CN115561752A - 一种多源灾情数据联机融合处理的方法和中空无人机 - Google Patents

Abstract

本发明公开了一种多源灾情数据联机融合处理的方法和中空无人机，该方法应用于中空无人机中，根据地面指挥系统下发的搜索指令在目标受损区域中多个指定采样点进行手机信号的采集，并获取初步手机信号数据；根据筛选出的各目标采样对象的偏移矢量数列对初步手机信号数据进行修正；根据各修正位置和目标受损区域内各建筑目标的位置生成压埋点初判结果；基于压埋点初判结果中各建筑压埋点的位置引导低空空域无人机以多点观测的方式进行雷达扫描；接收低空空域无人机上传的目标定位结果，将目标定位结果和压埋点初判结果进行融合并形成压埋点搜索结果，并将压埋点搜索结果传回地面指挥系统，从而可更加高效和准确的进行灾区应急救援。

Description

一种多源灾情数据联机融合处理的方法和中空无人机

技术领域

本申请涉及灾害应急救援技术领域，更具体地，涉及一种多源灾情数据联机融合处理的方法和中空无人机。

背景技术

灾害发生后，尽早准确地发现压埋人员是灾害应急救援的核心技术需求。随着城镇化的不断深入，在城镇环境中，这一需求面临较大的挑战。由于建筑倒塌压埋的复杂性，传统技术手段对受困人员的搜索与定位存在较大的难度。在这一背景下，从业人员通过多种手段开展针对性研究工作，以期实现压埋人员快速搜索与准确定位。

随着技术进步以及救援工作的发展，光学、通讯信号采集以及搜索雷达装备可被无人机搭载。通过空中机动的方式实现灾区各种数据的快速采集。由于无人机自主协同的工作模式，在应用中通常以多层联动的方式实现灾区数据采集、预处理与信息提取的一体化。即：在空中自组网的基础上，通过机群之间通讯实现线索提取-作业引导-数据汇聚-信息提取。这一方式一方面极大地提高了灾后救援态势感知能力，另一方面也形成更多问题。

不同类别的搜索装备由不同型号的无人机搭载。在数据采集过程中，受系统、测量以及环境等多种因素影响，其采集数据的空间属性(即：坐标)存在一定偏差。例如：手机信号采集数据标注的位置坐标与实际坐标存在一定距离偏差。在这一情况下，引导后续雷达精确扫描定位会造成误差，在建筑群密集的场景中，往往这一误差往往会导致错误的目标引导，造成时机延误甚至作业失败。上述问题对灾区灾情目标的快速分析判断形成较大影响。

因此，如何更加高效和准确的进行灾区应急救援，是目前有待解决的技术问题。

发明内容

本发明实施例提供一种多源灾情数据联机融合处理的方法和中空无人机，用以更加高效和准确的进行灾区应急救援。

一方面，提供一种多源灾情数据联机融合处理的方法，应用于中空无人机中，所述方法包括：

根据地面指挥系统下发的搜索指令在目标受损区域中多个指定采样点进行手机信号的采集，并获取初步手机信号数据，所述初步手机信号数据中每个手机信号为一个采样对象；

按预设筛选规则从所有所述采样对象中筛选出预设数量的目标采样对象，根据各所述目标采样对象的偏移矢量数列对所述初步手机信号数据进行修正，并得到各所述采样对象的修正位置；

根据各所述修正位置和所述目标受损区域内各建筑目标的位置生成压埋点初判结果，并确定所述压埋点初判结果下各建筑压埋点的位置；

基于各所述建筑压埋点的位置引导低空空域无人机分别对各所述建筑压埋点以多点观测的方式进行雷达扫描，以使所述低空空域无人机获取各所述建筑压埋点中生命特征信号的目标定位结果；

接收所述低空空域无人机上传的所述目标定位结果，将所述目标定位结果和所述压埋点初判结果进行融合并形成压埋点搜索结果，并将所述压埋点搜索结果传回所述地面指挥系统；

其中，在各所述指定采样点分别对所述采样对象采样后形成多个位置测量值，所述偏移矢量数列由单一所述采样对象的每两个所述位置测量值的差值形成。

另一方面提供一种中空无人机，所述中空无人机包括：

采集模块，用于根据地面指挥系统下发的搜索指令在目标受损区域中多个指定采样点进行手机信号的采集，并获取初步手机信号数据，所述初步手机信号数据中每个手机信号为一个采样对象；

修正模块，用于按预设筛选规则从所有所述采样对象中筛选出预设数量的目标采样对象，根据各所述目标采样对象的偏移矢量数列对所述初步手机信号数据进行修正，并得到各所述采样对象的修正位置；

生成模块，用于根据各所述修正位置和所述目标受损区域内各建筑目标的位置生成压埋点初判结果，并确定所述压埋点初判结果下各建筑压埋点的位置；

引导模块，用于基于各所述建筑压埋点的位置引导低空空域无人机分别对各所述建筑压埋点以多点观测的方式进行雷达扫描，以使所述低空空域无人机获取各所述建筑压埋点中生命特征信号的目标定位结果；

