选取，即使用欧氏距离和角度距离的加权平均。
各攻击飞行器在获取到视场内的目标集后，以编号作为优先级按顺序依次选取自己待攻击的目标。各攻击飞行器j在选择目标i时，先模拟出前j-1号攻击飞行器选择的目标，从剩下没有被选择的目标中选择自己的目标，其中j为攻击飞行器编号，j∈J，J为大于1的整数，表示攻击飞行器总数。
以攻击飞行器j为例，它的优先级为j，即它需要在前j-1个攻击飞行器选剩下的目标中去选自己的目标。因此，攻击飞行器j按照目标分配算法，首先模拟从1号至j-1号攻击飞行器进行目标选取，依次计算出前j-1个攻击飞行器各选了哪些目标；然后，在剩下的未选择目标中根据同样的目标分配算法选择自己要攻击的目标。这样有利于减少各攻击飞行器在根据目标与原点的欧氏距离和目标与扇形区域中心线的角度决定目标分配情况的时候，多飞行器攻击同一目标的情况。
当一个扇形区域包含多个目标时，各攻击飞行器根据目标与原点的欧氏距离和目标与扇形区域中心线的角度，决定目标分配情况。
当独占扇形中包含多个目标时，各攻击飞行器从与之对应的扇形区域中，通过对目标到原点的欧式距离和目标与扇形区域的中心线的夹角进行加权计算的方式，确定选择的目标；加权计算的公式为：
Figure 903253DEST_PATH_IMAGE019
其中，
Figure 110244DEST_PATH_IMAGE020
为选择的目标i；θ ji 为目标i与所在扇形区域中心线的夹角，D ji 为目标i与原点的欧氏距离；α为设置好的用于确定距离优先或者角度优先的融合因子，α的取值范围为（0,1），用于决定攻击飞行器选择目标的偏重点，是与原点的欧氏距离优先还是与扇形区域中心角的角度距离优先。在具体实施过程中，α的具体取值根据实际情况确定，这里只是限制了其取值范围，对其具体数值不做具体限制。
如图9所示，各攻击飞行器具有独立的扇形区域和相同的目标选取算法。以坐标系原点为中心，将整个圆周分为等间隔的12个扇形区域，每个攻击飞行器按其编号在其对应的扇形区域内，按照相同的算法选取目标。这里划分为12个扇形区域只是举例说明，不是对扇形区域的数量做具体限制，实际过程中，可根据需求进行不同数量的扇形区域划分。
当共享扇形中包含多个目标时，每个扇形区域对应两枚攻击飞行器，其中一枚攻击飞行器按照角度优先的原则，选择与扇形区域中心线的夹角最小的目标；另一枚攻击飞行器按照距离优先的原则，选择与原点欧氏距离最小的目标。
在一具体实施例中，当共享扇形中包含多个目标时，设置每个扇形区域对应编号为奇数的攻击飞行器j 1和编号为偶数的攻击飞行器j 1+1；这里α的取值设置为0.8，对应的1-α为0.2。但本实施例中的取值只是经过试验和计算获得的最优取值，并不是限制在共享扇形中包含多个目标的情况中，选择夹角最小的权重就是0.8。也不限制编号为奇数的攻击飞行器必须选择夹角最小的目标。
在本实施例中，设置奇数攻击飞行器j 1按照角度优先的原则，选择与扇形区域中心线的夹角最小的目标：
Figure 20431DEST_PATH_IMAGE019
在本实施例中，设置偶数攻击飞行器j 1+1按照距离优先的原则，选择与原点欧氏距离最小的目标：
Figure 680082DEST_PATH_IMAGE021
。
各攻击飞行器具有共用的扇形区域和不同的目标选取算法。如图10所示，与策略1的区别是整个圆周分为等间隔的6个扇形区域，每个编号为奇数的攻击飞行器与其后继偶数编号攻击飞行器共用一个扇形区域（例如1和2共用一个扇形区域、3和4共用一个扇形区域，......），按照不同的算法选取目标。也即是说，在共用同一个扇形区域内选择目标的两个攻击飞行器，一个按照欧氏距离优先，一个按照角度距离优先。这里划分为6个扇形区域只是举例说明，不是对扇形区域的数量做具体限制，实际过程中，可根据需求进行不同数量的扇形区域划分。
