CN115980742A - 一种用于无人飞行器的雷达探测方法及装置 - Google Patents

Abstract

本发明请求保护一种用于无人飞行器的雷达探测方法及装置，通过第一雷达获取无人机的当前飞行信息，将当前飞行信息数据进行定期上传至中心控制器进行监控预警；当当前飞行信息经中心控制器分析后认定无人机发生飞行偏航时，向第二雷达发出无人机的偏航报警指令，第二雷达基于无人机的偏航位置获取无人机的模拟偏航规划信息；第二雷达将无人机的模拟偏航规划信息发送至无人机，无人机依据模拟偏航规划信息进行飞行导航。该方案对多个无人机组成的无人机群进行偏航整体与个体区别分析，通过雷达借助偏航时的无人机行进路线采用模型对无人机的飞行轨迹进行导航配置，有效地对无人机飞行过程中的路线进行合理规划。

Description

一种用于无人飞行器的雷达探测方法及装置

技术领域

本发明涉及一种用于无人飞行器的雷达探测方法及装置，属于飞行器导航控制方法领域，适用于无人飞机系统自主导航的控制方法和应用技术研究。

背景技术

随着科学技术地进步，无人飞行器越来越多的应用于日常生活中。如，利用无人飞行器进行航拍、灌溉作业、森林巡视等。在其中一些日常巡视任务和工作中，如何保证无人飞行器的安全是亟待解决的问题。

无人机的飞行控制器主要包括导航级和控制级，其中无人机导航级的基本任务是精确确定无人机载水平空间中的位置，解决飞机如何以预定空速飞行在预定高度的问题，以及如何转弯飞往目标问题，通过算法给出飞机需要的俯仰角、油门和横滚角，并使其能按预定航线飞行，然后交给控制级进行控制解算。

而在无人机发生偏航动作时，现有技术中缺少行之有效对无人机的预期偏航路线进行模拟后再进行路线重新规划的技术方案。

发明内容

为了解决当前无人机偏航后的导航准确性问题，本发明请求保护一种用于无人飞行器的雷达探测方法及装置。

根据本发明的第一方面，本发明请求保护一种用于无人飞行器的雷达探测方法，用于多个无人机中，包括：

第一雷达获取无人机的当前飞行信息，将当前飞行信息数据进行定期上传至中心控制器进行监控预警；

当当前飞行信息经中心控制器分析后认定无人机发生飞行偏航时，向第二雷达发出无人机的偏航报警指令，第二雷达基于无人机的偏航位置获取无人机的模拟偏航规划信息；

第二雷达将无人机的模拟偏航规划信息发送至无人机，无人机依据模拟偏航规划信息进行飞行导航。

优选的，第一雷达获取无人机的当前飞行信息，将当前飞行信息数据进行定期上传至中心控制器进行监控预警，具体包括：

第一雷达搭载通信基站，在目标区域内执行监控任务；

第一雷达的通信基站的定位模块与无人机建立通信连接，定位模块向无人机依次发送激活指令并进入等待状态；

无人机接收到激活指令后，获取自身的定位信息，将定位信息发送至通信基站的定位模块；

通信基站对接收到的无人机的定位信息进行分析，并将接收到的无人机的定位信息存储在内部缓存模块中；

通信基站依据多卡复用通信模式通过北斗卫星将定位信息发送至中心控制器；

通信基站判断是否已对所有的无人机均发送了激活指令；

如果还有未进行激活指令发送的无人机，通信基站向剩余的无人机依次发送激活指令并进入等待状态。

优选的，第二雷达基于无人机的偏航位置获取无人机的模拟偏航规划信息，具体包括：

根据无人机的至少两个雷达扫描图，构建无人机的雷达立体图；

获取雷达立体图的无人机纵向截面位置；无人机纵向截面位置包括无人机的偏航起始位置和航线终点位置；

根据雷达立体图的无人机纵向截面位置的灰度值梯度和各无人机纵向截面位置对应的SAR图像，计算无人机的螺旋桨平均旋转速率；

根据无人机的雷达立体图、预设的极限条件和预设的模拟模型，进行模拟计算，得到无人机的模拟结果；预设的极限条件包括旋转速率极限值和电力极限值；旋转速率极限值为螺旋桨平均旋转速率；

