CN115840463B - 一种用于无人机集群协同侦察的数据处理方法及装置 - Google Patents
一种用于无人机集群协同侦察的数据处理方法及装置 Download PDFInfo
- Publication number
- CN115840463B CN115840463B CN202211475918.2A CN202211475918A CN115840463B CN 115840463 B CN115840463 B CN 115840463B CN 202211475918 A CN202211475918 A CN 202211475918A CN 115840463 B CN115840463 B CN 115840463B
- Authority
- CN
- China
- Prior art keywords
- target
- unmanned aerial
- aerial vehicle
- track
- area
- 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
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明公开了一种用于无人机集群协同侦察的数据处理方法及装置,该方法包括:基于获取的任务区域和无人机集合,确定出无人机集群;无人机集群中的目标无人机包括一个第一无人机和若干个第二无人机;第一无人机用于汇总协同第二无人机的侦察数据;基于任务区域和无人机集群,确定出目标任务网格区域;基于目标任务网格区域和无人机集群,确定出目标航迹信息集合;目标航迹信息集合包括若干个目标航迹信息;目标航迹信息用于对第一无人机和第二无人机对任务区域进行协同目标侦察。可见,本发明有利于在减小资源消耗前提下,提高无人机群协同侦察效率。
Description
技术领域
本发明涉及无人机技术领域,尤其涉及一种用于无人机集群协同侦察的数据处理方法及装置。
背景技术
随着现在科学技术的进步,无人机成为近几年来空中作战飞机的发展热点。无人机相对有人机具有诸多优点,包括突出的机动性和灵活性,较低的生产成本和较大的负载能力等。由无人机组成的无人机集群,通过合理的组织和协同,构成了具有抗摧毁性、低成本、功能分布化等优势和智能特征的作战体系,因此被广泛应用于情报侦察、战场监视以及地形测绘等各个领域,多机协同指挥控制、多机协同动态规划、侦察数据的快速处理和评估等成为无人机集群作战的关键技术。传统无人机集群协同侦察任务规划普遍存在资源消耗大和效率不高等问题。因此,提供一种用于无人机集群协同侦察的数据处理方法及装置,以在减小资源消耗前提下,提高无人机群协同侦察效率。
发明内容
本发明所要解决的技术问题在于,有利于在减小资源消耗前提下,提高无人机群协同侦察效率。
为了解决上述技术问题,本发明实施例第一方面公开了一种用于无人机集群协同侦察的数据处理方法,所述方法包括:
基于获取的任务区域和无人机集合,确定出无人机集群;所述无人机集群中的目标无人机包括一个第一无人机和若干个第二无人机;所述第一无人机用于汇总协同所述第二无人机的侦察数据;
基于所述任务区域和所述无人机集群,确定出目标任务网格区域;
基于所述目标任务网格区域和所述无人机集群,确定出目标航迹信息集合;所述目标航迹信息集合包括若干个目标航迹信息;所述目标航迹信息用于对所述第一无人机和所述第二无人机对所述任务区域进行协同目标侦察。
作为一种可选的实施方式,在本发明实施例第一方面中,所述基于所述任务区域和所述无人机集群,确定出目标任务网格区域,包括:
基于预设的网格规格对所述任务区域进行多网格划分,得到待用网格区域集合;所述待用网格区域集合包括至少一个待用网格区域;
基于所述无人机集群和所述待用网格区域集合,确定出目标任务网格区域。
作为一种可选的实施方式,在本发明实施例第一方面中,所述基于所述无人机集群和所述待用网格区域集合,确定出目标任务网格区域,包括:
基于信息熵模型对所述无人机集群和所述待用网格区域集合进行计算处理,得到目标信息熵;
基于所述目标信息熵和预测周期,确定出信息熵减少量;
基于所述信息熵减少量,确定出目标任务网格区域。
作为一种可选的实施方式,在本发明实施例第一方面中,所述基于信息熵模型对所述无人机集群和所述待用网格区域集合进行计算处理,得到目标信息熵,包括:
获取所述待用网格区域集合对应的目标概率集合;所述目标概率集合包括若干个目标概率;
对所述待用网格区域集合进行分类,得到第一网格区域集合和第二网格区域集合;所述第一网格区域集合中的第一网格区域表征还未被所述无人机集群进行协同目标侦察的待用网格区域;所述第二网格区域集合中的第二网格区域表征已被所述无人机集群进行协同目标侦察的待用网格区域;
判断所述第一网格区域集合中是否存在所述第一网格区域,得到区域判断结果;
当所述区域判断结果为是时,对于任一所述第二网格区域,计算该第二网格区域对应的搜索概率;
利用所述搜索概率对该第二网格区域对应的目标概率进行更新;
利用信息熵模型对所述目标概率集合进行计算,得到目标信息熵;
其中,所述信息熵模型为
式中,H(t)为信息熵;i,j为所述待用网格区域对应的坐标值;E为所述待用网格区域对应的坐标集;pij(t)为t时刻对应的目标概率。
作为一种可选的实施方式,在本发明实施例第一方面中,所述基于所述目标任务网格区域和所述无人机集群,确定出目标航迹信息集合,包括:
对于任一所述目标无人机,基于所述目标任务网格区域,确定出该目标无人机对应的规划轨迹;
基于所述目标无人机的速度变化信息和所有所述规划轨迹,确定出航迹协同时间;
基于所述航迹协同时间和所有所述规划轨迹,确定出目标航迹信息集合。
作为一种可选的实施方式,在本发明实施例第一方面中,所述基于所述目标任务网格区域,确定出该目标无人机对应的规划轨迹,包括:
对所述目标任务网格区域进行方形区域分割,得到方形子区域集合;
对所述方形子区域集合进行识别归类,得到待用搜索区域集合;
基于代价模型集,对所述待用搜索区域集合中的待用搜索区域进行代价值计算,得到路径长度值集合;所述代价模型集包括至少2个代价模型;
从所述路径长度值集合中筛选出与预设长度值匹配度最高的路径长度值作为目标路径长度值;
基于所述目标路径长度值对应的航迹点,确定出该目标无人机对应的规划轨迹。
作为一种可选的实施方式,在本发明实施例第一方面中,所述目标航迹信息包括航速信息和飞航高度信息;
所述基于所述航迹协同时间和所有所述规划轨迹,确定出目标航迹信息集合,包括:
对于任一所述规划轨迹,基于该规划轨迹对应的航迹点,获取所述航迹点对应的可飞轨迹信息;所述可飞轨迹信息表征所述目标无人机在所述目标任务网格区域可飞行的空间环境情况;
基于所述可飞轨迹信息和所述航迹点的先后关系,确定出该规划轨迹对应的飞航高度信息;所述飞航高度信息包括若干个飞航高度;所述飞航高度表征相邻两个所述航迹点之间所述目标无人机的飞行高度;
对所述航迹协同时间和该规划轨迹对应的路径长度进行计算,得到该规划轨迹对应的航速信息。
本发明实施例第二方面公开了一种用于无人机集群协同侦察的数据处理装置,装置包括:
获取模块,用于基于获取的任务区域和无人机集合,确定出无人机集群;所述无人机集群中的目标无人机包括一个第一无人机和若干个第二无人机;所述第一无人机用于汇总协同所述第二无人机的侦察数据;
第一确定模块,用于基于所述任务区域和所述无人机集群,确定出目标任务网格区域;
第二确定模块,用于基于所述目标任务网格区域和所述无人机集群,确定出目标航迹信息集合;所述目标航迹信息集合包括若干个目标航迹信息;所述目标航迹信息用于对所述第一无人机和所述第二无人机对所述任务区域进行协同目标侦察。
本发明第三方面公开了另一种用于无人机集群协同侦察的数据处理装置,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明实施例第一方面公开的用于无人机集群协同侦察的数据处理方法中的部分或全部步骤。
本发明第四方面公开了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令被调用时,用于执行本发明实施例第一方面公开的用于无人机集群协同侦察的数据处理方法中的部分或全部步骤。
与现有技术相比,本发明实施例具有以下有益效果:
本发明实施例中,基于获取的任务区域和无人机集合,确定出无人机集群;无人机集群中的目标无人机包括一个第一无人机和若干个第二无人机;第一无人机用于汇总协同第二无人机的侦察数据;基于任务区域和无人机集群,确定出目标任务网格区域;基于目标任务网格区域和无人机集群,确定出目标航迹信息集合;目标航迹信息集合包括若干个目标航迹信息;目标航迹信息用于对第一无人机和第二无人机对任务区域进行协同目标侦察。可见,本发明有利于在减小资源消耗前提下,提高无人机群协同侦察效率。
附图说明
为了更清楚地说明本发明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发明的一些实施例,对于本领域普通技术人员来讲,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是本发明实施例公开的一种用于无人机集群协同侦察的数据处理方法的流程示意图;
图2是本发明实施例公开的一种用于无人机集群协同侦察的数据处理装置的结构示意图;
图3是本发明实施例公开的另一种用于无人机集群协同侦察的数据处理装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种用于无人机集群协同侦察的数据处理方法及装置,有利于在减小资源消耗前提下,提高无人机群协同侦察效率。以下分别进行详细说明。
实施例一
请参阅图1,图1是本发明实施例公开的一种用于无人机集群协同侦察的数据处理方法的流程示意图。其中,图1所描述的用于无人机集群协同侦察的数据处理方法应用于无人机系统中,如用于无人机集群协同侦察的数据处理管理的本地服务器或云端服务器等,本发明实施例不做限定。如图1所示,该用于无人机集群协同侦察的数据处理方法可以包括以下操作:
101、基于获取的任务区域和无人机集合,确定出无人机集群。
本发明实施例中,上述无人机集群中的目标无人机包括一个第一无人机和若干个第二无人机。
本发明实施例中,上述第一无人机用于汇总协同第二无人机的侦察数据。
102、基于任务区域和无人机集群,确定出目标任务网格区域。
103、基于目标任务网格区域和无人机集群,确定出目标航迹信息集合。
本发明实施例中,目标航迹信息集合包括若干个目标航迹信息。
本发明实施例中,目标航迹信息用于对第一无人机和第二无人机对任务区域进行协同目标侦察。