融合模块，用于接收所述低空空域无人机上传的所述目标定位结果，将所述目标定位结果和所述压埋点初判结果进行融合并形成压埋点搜索结果，并将所述压埋点搜索结果传回所述地面指挥系统；

其中，在各所述指定采样点分别对所述采样对象采样后形成多个位置测量值，所述偏移矢量数列由单一所述采样对象的每两个所述位置测量值的差值形成。

通过应用以上技术方案，在中空无人机中，根据地面指挥系统下发的搜索指令在目标受损区域中多个指定采样点进行手机信号的采集，并获取初步手机信号数据，初步手机信号数据中每个手机信号为一个采样对象；按预设筛选规则从所有采样对象中筛选出预设数量的目标采样对象，根据各目标采样对象的偏移矢量数列对初步手机信号数据进行修正，并得到各采样对象的修正位置；根据各修正位置和目标受损区域内各建筑目标的位置生成压埋点初判结果，并确定压埋点初判结果下各建筑压埋点的位置；基于各建筑压埋点的位置引导低空空域无人机分别对各建筑压埋点以多点观测的方式进行雷达扫描，以使低空空域无人机获取各建筑压埋点中生命特征信号的目标定位结果；接收低空空域无人机上传的目标定位结果，将目标定位结果和压埋点初判结果进行融合并形成压埋点搜索结果，并将压埋点搜索结果传回地面指挥系统；其中，在各指定采样点分别对采样对象采样后形成多个位置测量值，偏移矢量数列由单一采样对象的每两个位置测量值的差值形成，从而可更加高效和准确的进行灾区应急救援。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本发明实施例提出的一种多源灾情数据联机融合处理的方法的流程示意图；

图2示出了本发明实施例中5个指定采样点形成闭合路径的示意图；

图3示出了本发明实施例中生成压埋点初判结果的整体流程示意图；

图4示出了本发明实施例中生成压埋点初判结果的原理示意图；

图5示出了本发明另一实施例中生成压埋点初判结果的原理示意图；

图6示出了本发明又一实施例中生成压埋点初判结果的原理示意图；

图7示出了本发明实施例中将压埋点初判结果中建筑压埋点与手机信号进行聚合的流程示意图；

图8示出了本发明实施例中低空空域无人机获取各建筑压埋点中生命特征信号的目标定位结果的流程示意图；

图9示出了本发明实施例提出的一种中空无人机的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请实施例提供一种多源灾情数据联机融合处理的方法，以中空无人机采集的手机信号为基础，通过多点连续观测的方式建立空间属性容差处理机制，实现手机信号空间属性的自适应修正。在这一基础上，实现向上(与天基影像数据)聚合以及向下(雷达扫描数据)的联机融合处理，满足了密集建筑场景目标定位引导的要求。

如图1所示，该方法应用于中空无人机中，所述方法包括以下步骤：

步骤S101，根据地面指挥系统下发的搜索指令在目标受损区域中多个指定采样点进行手机信号的采集，并获取初步手机信号数据，所述初步手机信号数据中每个手机信号为一个采样对象。

本实施例中，地面指挥系统可与中空无人机和低空空域无人机进行无线通信，可向中空无人机和低空空域无人机下发搜索指令，也可接收中空无人机和低空空域无人机传回的搜索数据，中空无人机也可向低空空域无人机下发引导指令并接收低空空域无人机传回的搜索数据，由此实现地面指挥系统、中空无人机和低空空域无人机间的联机。其中，中空无人机的任务高度高于低空空域无人机的任务高度，可选的，中空无人机的任务高度可以在1000～7000m，低空空域无人机为低空无人机或超低空无人机，低空无人机的任务高度可以在100～1000m，超低空无人机的任务高度可以在0～100m。本实施例中，以中空无人机为能力节点，一方面通过自组网的方式实现覆盖区域内下层的低空\超低空无人机的数据交换与传输，另一方面，其搭载光学与通讯信号搜索载荷在巡飞过程中对覆盖区域进行数据采集。低空\超低空无人机利用雷达对具体点位进行精确扫描。

中空无人机搭载手机信号检测设备，接收地面指挥系统下发的搜索指令，根据该搜索指令在目标受损区域中多个指定采样点进行手机信号的采集，并获取初步手机信号数据，该初步手机信号数据中包括多个手机信号，每个手机信号为一个采样对象。

为了保证目标受损区域的准确性，在本申请一些实施例中，所述目标受损区域由受损区域范围、基础地理数据以及建筑数据进行叠加后形成，所述受损区域范围是从包括灾区遥感影像和航拍影像数据的影像数据中提取的。

在本申请具体的应用场景中，与目标受损区域对应的信息dInfo的定义如下：

dInfo＝{d_i|i＝1，2，...m}

d＝{ID，dGPS，offSet，objType，details，time}

其中：ID为提取信息的标识，dGPS为提取信息的坐标值，offset为当前影像数据的精度，objType为当前信息对应的建筑对象类别，details为信息的详情内容，time为提取信息的时间。

步骤S102，按预设筛选规则从所有所述采样对象中筛选出预设数量的目标采样对象，根据各所述目标采样对象的偏移矢量数列对所述初步手机信号数据进行修正，并得到各所述采样对象的修正位置。