将各无人机的飞行路程信息、无人机的螺旋桨平均旋转速率输入至预设的flag模型，计算得到无人机的第一航线终点旋转速率；

根据第一航线终点旋转速率，对螺旋桨平均旋转速率进行调整，得到调整后的螺旋桨平均旋转速率；

根据无人机的雷达立体图、螺旋桨平均旋转速率、预设极限条件和预设的迭代方程，进行迭代计算，得到无人机的模拟结果，包括：

根据无人机的雷达立体图、调整后的螺旋桨平均旋转速率、极限条件和迭代方程，进行迭代计算，得到无人机的模拟结果。

优选的，根据雷达立体图的无人机纵向截面位置的灰度值梯度和各无人机纵向截面位置对应的SAR图像，计算无人机的螺旋桨平均旋转速率，包括：

检测到雷达立体图的灰度值梯度值大于预设阈值时，确定雷达立体图的当前位置为无人机纵向截面位置，并获取无人机纵向截面位置的对应的SAR图像；

根据各无人机纵向截面位置的对应的SAR图像，计算各无人机纵向截面位置之间的时间差；

根据时间差与无人机的覆盖面积，计算无人机的螺旋桨平均旋转速率；

对无人机的雷达立体图进行网格化处理，得到网格化的雷达立体图；

根据无人机的雷达立体图、螺旋桨平均旋转速率、预设极限条件和预设的迭代方程，进行迭代计算，得到无人机的模拟结果，包括：

根据网格化的雷达立体图、螺旋桨平均旋转速率、极限条件和迭代方程，进行迭代计算，得到无人机的模拟结果。

优选的，通过平面雷达扫描成像技术，获取目标区域的多个原始雷达扫描图；目标区域包含无人机；

根据各原始雷达扫描图的俯仰角角度，从多个原始雷达扫描图中确定至少两个雷达扫描图；

在根据无人机的雷达立体图、调整后的螺旋桨平均旋转速率、极限条件和迭代方程，进行迭代计算，得到无人机的模拟结果之后，方法还包括：

根据模拟结果中的电力分布信息和预设的机翼电力值，计算无人机的能源驱动续航分数；

根据无人机的能源驱动续航分数和预设的能源驱动续航分数阈值，确定无人机的状态信息。

优选的，第二雷达将无人机的模拟偏航规划信息发送至无人机，无人机依据模拟偏航规划信息进行飞行导航，具体包括：

根据协作任务描述无人机的集群预期行为；

根据协作任务执行过程的模拟数据描述无人机中各个单机的个体实际行为；

基于无人机的集群预期行为和无人机中各个单机的个体实际行为，对无人机中的各个单机进行分类，确定无人机中具有偏航行为的单机；

基于无人机中各个单机的飞行状态确定无人机的空间协作指数和无人机中各个单机的自协作指数；以及，

对无人机通信网络的最大通信距离、通信丢包率和误码率进行分析，构建无人机组网通信的动态拓扑图并展示在交互界面上。

根据本发明第二方面，本发明请求保护一种用于无人飞行器的雷达探测装置，包括：第一雷达、多个无人机构成的无人机群、中心控制器、第二雷达；

第一雷达获取无人机的当前飞行信息，将当前飞行信息数据进行定期上传至中心控制器进行监控预警；

当当前飞行信息经中心控制器分析后认定无人机发生飞行偏航时，向第二雷达发出无人机的偏航报警指令，第二雷达基于无人机的偏航位置获取无人机的模拟偏航规划信息；

