CN115860210A - 一种面向目标空间覆盖的多传感器布站方法 - Google Patents
一种面向目标空间覆盖的多传感器布站方法 Download PDFInfo
- Publication number
- CN115860210A CN115860210A CN202211512079.7A CN202211512079A CN115860210A CN 115860210 A CN115860210 A CN 115860210A CN 202211512079 A CN202211512079 A CN 202211512079A CN 115860210 A CN115860210 A CN 115860210A
- Authority
- CN
- China
- Prior art keywords
- alternative
- target
- grid
- monitoring
- sensor
- 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.)
- Pending
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种面向目标空间覆盖的多传感器布站方法,属于传感器监视领域。该方法是将监视传感器的布站备选空间、监视目标表面,以及备选空间与监视目标间地形地物等网格化,利用并行最大仰视角原理逐时刻逐网格分析监视传感器备选空间各网格与目标表面各网格的通视性;并通过分析各时刻通视分析结果数据,确定搭载监视传感器的搭载平台的布站位置,实现对目标的全空间覆盖监视。与传统的监视方法相比较,本发明具有布站灵活和无盲区全空域监视等优势。
Description
技术领域
本发明属于多传感器监视领域,涉及一种面向目标空间覆盖的多传感器布站方法。
背景技术
传统监视系统包括单传感器监视和多传感器监视两种方式。其中,单传感器监视方法中的传感器位置固定,机动灵活性不足,容易被破坏。与传统的单传感器监视方法相比,多传感器监视方法具有覆盖域广,生存能力强和性价比高等优点,是监视目标手段的一个热门选择。但是现有的多传感器监视方法不能很好的实现对目标的全空间覆盖监视,存在监视盲区的问题。
因此,本发明提出一种新的监视传感器位置布站方法,实现对目标的全空间覆盖监视,提高应用价值。
发明内容
有鉴于此,本发明的目的在于提供一种面向目标(表面)空间域覆盖的多传感器(如无人机搭载平台)布站方法,针对传统监视系统监视存在盲区,监视视频传感器位置固定,机动灵活性不足,容易被破坏等问题。本发明通过将监视传感器布站备选空间与监视目标网格化,逐时刻分析各空间网格对监视目标网格的通视性,完成传感器布站工作,实现对监视目标的全空间域覆盖监视。
为达到上述目的,本发明提供如下技术方案:
一种面向目标空间覆盖的多传感器布站方法,将监视传感器(如监视传感器可以搭载在无人机上)的布站备选空间、监视目标表面和备选空间与监视目标间地形地物表面等网格化;然后,利用并行最大仰视角原理逐时刻逐网格分析监视(无人机)备选网格与目标表面网格间的通视性;最好,综合以上通视性分析结果数据,确定搭载监视传感器的搭载平台(如无人接)的布站位置,实现对目标表面的全空域覆盖监视。
进一步,该方法具体包括以下步骤:
S1:根据监视传感器搭载平台(即无人机)开始监视任务时所处位置(以下简称起始位置)和目标所在位置,按一定距离间隔(可以但不唯一是对应无人机飞行时间间隔)确定与之对应的多个监视传感器(即无人机)布站备选空间封闭曲面(以下简称备选封闭曲面),得到布站备选空间封闭曲面集(以下简称备选封闭曲面集),监视传感器(即无人机)将在曲面集中曲面上选择某点作为布站备选位置;并将以上目标表面,备选封闭曲面集及其包围的地形地物表面网格化;
S2:利用基于并行最大仰视角原理的快速通视分析处理方法,按离目标距离由近到远分析布站备选封闭曲面集中各个备选封闭曲面上各网格与地物地形表面各网格,各个备选封闭曲面上各个网格与目标表面各网格之间的通视性,并将得到的通视分析结果数据存储。其中,所储存的通视分析结果数据中,搜索所有与该网格通视的布站备选空间封闭曲面集中的网格,得到通视备选集。
步骤S2中,基于并行最大仰视角原理的快速通视分析方法具体为:设置包含备选封闭曲面,及其包围内的地物地形表面和目标表面的一个圆柱体(该圆柱体尽可能小),以圆柱体上表面的中心为顶点,在该表面上得到多个扇形,并以此为基础生成多个扇形柱面(该多个扇形柱面将联合覆盖备选封闭曲面,及其包围的地物地形表面和目标表面的所有网格),将以上不同扇形柱面内各个备选封闭曲面网格与地物地形表面网格之间,各个备选封闭曲面网格与目标中心点网格之间进行通视分析过程并行化;
上述分析过程中,分析后一备选封闭曲面上各网格到目标网格的通视性时,应利用先前备选封闭曲面上各网格到目标网格中心的通视分析结果。