本实施例中，由于中空无人机上的手机信号采集设备以及飞机定位导航模块存在一定的精度误差，导致采集的手机信号实际位置与测量位置存在偏差，该偏差包括距离以及角度两个分量。因此需要对各采样对象的位置进行修正。由于初步手机信号数据中的手机信号较多，为了提高数据处理效率，按预设筛选规则从所有采样对象中筛选出预设数量的目标采样对象，然后根据各目标采样对象的偏移矢量数列对初步手机信号数据进行修正，并得到各采样对象的修正位置。

在各指定采样点分别对采样对象采样后形成多个位置测量值，偏移矢量数列由单一采样对象的每两个位置测量值的差值形成，预设筛选规则可以为使目标采样对象在目标受损区域中均匀分布。

为了准确的对各采样对象的位置进行修正，在本申请一些实施例中，多个所述指定采样点形成闭合路径且第一个指定采样点和最后一个指定采样点在空间上互相重叠，根据各所述目标采样对象的偏移矢量数列对所述初步手机信号数据进行修正，并得到各所述采样对象的修正位置，具体为：

将各所述目标采样对象的偏移矢量数列作为目标数列，根据各所述目标数列建立高斯分布并求解最大似然值；

从各所述目标数列中，分别获取各所述目标采样对象下所述第一个指定采样点和所述最后一个指定采样点之间位置测量值的偏差值，并根据各所述偏差值的均值确定系统偏差量；

选取一个所述采样对象作为当前采样对象，以所述当前采样对象在各所述指定采样点的位置测量值为输入，以所述系统偏差量作为补偿，以所述最大似然值作为所述采样对象的真值与测量值的最大可能偏差量，构造最小二乘求解式，并求解获得所述当前采样对象的位置近似真值，选取下一个所述采样对象作为新的当前采样对象，直至求解获得所有所述采样对象的位置近似真值；

根据各所述位置近似真值得到各所述采样对象的修正位置。

本实施例中，手机信号实际位置与测量位置的偏差对后续雷达扫描引导以及多手段数据融合具有较大价值。该偏差不是一个固定值，其在系统误差范围内呈正态分布随机波动，需要在多点观测的基础上针对其实现测量以及处理。根据这一要求，以目标受损区域为基础，建立多点闭合采集路径，在特定点位进行区域手机信号的采集与信息提取。为便于处理，可选的，闭合路径可以为矩形。

在本申请具体的应用场景中，手机信号实际位置tPos与测量位置vPos的偏差为

具体的：

tPos＝{ID，Mac，GPS}

VPos＝{ID，Mac，GPS′}

其中：ID为数据标识；Mac为手机mac码，全局唯一，通过该Mac码实现多采集点位手机的匹配；GPS为手机信号的实际位置，GPS’为手机信号的测量位置。

以下以5个指定采样点为例，对各采样对象的位置进行修正的具体过程进行说明。

(1)确定目标数列。

如图2所示，针对目标受损区域采用闭合路径的方式建立指定采样点，包括采样点P1、采样点P2、采样点P3、采样点P4、采样点P5，其中采样点P1与采样点P5是在空间上互相重叠形成闭合。

针对特定采样对象(即特定手机信号)的采集数据集dataSet为：

dataSet＝{Mac，vPos_i|i＝1，2，...5}

在这一基础上计算获取每个采样点获取的目标测量偏移矢量(即每两个所述位置测量值的差值)

由此形成偏移矢量数列：

pData＝{(pk_ij)|i＝1，2，..5，j＝1，2，...5，i≠j}

这里，pData具体为：pk₁₂、pk₁₃、pk₁₄、pk₁₅、pk₂₃、pk₂₄、pk₂₅、pk₃₄、pk₃₅、pk₄₅，共10个差值。

在这一基础上，从所有所述采样对象中筛选出N个目标采样对象及其对应的多个位置测量值，进行上述计算，获得目标数列pDataSet：

pDataSet＝{pData_k|k＝1，2，....N}

根据前述内容pDataSet中具有10*N个pk值对象。这些pk值对象可以视为GPS数据测量时，真值与测量值的偏移量分布。

(2)建立高斯分布并求解最大似然值，确定系统偏差量。

根据各所述目标数列建立高斯分布：

将目标数列pDataSet代入，经过求解获得(σ_x，μ_x)，(σ_y，μ_y)，其中，Lx和Ly分别为x坐标分量(即距离)和y坐标分量(即角度)的最大似然求解函数；σ_x和σ_y分别为x坐标分量和y坐标分量的偏差量方差，pk_x ^(k)为第k个pk矢量对应的x坐标分量，pk_y ^(k)为第k个pk矢量对应的y坐标分量，μ_x为x坐标分量下真值与测量值的最大可能偏差量，μ_y为y坐标分量下真值与测量值的最大可能偏差量。

同时，计算系统偏差量rk_s：

即将N个rk₁₅求均值作为系统偏差量rk_s。

基于最大似然值和系统偏差量可分别确定出各采样对象的位置近似真值。

(3)选取一个采样对象作为当前采样对象，进行位置近似真值计算。

设定偏差距离参考量ds：

设定位置近似真值vPos^T：

vPos^T＝(x^T，y^T)