第二雷达将无人机的模拟偏航规划信息发送至无人机，无人机依据模拟偏航规划信息进行飞行导航。

本发明请求保护一种用于无人飞行器的雷达探测方法和装置，通过第一雷达获取无人机的当前飞行信息，将当前飞行信息数据进行定期上传至中心控制器进行监控预警；当当前飞行信息经中心控制器分析后认定无人机发生飞行偏航时，向第二雷达发出无人机的偏航报警指令，第二雷达基于无人机的偏航位置获取无人机的模拟偏航规划信息；第二雷达将无人机的模拟偏航规划信息发送至无人机，无人机依据模拟偏航规划信息进行飞行导航。该方案可以有效地对无人机飞行过程中的路线进行合理规划，对无人机在偏航情况下的处置更加合理，可以更加准确地对无人机的行进方向进行配置，更好更及时达到无人机任务需求。

附图说明

图1为本发明所涉及的一种用于无人飞行器的雷达探测方法的工作流程图；

图2为本发明所涉及的一种用于无人飞行器的雷达探测方法的第二工作流程图；

图3为本发明所涉及的一种用于无人飞行器的雷达探测方法的第三工作流程图；

图4为本发明所涉及的一种用于无人飞行器的雷达探测装置的结构模块图。

具体实施方式

根据本发明的第一实施例，参照附图1，本发明请求保护一种用于无人飞行器的雷达探测方法，用于多个无人机中，包括：

第一雷达获取无人机的当前飞行信息，将当前飞行信息数据进行定期上传至中心控制器进行监控预警；

当当前飞行信息经中心控制器分析后认定无人机发生飞行偏航时，向第二雷达发出无人机的偏航报警指令，第二雷达基于无人机的偏航位置获取无人机的模拟偏航规划信息；

第二雷达将无人机的模拟偏航规划信息发送至无人机，无人机依据模拟偏航规划信息进行飞行导航。

优选的，参照附图2，第一雷达获取无人机的当前飞行信息，将当前飞行信息数据进行定期上传至中心控制器进行监控预警，具体包括：

第一雷达搭载通信基站，在目标区域内执行监控任务；

第一雷达的通信基站的定位模块与无人机建立通信连接，定位模块向无人机依次发送激活指令并进入等待状态；

无人机接收到激活指令后，获取自身的定位信息，将定位信息发送至通信基站的定位模块；

通信基站对接收到的无人机的定位信息进行分析，并将接收到的无人机的定位信息存储在内部缓存模块中；

通信基站依据多卡复用通信模式通过北斗卫星将定位信息发送至中心控制器；

通信基站判断是否已对所有的无人机均发送了激活指令；

如果还有未进行激活指令发送的无人机，通信基站向剩余的无人机依次发送激活指令并进入等待状态。

优选的，第二雷达基于无人机的偏航位置获取无人机的模拟偏航规划信息，具体包括：

根据无人机的至少两个雷达扫描图，构建无人机的雷达立体图；

获取雷达立体图的无人机纵向截面位置；无人机纵向截面位置包括无人机的偏航起始位置和航线终点位置；

根据雷达立体图的无人机纵向截面位置的灰度值梯度和各无人机纵向截面位置对应的SAR图像，计算无人机的螺旋桨平均旋转速率；

根据无人机的雷达立体图、预设的极限条件和预设的模拟模型，进行模拟计算，得到无人机的模拟结果；预设的极限条件包括旋转速率极限值和电力极限值；旋转速率极限值为螺旋桨平均旋转速率；