按照上述方法，实现多飞行器多目标的有效分配，进行进行攻击可以不用依赖于数据链通信条件，各飞行器直接按照规划好的分配的方案选择攻击目标即可。
步骤四、各攻击飞行器根据目标分配情况，完成作战攻击。
布撒器内置N枚攻击飞行器，负责摧毁目标。攻击飞行器的工作过程流程图如图12所示。
本攻击流程中，为了显示具体流程设置了攻击目标为40米宽度，布撒器数量为4个，攻击飞行器数量为12个，布撒器释放时间间隔为6秒左右等参数，这些参数只是为了更清楚的阐述本发明的方案进行举例说明，并不是做具体限制，实际过程中，可以根据需要和实际情况自行设置。具体流程如下：
1）为攻击40米宽度内三排目标，飞机在地面加载4个布撒器，均为攻击装填（12枚攻击飞行器），所有布撒器中的每个子飞行器药的落地点均预先设置为本次任务区域的中心;
2）飞机飞行至距离目标区域适当距离后，释放第一个布撒器；
3）布撒器释放6对共12个攻击飞行器；
4）12枚攻击飞行器飞至视觉系统展开处（飞行器目距离≥1000米），启动视觉系统，识别人工信标。如果未识别到，则进行定位攻击，各攻击飞行器按定位攻击的预设算法，选出各自的目标进入锁定状态并攻击目标；
5）飞机在上一个布撒器释放后6s左右，释放下一个布撒器；这样可以防止上一次攻击产生的烟雾对后续攻击飞行器大的识别定位产生干扰，有利于保证攻击过程的顺利进行。
6）布撒器释放6对共12个攻击飞行器，攻击飞行器飞至视觉系统展开处（飞行器目距离≥1000米），启动视觉系统，识别目标并计算目标区域特性曲面，提取虚拟特征点，进入破障攻击，完成目标分配和导引攻击；
7）转5），直至所有布撒器完成攻击；
8）结束。
如图13所示，是目标均匀完整的情况下建立虚拟特征点进行定位攻击过程。图13中（a）是目标分布示意图，图13中（b）是每个飞行器的视野分布示意图，图13中（c）是判断群目标分布均匀，图13中（d）至（f）是建立坐标系的过程，图13中（g）是划分的扇形区域，各攻击飞行器根据优先级等进行攻击区域的选择。
如图14所示，是目标不均匀不完整的情况下建立虚拟特征点进行破障攻击过程。图14中（a）是判断群目标分布均匀，图14中（b）至（d）是建立坐标系的过程，图14中（e）是划分的扇形区域，各攻击飞行器根据优先级等进行攻击区域的选择。
如图15所示，以4个布撒器为例，示范说明本方法的布撒器摧毁效果，图15中（a）是攻击前的状态，图15中（b）是第一个布撒器定位和攻击后的状态，图15中（c）是第二个布撒器攻击后的状态，图15中（d）是第三个布撒器攻击后的状态，图15中（e）是第四个布撒器攻击后的状态。
本发明提供了一种基于虚拟特征点的多飞行器多目标协同攻击方法，各布撒器之间、同一布撒器内的各飞行器之间均无数据链通信机制，因此攻击任务的规划不依赖于数据链通信。各飞行器在完成目标的识别后，按照预设算法独立完成自己攻击任务的规划，确定需要攻击的目标。在这个过程中，不需要领飞行器角色统一规划任务和协同，彼此之间也不需交换任何信息。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种复杂作战区域条件下多飞行器目标协同攻击方法，其特征在于，通过提取虚拟特征点表征群目标中各目标的位置基准，各攻击飞行器根据所述位置基准确定包含相同的目标集合S1的目标区域，之后完成目标区域内群目标的分配与攻击，具体包括以下步骤：