当前采样对象的全部指定采样点p1、p2、p3、p4、p5对应的坐标集：

计算p1～p5与vPos^TT之间的向量：

构造最小二乘求解式：

ρ_x，ρ_y为容差量，这里可以取值为rk_s。

求解获得所述当前采样对象的位置近似真值vPos^T＝(x^T，y^T)，其中，近似真值x^T，y^T与指定采样点p1～p5的矢量距之和为最小值，x^T，y^T与指定采样点p1～p5中任意一个的矢量偏移均小于(μ_x，μ_y)。

选取下一个采样对象作为新的当前采样对象，直至求解获得所有采样对象的位置近似真值，根据各位置近似真值得到各采样对象的修正位置。

需要说明的是，以上实施例的方案仅为本申请所提出的一种具体实现方案，其他根据各目标采样对象的偏移矢量数列对初步手机信号数据进行修正，并得到各采样对象的修正位置的方式均属于本申请的保护范围。

步骤S103，根据各所述修正位置和所述目标受损区域内各建筑目标的位置生成压埋点初判结果，并确定所述压埋点初判结果下各建筑压埋点的位置。

本实施例中，手机信号本身并不包括具体的压埋信息，因此需要将各修正位置和目标受损区域内各建筑目标的位置融合后才能判断哪些手机信号处于压埋位置，形成压埋点初判结果，该压埋点初判结果表明了哪些受损建筑下可能具有压埋生命目标的线索，并确定压埋点初判结果下各建筑压埋点的位置，以便后续引导低空空域无人机在各建筑压埋点完成精确雷达扫描作业。

在本申请具体的应用场景中，压埋点初判结果tts为：

tts＝{targetPos_k|k＝1，2，...p}，

targetPos＝{ID，tGPS，tRange，{tID_j|j＝1，2，....o}，dID}

其中：ID为当前压埋点初判结果的标识；tGPS为当前压埋点初判结果对应的坐标点位；tRange为当前压埋点初判结果的识别范围；tID为当前压埋点初判结果对应的全部手机信号tPos’的标识；dID为当前压埋点初判结果对应的建筑压埋点标识，与d中ID对应。

为了准确的生成压埋点初判结果，在本申请一些实施例中，根据各所述修正位置和所述目标受损区域内的各建筑目标的位置生成压埋点初判结果，如图3所示，具体包括以下步骤：

步骤S201，选取一个所述采样对象作为当前采样对象；

步骤S202，确定所述当前采样对象分别与各所述建筑目标之间的距离，并将所述距离不大于预设距离的建筑目标作为初筛建筑目标。

具体的，各采样对象的修正位置形成结果集合：

midData＝{(tPos′，tR)i|i＝1，2，....n}

其中，tPos’为所述修正位置，tR为与修正位置对应的手机信号半径。

为了减小中空无人机的计算负担，将在融合过程中，将建筑目标与采样对象的空间位置判断简化为距离计算，即确定当前采样对象分别与各建筑目标之间的距离：

dist＝findPair(tPos′，d)＝||dGPS-(X_t，Y_t)||，X_t，Y_t∈tPos′，dGPS∈d

在距离计算基础上，首选对建筑目标进行初筛，将距离不大于预设距离的建筑目标作为初筛建筑目标，预设距离可以为影像数据的精度offset与手机信号半径tR之和，初筛过程可以表示为：

iff(findPair(tPos′，d)＞tR+offset)then passCur(d)

tR∈tPos′，offset∈d，d∈dInfo

由此可以将距离不大于预设距离的建筑目标作为初筛建筑目标，从而筛除不在受损建筑及其周边的手机信号。

步骤S203，确定所述当前采样对象分别与各所述初筛建筑目标之间的距离中的最小距离，并确定与所述最小距离对应的最近初筛建筑目标。

具体的，确定当前采样对象分别与各初筛建筑目标之间的距离，取其中最小值为最小距离tck_min。

tck_min＝min{tck＝findPair(tPos′，d)}，tR∈tPos'，offSet∈d，tR+offSet＞tck

步骤S204，根据所述最小距离分别与影像数据的精度和所述当前采样对象的手机信号半径的比较结果生成所述压埋点初判结果。

本步骤中，影像数据为目标受损区域的影像数据，影像数据的精度可理解为影像数据的分辨率，将最小距离分别与影像数据的精度和当前采样对象的手机信号半径进行比较，根据比较结果生成压埋点初判结果。

步骤S205，是否存在未被选取的采样对象，若是执行步骤S206，否则执行步骤S207。

步骤S206，选取下一个所述采样对象作为新的当前采样对象，执行步骤S202。

步骤S207，根据各所述压埋点初判结果形成压埋点初判结果集。

需要说明的是，以上实施例的方案仅为本申请所提出的一种具体实现方案，其他根据各修正位置和目标受损区域内的各建筑目标的位置生成压埋点初判结果的方式均属于本申请的保护范围。