将各无人机的飞行路程信息、无人机的螺旋桨平均旋转速率输入至预设的flag模型，计算得到无人机的第一航线终点旋转速率；

根据第一航线终点旋转速率，对螺旋桨平均旋转速率进行调整，得到调整后的螺旋桨平均旋转速率；

根据无人机的雷达立体图、螺旋桨平均旋转速率、预设极限条件和预设的迭代方程，进行迭代计算，得到无人机的模拟结果，包括：

根据无人机的雷达立体图、调整后的螺旋桨平均旋转速率、极限条件和迭代方程，进行迭代计算，得到无人机的模拟结果。

优选的，根据雷达立体图的无人机纵向截面位置的灰度值梯度和各无人机纵向截面位置对应的SAR图像，计算无人机的螺旋桨平均旋转速率，包括：

检测到雷达立体图的灰度值梯度值大于预设阈值时，确定雷达立体图的当前位置为无人机纵向截面位置，并获取无人机纵向截面位置的对应的SAR图像；

根据各无人机纵向截面位置的对应的SAR图像，计算各无人机纵向截面位置之间的时间差；

根据时间差与无人机的覆盖面积，计算无人机的螺旋桨平均旋转速率；

对无人机的雷达立体图进行网格化处理，得到网格化的雷达立体图；

根据无人机的雷达立体图、螺旋桨平均旋转速率、预设极限条件和预设的迭代方程，进行迭代计算，得到无人机的模拟结果，包括：

根据网格化的雷达立体图、螺旋桨平均旋转速率、极限条件和迭代方程，进行迭代计算，得到无人机的模拟结果。

优选的，通过平面雷达扫描成像技术，获取目标区域的多个原始雷达扫描图；目标区域包含无人机；

根据各原始雷达扫描图的俯仰角角度，从多个原始雷达扫描图中确定至少两个雷达扫描图；

在根据无人机的雷达立体图、调整后的螺旋桨平均旋转速率、极限条件和迭代方程，进行迭代计算，得到无人机的模拟结果之后，方法还包括：

根据模拟结果中的电力分布信息和预设的机翼电力值，计算无人机的能源驱动续航分数；

根据无人机的能源驱动续航分数和预设的能源驱动续航分数阈值，确定无人机的状态信息。

优选的，参照附图3，第二雷达将无人机的模拟偏航规划信息发送至无人机，无人机依据模拟偏航规划信息进行飞行导航，具体包括：

根据协作任务描述无人机的集群预期行为；

根据协作任务执行过程的模拟数据描述无人机中各个单机的个体实际行为；

基于无人机的集群预期行为和无人机中各个单机的个体实际行为，对无人机中的各个单机进行分类，确定无人机中具有偏航行为的单机；

基于无人机中各个单机的飞行状态确定无人机的空间协作指数和无人机中各个单机的自协作指数；以及，

对无人机通信网络的最大通信距离、通信丢包率和误码率进行分析，构建无人机组网通信的动态拓扑图并展示在交互界面上。

具体的，在该实施例中，涉及的是计算机设备根据无人机的至少两个雷达扫描图，构建无人机的雷达立体图，获取雷达立体图的无人机纵向截面位置，根据雷达立体图的无人机纵向截面位置的灰度值梯度和各无人机纵向截面位置对应的SAR图像，计算无人机的螺旋桨平均旋转速率，从而根据无人机的雷达立体图、螺旋桨平均旋转速率、预设极限条件和预设的迭代方程，进行迭代计算，得到无人机的模拟结果的过程，包括以下步骤：

根据无人机的至少两个雷达扫描图，构建无人机的雷达立体图。

在本实施例中，计算机设备根据无人机的至少两个雷达扫描图，构建无人机的雷达立体图。示例地，计算机设备根据两个雷达扫描图构建雷达立体图，首先分别对两个雷达扫描图中的无人机进行平面轮廓和中心线的提取操作，得到两个雷达扫描图中的无人机的平面轮廓。其中，计算机设备可以根据雷达扫描图中的灰度信息的进行平面轮廓的提取，例如，基于灰度值梯度，灰度值阈值进行平面轮廓的提取。计算机设备基于确定的平面轮廓确定无人机的中心线，示例地，计算机设备通过在无人机截面上取得轮廓中心点，再将中心点一一连接得到中心线。进一步地，计算机设备在完成中心线的提取之后，还可以通过中心线和轮廓的对应关系进行进一步的调整，示例地，计算机设备可以对中心线及轮廓进行平滑处理、对中心线及轮廓点的进行重采样处理等操作。其中，平滑处理指的是通过中心线及轮廓的相邻点取平均值进行中心线及轮廓的平滑计算。重采样指的是对于中心线及轮廓的各点的信息进行重新筛选，以便得到更准确的中心线及轮廓。