需要说明的是,无人机集群对同一区域侦察时,既要保障无人机平台自身的安全也要保障集群对区域侦察范围的最大化,对每架无人机平台分配合理的侦察子区域、对每架无人机平台规划最优的路径、指挥平台能够保障无人机之间进行分布式协调、任务分配、消解冲突和提高效率是本申请实施例的重要有益效果。
需要说明的是,目标无人机包括机动组件、传感器组件、通信组件和侦察任务组件。机动组件为目标无人机提供灵活机动能力;传感器组件为目标无人机提供战场态势感知能力;通信组件保障目标无人机之间的信息共享能力;侦察任务组件为目标无人机提供指挥调度能力和侦察能力,侦察任务组件包括协同侦察任务模块和协同自主路径规划模块两个部分。
可见,实施本发明实施例所描述的用于无人机集群协同侦察的数据处理方法能够通过获取出库订单信息,再利用订单类型确定规则确定出出库订单类型信息,进而确定目标订单,有利于在减小资源消耗前提下,提高无人机群协同侦察效率。
在一个可选的实施例中,上述基于任务区域和无人机集群,确定出目标任务网格区域,包括:
基于预设的网格规格对任务区域进行多网格划分,得到待用网格区域集合;待用网格区域集合包括至少一个待用网格区域;
基于无人机集群和待用网格区域集合,确定出目标任务网格区域。
需要说明的是,上述网格规格表征每个待用网格区域的大小。
可见,实施本发明实施例所描述的用于无人机集群协同侦察的数据处理方法有利于在减小资源消耗前提下,提高无人机群协同侦察效率。
在另一个可选的实施例中,基于无人机集群和待用网格区域集合,确定出目标任务网格区域,包括:
基于信息熵模型对无人机集群和待用网格区域集合进行计算处理,得到目标信息熵;
基于目标信息熵和预测周期,确定出信息熵减少量;
基于信息熵减少量,确定出目标任务网格区域。
需要说明的是,上述基于目标信息熵和预测周期,确定出信息熵减少量是利用信息熵增益模型计算的。具体的,信息熵增益模型为
IG(t+H)=H(t+H-1)-H(t);
其中,IG(t+H)为信息熵减少量;H为预期周期。
可选的,上述确定出目标任务网格区域是基于人工智能系统直接计算出来的。
可见,实施本发明实施例所描述的用于无人机集群协同侦察的数据处理方法有利于在减小资源消耗前提下,提高无人机群协同侦察效率。
在又一个可选的实施例中,基于信息熵模型对无人机集群和待用网格区域集合进行计算处理,得到目标信息熵,包括:
获取待用网格区域集合对应的目标概率集合;目标概率集合包括若干个目标概率;
对待用网格区域集合进行分类,得到第一网格区域集合和第二网格区域集合;第一网格区域集合中的第一网格区域表征还未被无人机集群进行协同目标侦察的待用网格区域;第二网格区域集合中的第二网格区域表征已被无人机集群进行协同目标侦察的待用网格区域;
判断第一网格区域集合中是否存在第一网格区域,得到区域判断结果;
当区域判断结果为是时,对于任一第二网格区域,计算该第二网格区域对应的搜索概率;
利用搜索概率对该第二网格区域对应的目标概率进行更新;
利用信息熵模型对目标概率集合进行计算,得到目标信息熵;
其中,信息熵模型为
式中,H(t)为信息熵;i,j为待用网格区域对应的坐标值;E为待用网格区域对应的坐标集;pij(t)为t时刻对应的目标概率。
在该可选的实施例中,作为一种可选的实施方式,上述计算该第二网格区域对应的搜索概率,包括:
接收目标无人机的侦察结果;
当侦察结果为第二网格区域存在目标时,利用第一搜索模型进行概率计算,得到该第二网格区域对应的搜索概率;
当侦察结果为第二网格区域不存在目标时,利用第二搜索模型进行概率计算,得到该第二网格区域对应的搜索概率。
具体的,上述第一搜索模型为
其中,pD为目标无人机侦察到第二网格区域中存在目标的检测概率;pF为目标无人机虚警概率;pij(t-1)为t-1时刻对应的目标概率。
进一步的,上述虚警概率表征目标无人机在不存在目标的第二网格区域侦察到目标的概率情况。
具体的,上述第二搜索模型为
可见,实施本发明实施例所描述的用于无人机集群协同侦察的数据处理方法有利于在减小资源消耗前提下,提高无人机群协同侦察效率。
在又一个可选的实施例中,基于目标任务网格区域和无人机集群,确定出目标航迹信息集合,包括:
对于任一目标无人机,基于目标任务网格区域,确定出该目标无人机对应的规划轨迹;
基于目标无人机的速度变化信息和所有规划轨迹,确定出航迹协同时间;
基于航迹协同时间和所有规划轨迹,确定出目标航迹信息集合。
需要说明的是,上述通过对目标无人机的速度变化信息的速度变化范围和规划轨迹对应的路径长度来综合确定航迹协同时间,以使所有的目标无人在航迹协同时间内同时到达目标点。
可见,实施本发明实施例所描述的用于无人机集群协同侦察的数据处理方法能够结合目标订单、验货区信息和验货区分配规则,确定目标订单对应的目标验货区,更有利于在减小资源消耗前提下,提高无人机群协同侦察效率。
在一个可选的实施例中,上述基于目标任务网格区域,确定出该目标无人机对应的规划轨迹,包括:
对目标任务网格区域进行方形区域分割,得到方形子区域集合;
对方形子区域集合进行识别归类,得到待用搜索区域集合;
基于代价模型集,对待用搜索区域集合中的待用搜索区域进行代价值计算,得到路径长度值集合;代价模型集包括至少2个代价模型;
从路径长度值集合中筛选出与预设长度值匹配度最高的路径长度值作为目标路径长度值;
基于目标路径长度值对应的航迹点,确定出该目标无人机对应的规划轨迹。
可选的,上述待用搜索区域集合中的待用搜索区域表征将被考虑来寻找最小路径长度值的区域。
可选的,上述代价模型包括第一代价模型和第二代价模型。
具体的,第一代价模型为