S3:在未标记为已扩散分析的目标表面区域内,随机选择目标表面的一个网格,在步骤S2中所储存的通视分析结果数据中,搜索所有与该网格通视的布站备选空间封闭曲面集中的网格(以下简称通视备选集);以该网格为中心,在未标记为已扩散分析的目标表面区域内,按照一定的扩散方式(如但不唯一是螺旋线方式)扩散,在目标表面每扩散一个网格,就更新一次通视备选集,直至通视备选集中网网格数恰好大于设定阈值为止。将此时得到目标表面扩散后区域定义为目标表面可视区域,并标记为已扩散分析,同时将该区域及其对应的通视备选集(以下简称对应覆盖布站备选集)存储为目标覆盖-对应覆盖布站备选集。
S4:重复步骤S3,直至目标表面网格都标记为已扩散分析。
S5:根据一定的评价标准,从目标覆盖-对应覆盖布站备选集中的每个对应覆盖布站备选集中选取一个布站备选网格,组成多监视传感器(即无人机)布站位置集,该集合中每一个布站备选网格对应一个监视传感器(即无人机)布站备选位置。
本发明的有益效果在于:本发明通过将监视传感器(即无人机)布站备选,地形地物与监视目标网格化,利用最大仰视角通视分析和并行处理方法,快速分析布站备选位置网格与目标表面网格的通视性。并通过分析各时刻通视性数据,确定监视传感器搭载平台(即无人机)布站位置,实现对目标的全空间覆盖监视。与传统的监视方法相比较,本发明具有布站灵活和无盲区全空域监视等优势。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为本发明的监视场景示意图;
图2为无人机不断向目标逼近的监视场景示意图;
图3为空间封闭曲面示意图;
图4为扇形柱面范围内的空间封闭曲面示意图;
图5为得到通视备选集的流程示意图;
图6为得到目标表面可视区域的示意图;
图7为无人机布站位置示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本发明的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本发明的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
请参阅图1~图7,本发明提供一种面向目标(表面)空间域覆盖的多传感器搭载的无人机布站方法,具体步骤如下:
步骤1:对于如图1所示的监视场景,当前时刻为t1,监视目标为A(这个目标可以认为是一个建筑),旁边有一个地物B(可以认为是个建筑),该地物起视线遮挡作用。无人机搭载监视传感器(可以但不唯一为图像传感器,为便于描述,以下简称传感器),其起点位置为与监视目标A距离为L1处。为便于说明,本实施例可以(但不唯一是)选择一个以监视目标A所在位置为球心且通过无人机所在位置的球面为备选封闭曲面。以此类推,可如本发明方法所述,按一定距离间隔确定多个布站备选封闭曲面,得到如图2所示备选封闭曲面集。并将备选封闭曲面集中的备选封闭曲面,监视目标A表面,地物B表面和区域类的其它地形地物网格化。
步骤2:基于并行最大仰视角原理的快速通视分析方法,按离目标距离由近到远分析布站备选封闭曲面集中各个备选封闭曲面上各网格与地物地形表面各网格(如图2所示),完成在布站备选封闭曲面集中各个曲面上的各个网格与目标表面各网格的快速通视分析。为尽量利用已有通视分析结果,按以下步骤完成上述快速分析:
如图3所示,将布站备选空间封闭曲面中覆盖区域最大的一个空间封闭曲面t0,及其包围的其它空间封闭曲面(包括地物地形表面和和目标表面的所有网格)。如图3所示,空间封闭曲面(可以但不是唯一是)是用3个共中心棱线L且该中心棱线L过(但不唯一是)目标A表面网格C(可以但不是唯一是表面中心网格)的扇形柱面FC1(其节点为P1,O,P3,P1’,O’,P3’),FC2(其节点为P1,O,P2,P1’,O’,P2’),FC3(其节点为P2,O,P3,P2’,O’,P3’),将上述空间封闭曲面t0内的所有网格分割为3个部分。其中,FC1包含空间封闭曲面t0,与曲面R1OR3T包围的其它空间封闭曲面和地物地形;FC2包含空间封闭曲面t0,与曲面R1OR2T包围的其它空间封闭曲面和地物地形;FC3包含空间封闭曲面t0,与曲面R2OR3T包围的其它空间封闭曲面和地物地形。
如图4所示,本实施例以FC1扇形柱面范围内的空间封闭曲面t0的上部分曲面R1TR3上网格S1和S2到目标A的各个网格的通视为例,说明在以上3个部分内,并行完成空间封闭曲面上网格到目标A的各个网格的通视分析方法。
如图4所示,为S1到目标A上G1通视性,可以利用连线S1G1在地形地物和目标上的投影,找出其所经过地形地物和目标上的网格,如图4中该投影线上灰色网格。根据基于最大仰视角的通视分析方法,可以利用通视角的各个正切值代替对应角度进行分析。为提高分析的效率,以上分析过程在不同扇形柱面中可以并行处理,如图5中,分析S1到G1和S2到G2如的通视性,可以并行处理。通过以上过程,实现并行化。
此外,在以上过程中,分析后一备选封闭曲面上各网格到目标网格中心的通视性时,可利用先前备选封闭曲面上各网格到目标网格中心的通视分析结果,以减少不必要的计算量。
步骤3:如图5所示,在未标记为已扩散分析的目标A表面区域内,随机选择目标表面的一个网格G,在步骤2中所储存的通视分析结果数据中,搜索所有与该网格通视的布站备选空间封闭曲面集中的网格,如图5中布站备选空间封闭曲面中深色部分OS,得到通视备选集;