计算机设备在确定，无人机的中心线及平面轮廓之后，基于两个雷达扫描图的平面轮廓、中心线、以及两个雷达扫描图的俯仰角角度，进行自动化三维建模，生成无人机的三维重建模型，本实施例对此不做限定。

获取雷达立体图的无人机纵向截面位置；无人机纵向截面位置包括无人机的偏航起始位置和航线终点位置。

在本实施例中，计算机设备在构建无人机的雷达立体图之后，基于雷达立体图，确定无人机的偏航起始位置和航线终点位置，可选地，为了更准确的计算无人机的螺旋桨平均旋转速率，计算机设备还可以确定无人机中其他具有特征性的位置，例如无人机整体偏航位置、单机偏航或多无人机偏航的位置等。在确定无人机的偏航起始位置和航线终点位置时，计算机设备需要遵循一定的选取原则，其中，选取原则包括选取点的位置要求、数量要求，无人机的规模大小要求等，本实施例对此不做限定。

根据雷达立体图的无人机纵向截面位置的灰度值梯度和各无人机纵向截面位置对应的SAR图像，计算无人机的螺旋桨平均旋转速率。

在本实施例中，计算机设备基于预设的TIMI算法，根据雷达立体图的无人机纵向截面位置的灰度值梯度，提取无人机的无人机纵向截面位置的SAR图像，并基于无人机的无人机纵向截面位置的SAR图像计算无人机的螺旋桨平均旋转速率。可选地，计算机设备自动识别雷达立体图的无人机纵向截面位置，即，识别无人机的偏航起始位置和航线终点位置，分别获取无人机的偏航起始位置和航线终点位置对应的SAR图像，根据SAR图像进行雷达扫描在无人机的偏航起始位置和航线终点位置经过时间差的计算，进而根据时间差和无人机的覆盖面积，计算无人机的螺旋桨平均旋转速率。由于对无人机进行雷达扫描采用的是均匀的时间，所以在找到雷达扫描的位置和时间信息后，可以计算出雷达扫描在无人机信号广播的时间。

可选的，计算机设备还可以接收操作人员的设定的雷达扫描经过偏航起始位置和航线终点位置，并获取偏航起始位置和航线终点位置对应的帧。进一步地，还可以对手动选取的偏航起始位置和航线终点位置进行调整，以得到更为精准的雷达扫描经过偏航起始位置和航线终点位置，进而得到更为精准的无人机的螺旋桨平均旋转速率，本实施例对此不做限定。

根据无人机的雷达立体图、预设的极限条件和预设的模拟模型，进行模拟计算，得到无人机的模拟结果；预设的极限条件包括旋转速率极限值和电力极限值；旋转速率极限值为螺旋桨平均旋转速率。

其中，旋转速率极限值指的是无人机的航线终点速度，电力极限值指的是预设的偏航起始电力。本实施例中，将计算得到的螺旋桨平均旋转速率作为无人机的航线终点速度。

在本实施例中，可选地，模拟模型可以为基于神经网络的机器学习模型，例如，卷积神经网络、递归神经网络、强化学习网络、迁移学习网络或者几个网络模型的融合网络。除此之外，模拟模型还可以为预设的迭代方程。计算机设备可以根据预设的质量守恒、动量守恒及能量守恒方程，结合对应的纳维斯托克斯方程，进行流体力学模拟计算。示例地，计算机设备结果无人机的雷达立体图、极限条件信息作为输入数据，代入迭代方程，执行迭代计算，得到当前的计算结果。其中极限条件信息包括速度极限条件和电力极限条件，这里，可选地，速度极限条件可以为上述实施例中计算得到的无人机的螺旋桨平均旋转速率；电力极限条件可以为预设的无人机的偏航起始电力。计算机设备根据预设的迭代条件，以及每一次迭代得到的模拟结果确定无人机的最终模拟结果，本实施例对此不做限定。