f(n)=g(n)+h(n);
其中,f(n)为节点n从初始点到目标点的路径长度值;g(n)为在状态空间中从初始节点到n节点的实际路径长度值;h(n)为从n到目标节点最佳路径的估计路径长度值。
具体的,第二代价模型为
f(n)=kf1(n)+(1-k)J(n);
其中,f1(n)为雷达或地空导弹的威胁路径长度值,k威胁权重系数,J(n)为飞行过程的燃油路径长度值。
在该可选的实施例中,作为一种可选的实施方式,上述基于代价模型集,对待用搜索区域集合中的待用搜索区域进行代价值计算,得到路径长度值集合,包括:
从待用搜索区域集合中筛选满足路径条件的待用搜索区域作为目标待用搜索区域;路径条件为目标无人机从起始点到目标点要经过的待用搜索区域;
对于任一目标待用搜索区域,判断所有目标待用搜索区域中是否存在导弹威胁,得到威胁判断结果;导弹威胁表征目标待用搜索区域存在威胁目标无人机飞行的威胁对象;
当威胁判断结果为是时,利用第二代价模型对目标待用搜索区域进行路径长度计算,得到该目标待用搜索区域对应的路径长度值;
当威胁判断结果为否时,利用第一代价模型对目标待用搜索区域进行路径长度计算,得到该目标待用搜索区域对应的路径长度值。
可选的,上述威胁对象可以为地面雷达,也可以地空导弹,本发明实施例不做限定。
可选的,上述基于目标路径长度值对应的航迹点,确定出该目标无人机对应的规划轨迹是将目标路径长度值中各待用搜索区域对应的航迹点依序进行拼接组合得到规划轨迹。
需要说明的是,上述与预设长度值匹配度最高的路径长度值表征路径长度值与预设长度值的差值最小。
需要说明的,通过代价模型对规划航迹的确定可提高路径搜索效率。
可见,实施本发明实施例所描述的用于无人机集群协同侦察的数据处理方法有利于在减小资源消耗前提下,提高无人机群协同侦察效率。
在另一个可选的实施例中,目标航迹信息包括航速信息和飞航高度信息;
基于航迹协同时间和所有规划轨迹,确定出目标航迹信息集合,包括:
对于任一规划轨迹,基于该规划轨迹对应的航迹点,获取航迹点对应的可飞轨迹信息;可飞轨迹信息表征目标无人机在目标任务网格区域可飞行的空间环境情况;
基于可飞轨迹信息和航迹点的先后关系,确定出该规划轨迹对应的飞航高度信息;飞航高度信息包括若干个飞航高度;飞航高度表征相邻两个航迹点之间目标无人机的飞行高度;
对航迹协同时间和该规划轨迹对应的路径长度进行计算,得到该规划轨迹对应的航速信息。
可选的,在确定出目标航迹信息集合之后,将把飞航高度信息和航速信息向送到目标无人机自动驾驶伺服系统去执行,操纵目标无人机按规划出来的航迹飞行,以解决多机同时到达的协同航迹规划问题,使各目标无人机在侦察同一目标任务网格区域能够同时到达目标。
需要说明的是,上述基于目标无人机的速度变化信息和所有规划轨迹,确定出航迹协同时间是在协同管理层实现的,上述基于该规划轨迹对应的航迹点,获取航迹点对应的可飞轨迹信息是在路径规划层实现的,上述基于可飞轨迹信息和航迹点的先后关系,确定出该规划轨迹对应的飞航高度信息和对航迹协同时间和该规划轨迹对应的路径长度进行计算,得到该规划轨迹对应的航速信息是在轨迹控制层实现的,上述将把飞航高度信息和航速信息向送到目标无人机自动驾驶伺服系统去执行,操纵目标无人机按规划出来的航迹飞行是在自动驾驶层实现的,即无人机集群的协同路径规划通过四层管理结构实现,分别为协同管理层、路径规划层、轨迹控制层和机动驾驶层四个层级,各个层级通过指令和态势交互,实现对无人机平台的动态控制。
可见,实施本发明实施例所描述的用于无人机集群协同侦察的数据处理方法有利于在减小资源消耗前提下,提高无人机群协同侦察效率。
实施例二
请参阅图2,图2是本发明实施例公开的一种用于无人机集群协同侦察的数据处理装置的结构示意图。其中,图2所描述的装置能够应用于无人机系统中,如用于无人机集群协同侦察的数据处理管理的本地服务器或云端服务器等,本发明实施例不做限定。如图2所示,该装置可以包括:
获取模块201,用于基于获取的任务区域和无人机集合,确定出无人机集群;无人机集群中的目标无人机包括一个第一无人机和若干个第二无人机;第一无人机用于汇总协同第二无人机的侦察数据;
第一确定模块202,用于基于任务区域和无人机集群,确定出目标任务网格区域;
第二确定模块203,用于基于目标任务网格区域和无人机集群,确定出目标航迹信息集合;目标航迹信息集合包括若干个目标航迹信息;目标航迹信息用于对第一无人机和第二无人机对任务区域进行协同目标侦察。
可见,实施图2所描述的用于无人机集群协同侦察的数据处理装置,有利于在减小资源消耗前提下,提高无人机群协同侦察效率。
在另一个可选的实施例中,如图2所示,第一确定模块202基于任务区域和无人机集群,确定出目标任务网格区域,包括:
基于预设的网格规格对任务区域进行多网格划分,得到待用网格区域集合;待用网格区域集合包括至少一个待用网格区域;
基于无人机集群和待用网格区域集合,确定出目标任务网格区域。
可见,实施图2所描述的用于无人机集群协同侦察的数据处理装置有利于在减小资源消耗前提下,提高无人机群协同侦察效率。
在又一个可选的实施例中,如图2所示,第一确定模块202基于无人机集群和待用网格区域集合,确定出目标任务网格区域,包括:
基于信息熵模型对无人机集群和待用网格区域集合进行计算处理,得到目标信息熵;
基于目标信息熵和预测周期,确定出信息熵减少量;
基于信息熵减少量,确定出目标任务网格区域。