步骤一、在群目标所在区域的内部提取虚拟信标，即虚拟特征点，各攻击飞行器根据所述虚拟特征点确定的目标区域包含相同的目标集合S1；
步骤二、各攻击飞行器在无数据链通信条件下，各自根据自身识别的目标集合S1计算外包络椭圆的中心(x 0，y 0)，根据各攻击飞行器视野范围确定外包络椭圆的长轴和短轴，构建各攻击飞行器识别目标区域的外包络椭圆；
以外包络椭圆的中心(x 0，y 0)为原点，以外包络椭圆的长轴为X轴，并根据步骤一中提取的位置结构特征，确定X轴的方向角，建立直角坐标系，获得各目标的位置信息，同一目标的位置信息在不同的攻击飞行器中唯一且相同；
步骤三、各攻击飞行器以自身建立的所述直角坐标系的原点为中心，将目标区域划分为若干个相同角度大小的扇形区域，设置扇形区域与攻击飞行器的对应关系，包括一个扇形区域对应一个攻击飞行器和一个扇形区域对应多个攻击飞行器；
当一个扇形区域只包含一个目标时，将该扇形区域中的目标分配给对应的攻击飞行器；当一个扇形区域包含多个目标时，各攻击飞行器根据目标与原点的欧氏距离和目标与扇形区域中心线的角度，决定目标分配情况；
步骤四、各攻击飞行器根据目标分配情况，完成作战攻击。
2.根据权利要求1所述的一种复杂作战区域条件下多飞行器目标协同攻击方法，其特征在于，所述步骤一中所提到的虚拟信标即虚拟特征点的提取方法为：在给定的群目标所在的区域内建立栅格地图，计算群目标中各个目标对每个栅格的影响并累加到每个栅格，每个栅格的影响值的空间分布构成群目标的分布特性曲面，根据群目标的分布特性曲面的均匀程度确定虚拟信标即虚拟特征点；若群目标的分布特性曲面均匀，则以所有识别到的目标的平均位置作为虚拟特征点；若群目标分布特性曲面不均匀，则以影响值最小的栅格位置作为虚拟特征点。
3.根据权利要求2所述的一种复杂作战区域条件下多飞行器目标协同攻击方法，其特征在于，格栅影响值的计算方式为：通过建立各目标对栅格影响的二维高斯函数，计算得到各目标对每个栅格的影响值，其计算公式为：
Figure 889732DEST_PATH_IMAGE001
其中，g(u, v)为目标对图像坐标为(u, v)的栅格的影响值，i为目标个数，i=1，……，k，k为正整数，表示目标总数；u=1，……，m，表示栅格的行数，m为正整数；v=1，……，n，表示栅格的列数，n为正整数；(u i ，v i )表示第i个目标所在的栅格的图像坐标；σ u 表示根据目标之间行间距设置的方差变量；σ v 表示根据目标之间列间距设置的方差变量。
4.根据权利要求2所述的一种复杂作战区域条件下多飞行器目标协同攻击方法，其特征在于，所述分布特性曲面的均匀程度的具体判断方式为：根据分布特性曲面的方差σ 2和曲面峰值M，判断群目标分布特性曲面是否均匀，即若曲面峰M与方差σ 2的比值小于实际设定的分布特性曲面的阈值T，则认为群目标分布特性曲面均匀；否则，认为不均匀。
5.根据权利要求1所述的一种复杂作战区域条件下多飞行器目标协同攻击方法，其特征在于，所述攻击飞行器布置于飞机装载的布撒器上，所述布撒器的装填方式为攻击装填；所述攻击装填的布撒器中J枚飞行器全部为攻击飞行器；其中，J表示一个布撒器中飞行器的总数，J为大于1的整数。
6.根据权利要求1所述的一种复杂作战区域条件下多飞行器目标协同攻击方法，其特征在于，所述步骤一中提到的各攻击飞行器根据所述虚拟特征点确定的目标区域包含相同的目标集合S1，具体为：不同的攻击飞行器根据所述位置基准调整自身的瞄准方向，不同的攻击飞行器具有相同的视野范围，瞄准同一个位置基准，并且不同的攻击飞行器均以所述位置基准为起点，按照先向下后向上的方式按行识别目标，获得相同的目标集合S1。