为了准确的生成压埋点初判结果，在本申请一些实施例中，所述步骤S204具体包括：

如图4所示，若最小距离tck_min大于精度offset且大于手机信号半径tR，将当前采样对象和最近初筛建筑目标在空间上融合，并生成压埋点初判结果targetPos，其中，压埋点初判结果targetPos的坐标tGPS是精度offset与手机信号半径tR中的最小值对应的位置坐标，压埋点初判结果的识别范围tRange为该最小值，也即，若最小值为精度offset，最小值对应的位置坐标为最近初筛建筑目标的坐标，压埋点初判结果的识别范围tRange为offset；若最小值为手机信号半径tR，最小值对应的位置坐标为当前采样对象的修正位置坐标，压埋点初判结果的识别范围tRange为tR。

如图5所示，若最小距离tck_min小于精度offset且大于手机信号半径tR，将当前采样对象和最近初筛建筑目标在空间上融合，并生成压埋点初判结果targetPos，其中，压埋点初判结果targetPos的坐标tGPS是最近初筛建筑目标的位置坐标，压埋点初判结果的识别范围tRange为精度offset；

如图6所示，若最小距离tck_min大于精度offset且小于手机信号半径tR，将当前采样对象和最近初筛建筑目标在空间上融合，并生成压埋点初判结果targetPos，其中，压埋点初判结果targetPos的坐标tGPS是当前采样对象的修正位置坐标，压埋点初判结果的识别范围tRange为手机信号半径tR。

需要说明的是，以上实施例的方案仅为本申请所提出的一种具体实现方案，其他根据最小距离分别与影像数据的精度和当前采样对象的手机信号半径的比较结果生成压埋点初判结果的方式均属于本申请的保护范围。

由于建筑分布以及人员压埋的特点，建筑废墟下可能压埋多个人员。因此需要对压埋点初判结果进行对象聚合，以建筑压埋点为基本单元引导低空空域无人机，因此，为了提高低空空域无人机的搜索效率，在本申请一些实施例中，在确定所述压埋点初判结果下各建筑压埋点的位置之后，如图7所示，所述方法还包括以下步骤：

步骤S301，从所有所述建筑压埋点中选取一个作为当前建筑压埋点；

步骤S302，将位于所述当前建筑压埋点范围内的采样对象聚合在所述当前建筑压埋点，并将位于所述当前建筑压埋点范围内的采样对象标记为已处理；

步骤S303，是否存在未被选取的建筑压埋点，若是执行步骤S304，否则执行步骤S305；

步骤S304，从所有所述建筑压埋点中选取下一个新的当前建筑压埋点，并执行步骤S302；

步骤S305，形成建筑压埋点与手机信号的聚合结果集。

步骤S104，基于各所述建筑压埋点的位置引导低空空域无人机分别对各所述建筑压埋点以多点观测的方式进行雷达扫描，以使所述低空空域无人机获取各所述建筑压埋点中生命特征信号的目标定位结果。

本实施例中，以压埋点初判结果中各建筑压埋点的位置为基础，中空无人机引导低空空域无人机实施抵近搜索作业。低空空域无人机根据引导抵达建筑压埋点的位置附近，以多点观测的方式利用机载雷达设备对压埋体内生命目标进行扫描，快速准确地获取压埋人员生命特征信号，从而获取各建筑压埋点中生命特征信号的目标定位结果。

为了使低空空域无人机准确的获取各建筑压埋点中生命特征信号的目标定位结果，在本申请一些实施例中，如图8所示，所述低空空域无人机获取各所述建筑压埋点中生命特征信号的目标定位结果的过程包括：

步骤S401，获取在全部采样点位获取的全部生命特征信号的观测值；

具体的，在本申请具体的应用场景中，观测值RDataSet的定义可以为：

RDataSet＝{ID，tarID，livPosSet，time}

livPosSet＝{livPos_i|i＝1，2，...n}

livPos＝{ID，workGPS，{(dID，1，ha，va)_j|j＝1，2，...m}}

其中，ID为数据记录的标识；tarID为当前定位任务对应的初判目标标识；livPosSet为扫描获取的具有生命特征的点位数据集合，其由一组livPos构成；time为采样时间。

在livePos中，其定义如下：

ID为当前数据记录；workGPS为当前采样时低空空域无人机的位置；dID为生命特征信号标识；l为该生命特征信号的极坐标距离；ha为生命特征信号水平极坐标角度；va为生命特征信号垂直极坐标角度。

为了便于对观测值进行数据处理，在本申请一些实施例中，各所述观测值采用由雷达信号极坐标系转换成的笛卡尔坐标系。

在具体的应用场景中，转换过程如下：

getXYZ(livePos)＝(x，y，z)

x＝workGPS.x+l*cos(va)*cos(ha)

y＝workGPS.y+l*cos(va)*sin(ha)

z＝l*sin(va)

举例来说，若低空空域无人机的采样点为p1、p2、p3、p4四个点位。对一个生命特征信号在这四个点位可能存在对应的观测值为：

livInfo＝{livPos₁，livPos₂，livPos₃，livPos₄}

观测值对应的坐标集为：

livLocation＝{(x，y，z)_j|j＝1，2，3，4}

步骤S402，从各所述观测值选取一个作为当前观测值；

步骤S403，所述当前观测值和距离所述当前观测值最近的最近观测值之间的距离是否小于预设雷达精度误差，若是执行步骤S404，否则执行步骤S407；

具体的，(x，y，z)₁～(x，y，z)_n并不完全重合，需要进行差值处理形成目标的近似真值位置结果。

为了准确的确定当前观测值和最近观测值之间的距离，在本申请一些实施例中，当前观测值和最近观测值之间的距离为将当前观测值的坐标和最近观测值的坐标分别加权后的差值，各观测值与其他观测值之间的距离可表示为：