可见,实施图2所描述的用于无人机集群协同侦察的数据处理装置有利于在减小资源消耗前提下,提高无人机群协同侦察效率。
在又一个可选的实施例中,如图2所示,第一确定模块202基于信息熵模型对无人机集群和待用网格区域集合进行计算处理,得到目标信息熵,包括:
获取待用网格区域集合对应的目标概率集合;目标概率集合包括若干个目标概率;
对待用网格区域集合进行分类,得到第一网格区域集合和第二网格区域集合;第一网格区域集合中的第一网格区域表征还未被无人机集群进行协同目标侦察的待用网格区域;第二网格区域集合中的第二网格区域表征已被无人机集群进行协同目标侦察的待用网格区域;
判断第一网格区域集合中是否存在第一网格区域,得到区域判断结果;
当区域判断结果为是时,对于任一第二网格区域,计算该第二网格区域对应的搜索概率;
利用搜索概率对该第二网格区域对应的目标概率进行更新;
利用信息熵模型对目标概率集合进行计算,得到目标信息熵;
其中,信息熵模型为
式中,H(t)为信息熵;i,j为待用网格区域对应的坐标值;E为待用网格区域对应的坐标集;pij(t)为t时刻对应的目标概率。
可见,实施图2所描述的用于无人机集群协同侦察的数据处理装置有利于在减小资源消耗前提下,提高无人机群协同侦察效率。
在又一个可选的实施例中,如图2所示,第二确定模块203基于目标任务网格区域和无人机集群,确定出目标航迹信息集合,包括:
对于任一目标无人机,基于目标任务网格区域,确定出该目标无人机对应的规划轨迹;
基于目标无人机的速度变化信息和所有规划轨迹,确定出航迹协同时间;
基于航迹协同时间和所有规划轨迹,确定出目标航迹信息集合。
可见,实施图2所描述的用于无人机集群协同侦察的数据处理装置有利于在减小资源消耗前提下,提高无人机群协同侦察效率。
在又一个可选的实施例中,如图2所示,第二确定模块203基于目标任务网格区域,确定出该目标无人机对应的规划轨迹,包括:
对目标任务网格区域进行方形区域分割,得到方形子区域集合;
对方形子区域集合进行识别归类,得到待用搜索区域集合;
基于代价模型集,对待用搜索区域集合中的待用搜索区域进行代价值计算,得到路径长度值集合;代价模型集包括至少2个代价模型;
从路径长度值集合中筛选出与预设长度值匹配度最高的路径长度值作为目标路径长度值;
基于目标路径长度值对应的航迹点,确定出该目标无人机对应的规划轨迹。
可见,实施图2所描述的用于无人机集群协同侦察的数据处理装置有利于在减小资源消耗前提下,提高无人机群协同侦察效率。
在又一个可选的实施例中,如图2所示,目标航迹信息包括航速信息和飞航高度信息;
第二确定模块203基于航迹协同时间和所有规划轨迹,确定出目标航迹信息集合,包括:
对于任一规划轨迹,基于该规划轨迹对应的航迹点,获取航迹点对应的可飞轨迹信息;可飞轨迹信息表征目标无人机在目标任务网格区域可飞行的空间环境情况;
基于可飞轨迹信息和航迹点的先后关系,确定出该规划轨迹对应的飞航高度信息;飞航高度信息包括若干个飞航高度;飞航高度表征相邻两个航迹点之间目标无人机的飞行高度;
对航迹协同时间和该规划轨迹对应的路径长度进行计算,得到该规划轨迹对应的航速信息。
可见,实施图2所描述的用于无人机集群协同侦察的数据处理装置有利于在减小资源消耗前提下,提高无人机群协同侦察效率。
实施例三
请参阅图3,图3是本发明实施例公开的又一种用于无人机集群协同侦察的数据处理装置的结构示意图。其中,图3所描述的装置能够应用于无人机系统中,如用于无人机集群协同侦察的数据处理管理的本地服务器或云端服务器等,本发明实施例不做限定。如图3所示,该装置可以包括:
存储有可执行程序代码的存储器301;
与存储器301耦合的处理器302;
处理器302调用存储器301中存储的可执行程序代码,用于执行实施例一所描述的用于无人机集群协同侦察的数据处理方法中的步骤。
实施例四
本发明实施例公开了一种计算机可读读存储介质,其存储用于电子数据交换的计算机程序,其中,该计算机程序使得计算机执行实施例一所描述的用于无人机集群协同侦察的数据处理方法中的步骤。
实施例五
本发明实施例公开了一种计算机程序产品,该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,且该计算机程序可操作来使计算机执行实施例一所描述的用于无人机集群协同侦察的数据处理方法中的步骤。
以上所描述的装置实施例仅是示意性的,其中作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施例的具体描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是:本发明实施例公开的一种用于无人机集群协同侦察的数据处理方法及装置所揭露的仅为本发明较佳实施例而已,仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各项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;而这些修改或替换,并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (8)
1.一种用于无人机集群协同侦察的数据处理方法,其特征在于,所述方法包括:
基于获取的任务区域和无人机集合,确定出无人机集群;所述无人机集群中的目标无人机包括一个第一无人机和若干个第二无人机;所述第一无人机用于汇总协同所述第二无人机的侦察数据;