以G网格为中心,在未标记为已扩散分析的目标A表面区域内,按照一定的扩散方式(如但不唯一是螺旋线方式)扩散,在目标表面每扩散一个网格,就更新一次通视备选集,直至通视备选集中网网格数恰好大于设定阈值(本实施例为10)为止。将此时得到目标表面扩散后区域定义为目标表面可视区域,如图6中目标A中标记为V的区域,布站备选空间封闭曲面对区域V的区域为AS,并标记为已扩散分析,同时将该区域及其对应的通视备选集(即对应覆盖布站备选集)存储为目标覆盖-对应覆盖布站备选集。
重复步骤3,直至目标表面网格都标记为已扩散分析。如图7中目标A上网格所有都被三种不同程度灰色的网格覆盖,即该目标A表面所有网格可被覆盖。
步骤4:根据一定的评价标准,从目标覆盖-对应覆盖布站备选集中的每个对应覆盖布站备选集中选取一个布站备选网格,组成多无人机布站位置集,该集合中每一个布站备选网格对应一个无人机布站备选位置。如图7中,当三架无人机在所选备选位置,能够完全覆盖目标A表面的所有网格。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (3)
1.一种面向目标空间覆盖的多传感器布站方法,其特征在于,首先,将监视传感器的布站备选空间、监视目标表面,以及备选空间与监视目标间地形地物表面网格化;然后,利用并行最大仰视角原理逐时刻逐网格分析监视传感器备选网格与目标表面网格间的通视性;最后,综合以上各时刻通视性分析结果数据,确定搭载监视传感器的搭载平台的布站位置,实现对目标的全空间覆盖监视。
2.根据权利要求1所述的多传感器布站方法,其特征在于,该方法具体包括以下步骤:
S1:根据传感器搭载平台开始监视任务时的起始位置和目标所在位置,按一定距离间隔确定监视传感器布站,得到布站备选封闭曲面集;并将以上监视目标表面,备选封闭曲面集及其包围的地形地物表面网格化;其中,所述起始位置是监视传感器搭载平台开始监视任务时所处位置;所述备选封闭曲面是监视传感器布站备选空间封闭曲面;所述备选封闭曲面集是布站备选空间封闭曲面集;
S2:利用基于并行最大仰视角原理的快速通视分析方法,按离目标距离由近到远分析布站备选封闭曲面集中各个备选封闭曲面上各网格与地物地形表面各网格,备选封闭曲面上各网格与目标表面各网格之间的通视性,并将得到的通视分析结果数据存储;
S3:在未标记为已扩散分析的目标表面区域内,随机选择目标表面的一个网格,在步骤S2中所储存的通视分析结果数据中,搜索所有与该网格通视的布站备选空间封闭曲面集中的网格,简称通视备选集;并以该网格为中心,在未标记为已扩散分析的目标表面区域内,按照一定的扩散方式扩散,在目标表面每扩散一个网格,就更新一次通视备选集,直至通视备选集中网格数恰好大于设定阈值为止;将此时得到目标表面扩散后区域,简称目标表面可视区域进行标记为已扩散分析,并将该区域及其对应通视备选集,简称对应覆盖布站备选集存储为目标覆盖-对应覆盖布站备选集;
S4:重复步骤S3,直至目标表面网格都标记为已扩散分析;
S5:根据一定的评价标准,从目标覆盖-对应覆盖布站备选集中的每个对应覆盖布站备选集中选取一个布站备选网格,组成多监视传感器布站位置集,该集合中每一个传感器备选网格对应一个监视传感器布站备选位置。
3.根据权利要求2所述的视传感器布站方法,其特征在于,步骤S2中,所述基于并行最大仰视角原理的快速通视分析方法具体为:设置包含备选封闭曲面,及其包围内的地物地形表面和目标表面的一个圆柱体,以圆柱体上表面的中心为顶点,在该表面上得到多个扇形,并以此为基础生成多个扇形柱面,将以上不同扇形柱面内各个备选封闭曲面网格与地物地形表面网格之间,各个备选封闭曲面网格与目标中心点网格之间进行通视分析过程并行化;
上述分析过程中,分析后一备选封闭曲面上各网格到目标网格的通视性时,应利用先前备选封闭曲面上各网格到目标网格中心的通视分析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211512079.7A CN115860210A (zh) | 2022-11-29 | 2022-11-29 | 一种面向目标空间覆盖的多传感器布站方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211512079.7A CN115860210A (zh) | 2022-11-29 | 2022-11-29 | 一种面向目标空间覆盖的多传感器布站方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115860210A true CN115860210A (zh) | 2023-03-28 |
Family