其中：w1与w2为权重值，分别表示水平偏移量以及垂直偏移量的计算权重。有雷达在垂直方向上受的影响较大，因此通过这一方式对水平定位以及深度定位的误差影响区别处理，避免误差较大的情况干扰。可选的，w1＝0.8，w2＝0.2。

步骤S404，将所述当前观测值和所述最近观测值进行聚合，形成一个目标对象；

具体的，如果d_ij<预设雷达精度误差，则将(x，y，z)_i与(x，y，z)_j两个观测值看作同一个目标定位结果，将其做融合处理。

步骤S405，确定所述目标对象的最大近似真值位置；

步骤S406，将所述目标对象的最大近似真值位置作为新的当前观测值，并执行步骤S403；

步骤S407，确定所述当前观测值的最大近似真值位置；

具体的，如果d_ij≥预设雷达精度误差，则将(x，y，z)_i与(x，y，z)_j两个观测值看作不同的目标定位结果，不做融合处理。

步骤S408，是否存在未被选取的观测值，若是执行步骤S409，否则执行步骤S410；

步骤S409，选取下一个观测值作为新的当前观测值，执行步骤S403；

步骤S410，根据所有所述最大近似真值位置确定所述目标定位结果；

其中，所述最大近似真值位置是根据外轮廓最大的原则形成对所述当前观测值的最小包围圆的圆心。可以理解的是，该当前观测值为一个观测值或由多个观测值融合形成。

需要说明的是，以上实施例的方案仅为本申请所提出的一种具体实现方案，其他使低空空域无人机获取各建筑压埋点中生命特征信号的目标定位结果的方式均属于本申请的保护范围。

步骤S105，接收所述低空空域无人机上传的所述目标定位结果，将所述目标定位结果和所述压埋点初判结果进行融合并形成压埋点搜索结果，并将所述压埋点搜索结果传回所述地面指挥系统。

本实施例中，低空空域无人机完成多点全部观测值处理后行成目标定位结果，低空空域无人机将目标定位结果上传给中空无人机。中空无人机根据返回的目标定位结果与压埋点初判结果进行匹配，将雷达扫描数据提取的压埋人员信息与压埋点初判结果集进行融合，形成最终的压埋点搜索结果，并将压埋点搜索结果返回地面指挥系统。

通过应用以上技术方案，在中空无人机中，根据地面指挥系统下发的搜索指令在目标受损区域中多个指定采样点进行手机信号的采集，并获取初步手机信号数据，初步手机信号数据中每个手机信号为一个采样对象；按预设筛选规则从所有采样对象中筛选出预设数量的目标采样对象，根据各目标采样对象的偏移矢量数列对初步手机信号数据进行修正，并得到各采样对象的修正位置；根据各修正位置和目标受损区域内各建筑目标的位置生成压埋点初判结果，并确定压埋点初判结果下各建筑压埋点的位置；基于各建筑压埋点的位置引导低空空域无人机分别对各建筑压埋点以多点观测的方式进行雷达扫描，以使低空空域无人机获取各建筑压埋点中生命特征信号的目标定位结果；接收低空空域无人机上传的目标定位结果，将目标定位结果和压埋点初判结果进行融合并形成压埋点搜索结果，并将压埋点搜索结果传回地面指挥系统；其中，在各指定采样点分别对采样对象采样后形成多个位置测量值，偏移矢量数列由单一采样对象的每两个位置测量值的差值形成，从而可更加高效和准确的进行灾区应急救援。

本申请实施例还提出了一种中空无人机，如图9所述，该中空无人机包括：

采集模块10，用于根据地面指挥系统下发的搜索指令在目标受损区域中多个指定采样点进行手机信号的采集，并获取初步手机信号数据，所述初步手机信号数据中每个手机信号为一个采样对象；

修正模块20，用于按预设筛选规则从所有所述采样对象中筛选出预设数量的目标采样对象，根据各所述目标采样对象的偏移矢量数列对所述初步手机信号数据进行修正，并得到各所述采样对象的修正位置；

生成模块30，用于根据各所述修正位置和所述目标受损区域内各建筑目标的位置生成压埋点初判结果，并确定所述压埋点初判结果下各建筑压埋点的位置；

引导模块40，用于基于各所述建筑压埋点的位置引导低空空域无人机分别对各所述建筑压埋点以多点观测的方式进行雷达扫描，以使所述低空空域无人机获取各所述建筑压埋点中生命特征信号的目标定位结果；

融合模块50，用于接收所述低空空域无人机上传的所述目标定位结果，将所述目标定位结果和所述压埋点初判结果进行融合并形成压埋点搜索结果，并将所述压埋点搜索结果传回所述地面指挥系统；