基于所述任务区域和所述无人机集群,确定出目标任务网格区域;
基于所述目标任务网格区域和所述无人机集群,确定出目标航迹信息集合;所述目标航迹信息集合包括若干个目标航迹信息;所述目标航迹信息用于对所述第一无人机和所述第二无人机对所述任务区域进行协同目标侦察;
其中,所述基于所述目标任务网格区域和所述无人机集群,确定出目标航迹信息集合,包括:
对于任一所述目标无人机,基于所述目标任务网格区域,确定出该目标无人机对应的规划轨迹;
其中,所述基于所述目标任务网格区域,确定出该目标无人机对应的规划轨迹,包括:
对所述目标任务网格区域进行方形区域分割,得到方形子区域集合;
对所述方形子区域集合进行识别归类,得到待用搜索区域集合;
基于代价模型集,对所述待用搜索区域集合中的待用搜索区域进行代价值计算,得到路径长度值集合;所述代价模型集包括至少2个代价模型;所述代价模型包括第一代价模型和第二代价模型;
其中,所述第一代价模型为:
f(n)=g(n)+h(n);
式中,f(n)为节点n从初始点到目标点的路径长度值;g(n)为在状态空间中从初始节点到n节点的实际路径长度值;h(n)为从n到目标节点最佳路径的估计路径长度值;
具体的,第二代价模型为:
f(n)=kf1(n)+(1-k)J(n);
式中,f1(n)为雷达或地空导弹的威胁路径长度值,k为威胁权重系数,J(n)为飞行过程的燃油路径长度值;
其中,所述基于代价模型集,对所述待用搜索区域集合中的待用搜索区域进行代价值计算,得到路径长度值集合,包括:
从所述待用搜索区域集合中筛选满足路径条件的待用搜索区域作为目标待用搜索区域;所述路径条件为所述目标无人机从起始点到所述目标点要经过的所述待用搜索区域;
对于任一所述目标待用搜索区域,判断所有所述目标待用搜索区域中是否存在导弹威胁,得到威胁判断结果;所述导弹威胁表征所述目标待用搜索区域存在威胁所述目标无人机飞行的威胁对象;
当所述威胁判断结果为是时,利用所述第二代价模型对所述目标待用搜索区域进行路径长度计算,得到该目标待用搜索区域对应的路径长度值;
当所述威胁判断结果为否时,利用所述第一代价模型对所述目标待用搜索区域进行路径长度计算,得到该目标待用搜索区域对应的路径长度值;
从所述路径长度值集合中筛选出与预设长度值匹配度最高的路径长度值作为目标路径长度值;
基于所述目标路径长度值对应的航迹点,确定出该目标无人机对应的规划轨迹;
基于所述目标无人机的速度变化信息和所有所述规划轨迹,确定出航迹协同时间;
基于所述航迹协同时间和所有所述规划轨迹,确定出目标航迹信息集合。
2.根据权利要求1所述的用于无人机集群协同侦察的数据处理方法,其特征在于,所述基于所述任务区域和所述无人机集群,确定出目标任务网格区域,包括:
基于预设的网格规格对所述任务区域进行多网格划分,得到待用网格区域集合;所述待用网格区域集合包括至少一个待用网格区域;
基于所述无人机集群和所述待用网格区域集合,确定出目标任务网格区域。
3.根据权利要求2所述的用于无人机集群协同侦察的数据处理方法,其特征在于,所述基于所述无人机集群和所述待用网格区域集合,确定出目标任务网格区域,包括:
基于信息熵模型对所述无人机集群和所述待用网格区域集合进行计算处理,得到目标信息熵;
基于所述目标信息熵和预测周期,确定出信息熵减少量;
基于所述信息熵减少量,确定出目标任务网格区域。
4.根据权利要求3所述的用于无人机集群协同侦察的数据处理方法,其特征在于,所述基于信息熵模型对所述无人机集群和所述待用网格区域集合进行计算处理,得到目标信息熵,包括:
获取所述待用网格区域集合对应的目标概率集合;所述目标概率集合包括若干个目标概率;
对所述待用网格区域集合进行分类,得到第一网格区域集合和第二网格区域集合;所述第一网格区域集合中的第一网格区域表征还未被所述无人机集群进行协同目标侦察的待用网格区域;所述第二网格区域集合中的第二网格区域表征已被所述无人机集群进行协同目标侦察的待用网格区域;
判断所述第一网格区域集合中是否存在所述第一网格区域,得到区域判断结果;
当所述区域判断结果为是时,对于任一所述第二网格区域,计算该第二网格区域对应的搜索概率;
利用所述搜索概率对该第二网格区域对应的目标概率进行更新;
利用信息熵模型对所述目标概率集合进行计算,得到目标信息熵;
其中,所述信息熵模型为
式中,H(t)为信息熵;i,j为所述待用网格区域对应的坐标值;E为所述待用网格区域对应的坐标集;pij(t)为t时刻对应的目标概率。
5.根据权利要求1所述的用于无人机集群协同侦察的数据处理方法,其特征在于,所述目标航迹信息包括航速信息和飞航高度信息;
所述基于所述航迹协同时间和所有所述规划轨迹,确定出目标航迹信息集合,包括:
对于任一所述规划轨迹,基于该规划轨迹对应的航迹点,获取所述航迹点对应的可飞轨迹信息;所述可飞轨迹信息表征所述目标无人机在所述目标任务网格区域可飞行的空间环境情况;
基于所述可飞轨迹信息和所述航迹点的先后关系,确定出该规划轨迹对应的飞航高度信息;所述飞航高度信息包括若干个飞航高度;所述飞航高度表征相邻两个所述航迹点之间所述目标无人机的飞行高度;
对所述航迹协同时间和该规划轨迹对应的路径长度进行计算,得到该规划轨迹对应的航速信息。
6.一种用于无人机集群协同侦察的数据处理装置,其特征在于,所述装置包括:
获取模块,用于基于获取的任务区域和无人机集合,确定出无人机集群;所述无人机集群中的目标无人机包括一个第一无人机和若干个第二无人机;所述第一无人机用于汇总协同所述第二无人机的侦察数据;