7.根据权利要求1所述的一种复杂作战区域条件下多飞行器目标协同攻击方法，其特征在于，所述步骤二中提到的外包络椭圆的中心(x 0，y 0)为目标集合S1中的每个目标点(u i ，v i )的平均值；其中(u i ，v i )为各攻击飞行器自身的图像坐标系中各目标点i的坐标；
所述X轴的方向角为X轴与各攻击飞行器自身的图像坐标系的横轴u轴的夹角，所述X轴的方向角的确定方式如下：
若特征点信息由一个人工信标决定，方向角θ，
Figure 446615DEST_PATH_IMAGE002
其中，i表示目标个数，i=1，……，k，k为正整数，表示目标总数；
Figure 510386DEST_PATH_IMAGE003
表示目标集合S1中的每个目标点(u i ，v i )到外包络椭圆中心(x 0，y 0)的距离向量。
8.根据权利要求1所述的一种复杂作战区域条件下多飞行器目标协同攻击方法，其特征在于，所述步骤三中提到的扇形区域包括独占扇形和共享扇形；
所述独占扇形为将目标区域划分为N个扇形区域，每个扇形区域对应N个攻击飞行器中的一个；所述共享扇形为将目标区域划分为N/2个扇形区域，每个扇形区域对应N个攻击飞行器中的两个，且两个攻击飞行器的编号为奇偶相邻的编号。
9.根据权利要求5所述的一种复杂作战区域条件下多飞行器目标协同攻击方法，其特征在于，所述步骤三更进一步包括以下内容：当一个扇形区域包含多个目标时，各攻击飞行器以自身的编号为优先级，即攻击飞行器j在选择目标时，先模拟出前j-1号攻击飞行器选择的目标，从剩下没有被选择的目标中选择自己的目标；其中j为攻击飞行器编号，j∈J，J为大于1的整数，表示攻击飞行器总数；
所述各攻击飞行器根据目标与原点的欧氏距离和目标与扇形区域中心线的角度，决定目标分配情况，具体为：
当所述扇形区域为独占扇形且包含多个目标时，各攻击飞行器从与之对应的扇形区域中，通过对目标到原点的欧式距离和目标与扇形区域的中心线的夹角进行加权计算的方式，确定选择的目标；所述加权计算的公式为：
Figure 443707DEST_PATH_IMAGE004
其中，
Figure 784690DEST_PATH_IMAGE005
为选择的目标i；θ ji 为目标i与所在扇形区域中心线的夹角，D ji 为目标i与原点的欧氏距离；α为设置好的用于确定距离优先或者角度优先的融合因子，α的取值范围为（0,1）；
当所述扇形区域为共享扇形且包含多个目标时，每个扇形区域对应两枚攻击飞行器，其中一枚攻击飞行器按照角度优先的原则，选择与扇形区域中心线的夹角最小的目标；另一枚攻击飞行器按照距离优先的原则，选择与原点欧氏距离最小的目标。
CN202211250413.6A 2022-10-13 2022-10-13 一种复杂作战区域条件下多飞行器目标协同攻击方法 Active CN115330272B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211250413.6A CN115330272B (zh) 2022-10-13 2022-10-13 一种复杂作战区域条件下多飞行器目标协同攻击方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211250413.6A CN115330272B (zh) 2022-10-13 2022-10-13 一种复杂作战区域条件下多飞行器目标协同攻击方法