其中，在各所述指定采样点分别对所述采样对象采样后形成多个位置测量值，所述偏移矢量数列由单一所述采样对象的每两个所述位置测量值的差值形成。

在具体的应用场景中，多个所述指定采样点形成闭合路径且第一个指定采样点和最后一个指定采样点在空间上互相重叠，修正模块20，具体用于：

根据各所述所述偏移矢量数列建立高斯分布并求解最大似然值；

从各所述所述偏移矢量数列中，分别获取各所述目标采样对象下所述第一个指定采样点和所述最后一个指定采样点之间位置测量值的偏差值，并根据各所述偏差值的均值确定系统偏差量；

选取一个所述采样对象作为当前采样对象，以所述当前采样对象在各所述指定采样点的位置测量值为输入，以所述系统偏差量作为补偿，以所述最大似然值作为所述采样对象的真值与测量值的最大可能偏差量，构造最小二乘求解式，并求解获得所述当前采样对象的位置近似真值，选取下一个所述采样对象作为新的当前采样对象，直至求解获得所有所述采样对象的位置近似真值；

根据各所述位置近似真值得到各所述采样对象的修正位置。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种多源灾情数据联机融合处理的方法，其特征在于，应用于中空无人机中，所述方法包括：

根据地面指挥系统下发的搜索指令在目标受损区域中多个指定采样点进行手机信号的采集，并获取初步手机信号数据，所述初步手机信号数据中每个手机信号为一个采样对象；

按预设筛选规则从所有所述采样对象中筛选出预设数量的目标采样对象，根据各所述目标采样对象的偏移矢量数列对所述初步手机信号数据进行修正，并得到各所述采样对象的修正位置；

根据各所述修正位置和所述目标受损区域内各建筑目标的位置生成压埋点初判结果，并确定所述压埋点初判结果下各建筑压埋点的位置；

基于各所述建筑压埋点的位置引导低空空域无人机分别对各所述建筑压埋点以多点观测的方式进行雷达扫描，以使所述低空空域无人机获取各所述建筑压埋点中生命特征信号的目标定位结果；

接收所述低空空域无人机上传的所述目标定位结果，将所述目标定位结果和所述压埋点初判结果进行融合并形成压埋点搜索结果，并将所述压埋点搜索结果传回所述地面指挥系统；

其中，在各所述指定采样点分别对所述采样对象采样后形成多个位置测量值，所述偏移矢量数列由单一所述采样对象的每两个所述位置测量值的差值形成。

2.如权利要求1所述的方法，其特征在于，多个所述指定采样点形成闭合路径且第一个指定采样点和最后一个指定采样点在空间上互相重叠，根据各所述目标采样对象的偏移矢量数列对所述初步手机信号数据进行修正，并得到各所述采样对象的修正位置，具体为：

将各所述目标采样对象的偏移矢量数列作为目标数列，根据各所述目标数列建立高斯分布并求解最大似然值；

从各所述目标数列中，分别获取各所述目标采样对象下所述第一个指定采样点和所述最后一个指定采样点之间位置测量值的偏差值，并根据各所述偏差值的均值确定系统偏差量；

选取一个所述采样对象作为当前采样对象，以所述当前采样对象在各所述指定采样点的位置测量值为输入，以所述系统偏差量作为补偿，以所述最大似然值作为所述采样对象的真值与测量值的最大可能偏差量，构造最小二乘求解式，并求解获得所述当前采样对象的位置近似真值，选取下一个所述采样对象作为新的当前采样对象，直至求解获得所有所述采样对象的位置近似真值；

根据各所述位置近似真值得到各所述采样对象的修正位置。

3.如权利要求1所述的方法，其特征在于，根据各所述修正位置和所述目标受损区域内的各建筑目标的位置生成压埋点初判结果，具体为：

步骤A1，选取一个所述采样对象作为当前采样对象；

步骤A2，确定所述当前采样对象分别与各所述建筑目标之间的距离，并将所述距离不大于预设距离的建筑目标作为初筛建筑目标；

步骤A3，确定所述当前采样对象分别与各所述初筛建筑目标之间的距离中的最小距离，并确定与所述最小距离对应的最近初筛建筑目标；

步骤A4，根据所述最小距离分别与影像数据的精度和所述当前采样对象的手机信号半径的比较结果生成所述压埋点初判结果；

步骤A5，是否存在未被选取的采样对象，若是执行步骤A6，否则执行步骤A7；

步骤A6，选取下一个所述采样对象作为新的当前采样对象，执行步骤A2；

步骤A7，根据各所述压埋点初判结果形成压埋点初判结果集。

4.如权利要求3所述的方法，其特征在于，所述步骤A4具体包括：

若所述最小距离大于所述精度且大于所述手机信号半径，将所述当前采样对象和所述最近初筛建筑目标在空间上融合，并生成所述压埋点初判结果，其中，所述压埋点初判结果的坐标是所述精度与所述手机信号半径中的最小值对应的位置坐标，所述压埋点初判结果的识别范围为所述最小值；