第一确定模块,用于基于所述任务区域和所述无人机集群,确定出目标任务网格区域;
第二确定模块,用于基于所述目标任务网格区域和所述无人机集群,确定出目标航迹信息集合;所述目标航迹信息集合包括若干个目标航迹信息;所述目标航迹信息用于对所述第一无人机和所述第二无人机对所述任务区域进行协同目标侦察;
其中,所述基于所述目标任务网格区域和所述无人机集群,确定出目标航迹信息集合,包括:
对于任一所述目标无人机,基于所述目标任务网格区域,确定出该目标无人机对应的规划轨迹;
其中,所述基于所述目标任务网格区域,确定出该目标无人机对应的规划轨迹,包括:
对所述目标任务网格区域进行方形区域分割,得到方形子区域集合;
对所述方形子区域集合进行识别归类,得到待用搜索区域集合;
基于代价模型集,对所述待用搜索区域集合中的待用搜索区域进行代价值计算,得到路径长度值集合;所述代价模型集包括至少2个代价模型;所述代价模型包括第一代价模型和第二代价模型;
其中,所述第一代价模型为:
f(n)=g(n)+h(n);
式中,f(n)为节点n从初始点到目标点的路径长度值;g(n)为在状态空间中从初始节点到n节点的实际路径长度值;h(n)为从n到目标节点最佳路径的估计路径长度值;
具体的,第二代价模型为:
f(n)=kf1(n)+(1-k)J(n);
式中,f1(n)为雷达或地空导弹的威胁路径长度值,k为威胁权重系数,J(n)为飞行过程的燃油路径长度值;
其中,所述基于代价模型集,对所述待用搜索区域集合中的待用搜索区域进行代价值计算,得到路径长度值集合,包括:
从所述待用搜索区域集合中筛选满足路径条件的待用搜索区域作为目标待用搜索区域;所述路径条件为所述目标无人机从起始点到所述目标点要经过的所述待用搜索区域;
对于任一所述目标待用搜索区域,判断所有所述目标待用搜索区域中是否存在导弹威胁,得到威胁判断结果;所述导弹威胁表征所述目标待用搜索区域存在威胁所述目标无人机飞行的威胁对象;
当所述威胁判断结果为是时,利用所述第二代价模型对所述目标待用搜索区域进行路径长度计算,得到该目标待用搜索区域对应的路径长度值;
当所述威胁判断结果为否时,利用所述第一代价模型对所述目标待用搜索区域进行路径长度计算,得到该目标待用搜索区域对应的路径长度值;
从所述路径长度值集合中筛选出与预设长度值匹配度最高的路径长度值作为目标路径长度值;
基于所述目标路径长度值对应的航迹点,确定出该目标无人机对应的规划轨迹;
基于所述目标无人机的速度变化信息和所有所述规划轨迹,确定出航迹协同时间;
基于所述航迹协同时间和所有所述规划轨迹,确定出目标航迹信息集合。
7.一种用于无人机集群协同侦察的数据处理装置,其特征在于,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行如权利要求1-5任一项所述的用于无人机集群协同侦察的数据处理方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令被调用时,用于执行如权利要求1-5任一项所述的用于无人机集群协同侦察的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211475918.2A CN115840463B (zh) | 2022-11-23 | 2022-11-23 | 一种用于无人机集群协同侦察的数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211475918.2A CN115840463B (zh) | 2022-11-23 | 2022-11-23 | 一种用于无人机集群协同侦察的数据处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115840463A CN115840463A (zh) | 2023-03-24 |
CN115840463B true CN115840463B (zh) | 2023-07-18 |
Family
ID=85575973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211475918.2A Active CN115840463B (zh) | 2022-11-23 | 2022-11-23 | 一种用于无人机集群协同侦察的数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115840463B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116820121A (zh) * | 2023-05-15 | 2023-09-29 | 哈尔滨工业大学(深圳) | 一种无人机群体联合侦查策略生成方法及终端 |
CN117075633B (zh) * | 2023-08-31 | 2024-02-09 | 杭州中汇通航航空科技有限公司 | 一种无人机实战应用管理平台 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109254588A (zh) * | 2018-10-17 | 2019-01-22 | 北京航空航天大学 | 一种基于交叉变异鸽群优化的无人机集群协同侦察方法 |