上述无人机模拟分析方法中，计算机设备根据无人机的至少两个雷达扫描图，构建无人机的雷达立体图，获取雷达立体图的无人机纵向截面位置，根据雷达立体图的无人机纵向截面位置的灰度值梯度和各无人机纵向截面位置对应的SAR图像，计算无人机的螺旋桨平均旋转速率，从而根据无人机的雷达立体图、预设的极限条件和预设的模拟模型，进行模拟计算，得到无人机的模拟结果。其中，无人机纵向截面位置包括无人机的偏航起始位置和航线终点位置，预设的极限条件包括旋转速率极限值和电力极限值，这里旋转速率极限值为螺旋桨平均旋转速率。在本方法中，计算机设备可以自动识别无人机的无人机纵向截面位置，根据无人机的偏航起始位置的灰度值梯度和航线终点位置灰度值梯度，进行螺旋桨平均旋转速率的计算，整个计算过程无需用户交互操作，避免了由于人工操作造成的计算精度低，计算得到的螺旋桨平均旋转速率更准确，从而基于螺旋桨平均旋转速率而得到的无人机的模拟结果更为精准。

在本实施例中，计算机设备根据无人机，确定与预设区域内与无人机连接的其他无人机，在确定其他无人机时，计算机设备可以基于无人机粗细情况、清晰情况、以及位置特征情况确定多个无人机。

将各无人机的飞行路程信息、无人机的螺旋桨平均旋转速率输入至预设的flag模型，计算得到无人机的第一航线终点旋转速率。

在本实施例中，计算机设备通过将各无人机的飞行路程信息、无人机的螺旋桨平均旋转速率输入预设的flag模型，得到更为精准的无人机的第一航线终点旋转速率。其中，Flag模型指的是由无人机灰度和位置信息得到的灰度曲线变化的线性拟合结果。可选地，计算机设备将无人机的螺旋桨平均旋转速率作为已知参数，通过获取其他无人机的Flag信息，计算得到无人机的第一航线终点旋转速率，并将计算得到的第一航线终点旋转速率作为速度的优化极限条件。

可选地，预设的flag模型包括第一行进方程和第二行进方程；第一行进方程表示各无人机的航线终点旋转速率与各无人机的飞行路程信息之间的映射关系；第二行进方程表示各无人机的航线终点旋转速率、所有无人机的覆盖面积之和、以及雷达扫描经过时间之间的映射关系。

其中，第一行进方程可以表示为：

其中，n表示无人机的个数，n为自然数；表示第x个无人机的航线终点速度；表示第x个无人机对应的Flag飞行路程。

第二行进方程可以表示为：

其中，n表示无人机的个数；表示第x个无人机的航线终点速度；表示所有无人机的覆盖面积之和；Δt表示雷达扫描经过所有无人机的时间。

根据第一航线终点旋转速率，对螺旋桨平均旋转速率进行调整，得到调整后的螺旋桨平均旋转速率。

在本实施例中，上述实施例将计算得到的第一航线终点旋转速率作为优化后的无人机的速度极限条件，基于速度极限条件，对无人机的螺旋桨平均旋转速率进行调整，可选地，计算机设备可以确定调整偏差值，并根据调整偏差值对螺旋桨平均旋转速率进行调整，得到调整后的螺旋桨平均旋转速率。

根据无人机的雷达立体图、调整后的螺旋桨平均旋转速率、极限条件和迭代方程，进行迭代计算，得到无人机的模拟结果。

在本实施例中，计算机设备可以根据预设的质量守恒、动量守恒及能量守恒方程，结合对应的纳维斯托克斯方程，进行流体力学模拟迭代计算。示例地，计算机设备结果无人机的雷达立体图、极限条件信息作为输入数据，代入迭代方程，执行迭代计算，得到当前的计算结果。其中极限条件信息包括速度极限条件和电力极限条件，这里，可选地，速度极限条件可以为调整后的无人机的螺旋桨平均旋转速率；电力极限条件可以为预设的无人机的偏航起始电力。计算机设备根据预设的迭代条件，以及每一次迭代得到的模拟结果确定无人机的最终模拟结果，本实施例对此不做限定。