若所述最小距离小于所述精度且大于所述手机信号半径，将所述当前采样对象和所述最近初筛建筑目标在空间上融合，并生成所述压埋点初判结果，其中，所述压埋点初判结果的坐标是所述最近初筛建筑目标的位置坐标，所述压埋点初判结果的识别范围为所述精度；

若所述最小距离大于所述精度且小于所述手机信号半径，将所述当前采样对象和所述最近初筛建筑目标在空间上融合，并生成所述压埋点初判结果，其中，所述压埋点初判结果的坐标是所述当前采样对象的修正位置坐标，所述压埋点初判结果的识别范围为所述手机信号半径。

5.如权利要求1所述的方法，其特征在于，在确定所述压埋点初判结果下各建筑压埋点的位置之后，所述方法还包括：

步骤B1，从所有所述建筑压埋点中选取一个作为当前建筑压埋点；

步骤B2，将位于所述当前建筑压埋点范围内的采样对象聚合在所述当前建筑压埋点，并将位于所述当前建筑压埋点范围内的采样对象标记为已处理；

步骤B3，是否存在未被选取的建筑压埋点，若是执行步骤B4，否则执行步骤B5；

步骤B4，从所有所述建筑压埋点中选取下一个新的当前建筑压埋点，并执行步骤B2；

步骤B5，形成建筑压埋点与手机信号的聚合结果集。

6.如权利要求1所述的方法，其特征在于，所述低空空域无人机获取各所述建筑压埋点中生命特征信号的目标定位结果的过程包括：

步骤C1，获取在全部采样点位获取的全部生命特征信号的观测值；

步骤C2，从各所述观测值选取一个作为当前观测值；

步骤C3，所述当前观测值和距离所述当前观测值最近的最近观测值之间的距离是否小于预设雷达精度误差，若是执行步骤C4，否则执行步骤C7；

步骤C4，将所述当前观测值和所述最近观测值进行聚合，形成一个目标对象；

步骤C5，确定所述目标对象的最大近似真值位置；

步骤C6，将所述目标对象的最大近似真值位置作为新的当前观测值，并执行步骤C3；

步骤C7，确定所述当前观测值的最大近似真值位置；

步骤C8，是否存在未被选取的观测值，若是执行步骤C9，否则执行步骤C10；

步骤C9，选取下一个观测值作为新的当前观测值，执行步骤C3；

步骤C10，根据所有所述最大近似真值位置确定所述目标定位结果；

其中，所述最大近似真值位置是根据外轮廓最大的原则形成对所述当前观测值的最小包围圆的圆心。

7.如权利要求6所述的方法，其特征在于，各所述观测值采用由雷达信号极坐标系转换成的笛卡尔坐标系。

8.如权利要求1所述的方法，其特征在于，所述目标受损区域由受损区域范围、基础地理数据以及建筑数据进行叠加后形成，所述受损区域范围是从包括灾区遥感影像和航拍影像数据的影像数据中提取的。

9.一种中空无人机，其特征在于，所述中空无人机包括：

采集模块，用于根据地面指挥系统下发的搜索指令在目标受损区域中多个指定采样点进行手机信号的采集，并获取初步手机信号数据，所述初步手机信号数据中每个手机信号为一个采样对象；

修正模块，用于按预设筛选规则从所有所述采样对象中筛选出预设数量的目标采样对象，根据各所述目标采样对象的偏移矢量数列对所述初步手机信号数据进行修正，并得到各所述采样对象的修正位置；

生成模块，用于根据各所述修正位置和所述目标受损区域内各建筑目标的位置生成压埋点初判结果，并确定所述压埋点初判结果下各建筑压埋点的位置；

引导模块，用于基于各所述建筑压埋点的位置引导低空空域无人机分别对各所述建筑压埋点以多点观测的方式进行雷达扫描，以使所述低空空域无人机获取各所述建筑压埋点中生命特征信号的目标定位结果；

融合模块，用于接收所述低空空域无人机上传的所述目标定位结果，将所述目标定位结果和所述压埋点初判结果进行融合并形成压埋点搜索结果，并将所述压埋点搜索结果传回所述地面指挥系统；

其中，在各所述指定采样点分别对所述采样对象采样后形成多个位置测量值，所述偏移矢量数列由单一所述采样对象的每两个所述位置测量值的差值形成。

10.如权利要求9所述的中空无人机，其特征在于，多个所述指定采样点形成闭合路径且第一个指定采样点和最后一个指定采样点在空间上互相重叠，所述修正模块，具体用于：

根据各所述所述偏移矢量数列建立高斯分布并求解最大似然值；

从各所述所述偏移矢量数列中，分别获取各所述目标采样对象下所述第一个指定采样点和所述最后一个指定采样点之间位置测量值的偏差值，并根据各所述偏差值的均值确定系统偏差量；

选取一个所述采样对象作为当前采样对象，以所述当前采样对象在各所述指定采样点的位置测量值为输入，以所述系统偏差量作为补偿，以所述最大似然值作为所述采样对象的真值与测量值的最大可能偏差量，构造最小二乘求解式，并求解获得所述当前采样对象的位置近似真值，选取下一个所述采样对象作为新的当前采样对象，直至求解获得所有所述采样对象的位置近似真值；

根据各所述位置近似真值得到各所述采样对象的修正位置。

Images