JP2022110181A (ja) * | 2021-01-18 | 2022-07-29 | 株式会社日立製作所 | 分散協調システム、及びタスク実行方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112733421B (zh) * | 2020-12-01 | 2024-05-03 | 南京航空航天大学 | 一种针对有人无人机协同对地作战的任务规划方法 |
CN114185362B (zh) * | 2021-12-07 | 2023-06-06 | 北京航空航天大学 | 一种基于郊狼信息熵的无人机集群任务动态分配方法 |
CN115167502A (zh) * | 2022-06-10 | 2022-10-11 | 中国人民解放军国防科技大学 | 基于免疫克隆算法的无人机协同航迹规划方法及装置 |
-
2022
- 2022-11-23 CN CN202211475918.2A patent/CN115840463B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109254588A (zh) * | 2018-10-17 | 2019-01-22 | 北京航空航天大学 | 一种基于交叉变异鸽群优化的无人机集群协同侦察方法 |
JP2022110181A (ja) * | 2021-01-18 | 2022-07-29 | 株式会社日立製作所 | 分散協調システム、及びタスク実行方法 |
Non-Patent Citations (2)
Title |
---|
Analysis on MAV/UAV cooperative combat based on complex network;Jie-ru;Defence Technology;第16卷(第1期);全文 * |
多无人机多目标协同侦察航迹规划算法;庞强伟;中国惯性技术学报;第27卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115840463A (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115840463B (zh) | 一种用于无人机集群协同侦察的数据处理方法及装置 | |
CN109144097B (zh) | 障碍物或地面识别及飞行控制方法、装置、设备及介质 | |
CN100478819C (zh) | 用于由分布式部件自动搜索的系统和方法 | |
CN107168380B (zh) | 一种基于蚁群算法的无人机群区域覆盖的多步寻优方法 | |
CN111950873B (zh) | 基于深度强化学习的卫星实时引导任务规划方法及系统 | |
CN111024080B (zh) | 一种无人机群对多移动时敏目标侦察路径规划方法 | |
CN108897312A (zh) | 多无人飞行器对大规模环境的持续监控路径规划方法 | |
CN111598473A (zh) | 面向复杂观测任务的多平台联合任务规划方法 | |
CN111310992B (zh) | 面向地震灾后快速评估的多无人机路径优化方法 | |
CN112783195B (zh) | 多无人机的巡检路线规划方法、装置和计算机设备 | |
US20220223059A1 (en) | Probability-based obstacle avoidance | |
CN115187005B (zh) | 调度方法、装置、设备及存储介质 | |
CN112001309A (zh) | 基于无人机集群的目标搜索方法、装置、设备及存储介质 | |
CN110823223A (zh) | 一种无人机群的路径规划方法及装置 | |
CN113536564B (zh) | 基于虚拟仿真的无人蜂群自主协同评估方法及系统 | |
CN112396298B (zh) | 一种无人直升机多机协同任务规划方法 | |
CN114237275A (zh) | 基于感知-锁定-发现的多无人机博弈协同搜索方法 | |
CN111024081B (zh) | 一种无人机群对单移动时敏目标侦察路径规划方法 | |
US10301022B1 (en) | Self-charging unmanned vehicle | |
Kim et al. | Airborne multisensor management for multitarget tracking | |
CN115081759B (zh) | 基于历史飞行数据的节油决策方法、系统和设备 | |
CN113962015A (zh) | 一种采用规则控制的空域使用过程仿真模拟系统及方法 | |
Ryan et al. | Unmanned aerial vehicle (UAV) route selection using reactive tabu search | |
KR102539363B1 (ko) | 타깃의 지리적 위치를 추정하기 위한 방법 및 시스템 | |
CN117170406B (zh) | 一种基于分层规划的无人机快速自主搜寻方法 |
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 |