Publications (2)

Publication Number Publication Date
CN115330272A true CN115330272A (zh) 2022-11-11
CN115330272B CN115330272B (zh) 2023-01-31

Family

ID=83913577

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211250413.6A Active CN115330272B (zh) 2022-10-13 2022-10-13 一种复杂作战区域条件下多飞行器目标协同攻击方法

Country Status (1)

Country Link
CN (1) CN115330272B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140282306A1 (en) * 2013-03-15 2014-09-18 Taiwan Semiconductor Manufacturing Company, Ltd. Layout Optimization for Integrated Design
CN107976899A (zh) * 2017-11-15 2018-05-01 中国人民解放军海军航空工程学院 一种基于有人/无人机协同作战系统的精确目标定位及打击方法
CN108562274A (zh) * 2018-04-20 2018-09-21 南京邮电大学 一种基于标志器的非合作目标位姿测量方法
CN115113651A (zh) * 2022-07-18 2022-09-27 中国电子科技集团公司第五十四研究所 一种基于椭圆拟合的无人机长僚协同覆盖寻优方法
CN115143969A (zh) * 2022-09-01 2022-10-04 北京理工大学 一种群目标位置结构特征检测及提取方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140282306A1 (en) * 2013-03-15 2014-09-18 Taiwan Semiconductor Manufacturing Company, Ltd. Layout Optimization for Integrated Design
CN107976899A (zh) * 2017-11-15 2018-05-01 中国人民解放军海军航空工程学院 一种基于有人/无人机协同作战系统的精确目标定位及打击方法
CN108562274A (zh) * 2018-04-20 2018-09-21 南京邮电大学 一种基于标志器的非合作目标位姿测量方法
CN115113651A (zh) * 2022-07-18 2022-09-27 中国电子科技集团公司第五十四研究所 一种基于椭圆拟合的无人机长僚协同覆盖寻优方法
CN115143969A (zh) * 2022-09-01 2022-10-04 北京理工大学 一种群目标位置结构特征检测及提取方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵洁: "变负载多旋翼飞行控制研究", 《科技与创新》 *

Also Published As

Publication number Publication date
CN115330272B (zh) 2023-01-31

Similar Documents

Publication Publication Date Title
CN107289950B (zh) 植保无人机作业航线规划方法及植保无人机
CN108829131B (zh) 一种基于多目标自适应变异鸽群优化的无人机集群避障法
CN110119773B (zh) 战略博弈系统的全局态势评估方法、系统和装置
CN111880563A (zh) 一种基于maddpg的多无人机任务决策方法
CN113791634B (zh) 一种基于多智能体强化学习的多机空战决策方法
CN106295164B (zh) 一种路径规划方法及电子设备
Kim et al. Response threshold model based UAV search planning and task allocation
CN105844068B (zh) 一种面向仿真的q学习攻击目标分配方法
CN111061995B (zh) 作战资源分配方法、第一设备及第二设备
CN106779210A (zh) 基于蚁群算法的火力分配方法
CN110381442B (zh) 一种基于隐式信息交互方式的群机器人目标搜索方法
CN111859541A (zh) 一种基于迁移学习改进的pmaddpg多无人机任务决策方法
WO2013169157A1 (en) Method and system of mission planning
CN101893441A (zh) 基于离差最大化及灰色关联分析的无人机航迹优选方法
CN108444336A (zh) 基于gnss模拟信号的无人机诱捕方法
CN115330272B (zh) 一种复杂作战区域条件下多飞行器目标协同攻击方法
CN112182917A (zh) 基于多目标优化的摄像设备布控优化方法、系统、设备及存储介质
CN112799148B (zh) 基于威胁角的多探测器协同探测空域配置方法及系统
Zheng et al. An intelligent target detection method of UAV swarms based on improved KM algorithm
CN115187147B (zh) 一种无数据链条件下多飞行器目标协同攻击方法
CN115143969B (zh) 一种群目标位置结构特征检测及提取方法
CN113703479B (zh) 一种基于高密值大纵深的武器配置方法和系统
CN115204524B (zh) 指挥决策突击方案的生成方法及电子设备
CN110007689B (zh) 反异构无人机的任务分配方法及装置
CN109324611A (zh) 一种基于基本行为自组织的群体机器人快速编队方法

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