ID=85667840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211512079.7A Pending CN115860210A (zh) | 2022-11-29 | 2022-11-29 | 一种面向目标空间覆盖的多传感器布站方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115860210A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116894519A (zh) * | 2023-07-21 | 2023-10-17 | 江苏舟行时空智能科技股份有限公司 | 一种满足用户服务覆盖需求的位置点优化确定方法 |
-
2022
- 2022-11-29 CN CN202211512079.7A patent/CN115860210A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116894519A (zh) * | 2023-07-21 | 2023-10-17 | 江苏舟行时空智能科技股份有限公司 | 一种满足用户服务覆盖需求的位置点优化确定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9613269B2 (en) | Identifying and tracking convective weather cells | |
JP2021119693A (ja) | 惑星規模解析のためのシステム | |
US7406199B2 (en) | Event capture and filtering system | |
US11556745B2 (en) | System and method for ordered representation and feature extraction for point clouds obtained by detection and ranging sensor | |
CN113064117B (zh) | 一种基于深度学习的辐射源定位方法及装置 | |
US20110299734A1 (en) | Method and system for detecting target objects | |
Prophet et al. | Semantic segmentation on automotive radar maps | |
CN106839881B (zh) | 一种基于动态图像识别的反无人机方法 | |
CN109116298B (zh) | 一种定位方法、存储介质及定位系统 | |
CN109697428B (zh) | 基于rgb_d和深度卷积网络的无人机识别定位系统 | |
CN110942663A (zh) | 一种停车场的监控分配引导方法和系统 | |
Geng et al. | UAV surveillance mission planning with gimbaled sensors | |
CN113596989B (zh) | 一种用于智慧车间的室内定位方法及系统 | |
JPS61112276A (ja) | デ−タ処理装置 | |
CN115860210A (zh) | 一种面向目标空间覆盖的多传感器布站方法 | |
CN115515077B (zh) | 一种基于uav的wsn数据采集轨迹动态生成方法及系统 | |
CN109668567A (zh) | 一种无人机多云条件下偏振光定向方法 | |
CN114637329A (zh) | 一种飞机多机密集编队队形重构方法及系统 | |
US20030031367A1 (en) | System and method for automatic recognition of formations in moving target indication data | |
CN109615638B (zh) | 定位装置、用于定位的方法、装置及无人驾驶设备 | |
CN114509762A (zh) | 一种数据处理方法、装置、设备及介质 | |
US20050063593A1 (en) | Scalable method for rapidly detecting potential ground vehicle under cover using visualization of total occlusion footprint in point cloud population | |
CN113888589A (zh) | 一种基于激光雷达的水面障碍物检测与多目标跟踪方法 | |
RU2787946C1 (ru) | Способ определения координат объектов и их распознавания | |
Bouyagoub et al. | Automatic multi-camera placement and optimisation using ray tracing |
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 |