在本实施例中，计算机设备根据调整之后的无人机的螺旋桨平均旋转速率进行无人机的迭代计算，得到的计算结果更为准确。

计算机设备根据自动获取到的无人机纵向截面位置的灰度值梯度进行计算时，在一个实施例中，上述根据雷达立体图的无人机纵向截面位置的灰度值梯度和各无人机纵向截面位置对应的SAR图像，计算无人机的螺旋桨平均旋转速率，包括：

检测到雷达立体图的灰度值梯度值大于预设阈值时，确定雷达立体图的当前位置为无人机纵向截面位置，并获取无人机纵向截面位置的对应的SAR图像。

在本实施例中，在添加雷达扫描之后，计算机设备对雷达立体图的雷达扫描灰度值进行提取，识别并确定无人机的雷达立体图中的无人机纵向截面位置。例如，在灰度信息发生突变时，则认为是雷达扫描通过该无人机的无人机纵向截面位置的偏航起始位置，而导致灰度信息发生突变，此时，获取当前无人机纵向截面位置对应的SAR图像信息。

根据各无人机纵向截面位置的对应的SAR图像，计算各无人机纵向截面位置之间的时间差。

在本实施例中，计算机设备通过获取无人机纵向截面位置的航线终点位置对应的帧数和无人机纵向截面位置的偏航起始位置对应的帧数，可选地，计算机设备通过将航线终点位置对应的帧数减去偏航起始位置对应的帧数的方式，来计算出雷达扫描在无人机纵向截面位置之间信号广播的时间差。

根据时间差与无人机的覆盖面积，计算无人机的螺旋桨平均旋转速率。

在本实施例中，有上述步骤获得时间差，计算机设备还可以根据无人机的雷达立体图获取无人机的覆盖面积，通过计算覆盖面积和时间差的商值，计算无人机的螺旋桨平均旋转速率。

在本实施例中，计算机设备可以通过该方法准确识别无人机中灰度梯度跳跃点，来确定无人机的无人机纵向截面位置，提高了无人机的旋转速率的计算准确度。

在构建无人机的雷达立体图过程中，计算机设备还需要对雷达立体图进行网格化处理。在一个实施例中，上述方法还包括：

对无人机的雷达立体图进行网格化处理，得到网格化的雷达立体图。

在本实施例中，计算机设备根据无人机的雷达立体图，生成满足算法需求的自适应网格。可选地，计算机设备可以自定义网格的大小，也可以使用默认的大小的网格。其中，网格的大小指的是基于三维重建模型所计算出的四面体网格的最大尺寸，通过这一参数可以调整网格的密度。计算机设备基于确定的网格大小对无人机的雷达立体图进行网格化处理，得到网格化的雷达立体图。

根据网格化的雷达立体图、螺旋桨平均旋转速率、极限条件和迭代方程，进行迭代计算，得到无人机的模拟结果。

在本实施例中，计算机设备可以根据预设的质量守恒、动量守恒及能量守恒方程，结合进行流体力学模拟迭代计算。示例地，计算机设备结果无人机的网格化的雷达立体图、极限条件信息作为输入数据，代入迭代方程，执行迭代计算，得到当前的计算结果，并根据预设的迭代条件，以及每一次迭代得到的模拟结果确定无人机的最终模拟结果，本实施例对此不做限定。

在本实施例中，计算机设备可以根据计算精度确定无人机的网格尺寸，基于计算速度和精度的考虑，对无人机进行网格化处理，保证了后续基于雷达立体图进行迭代计算的准确性。

可选地，计算机设备根据预设的迭代条件执行迭代计算。在一个实施例中，根据无人机的雷达立体图、预设的极限条件和预设的模拟模型，进行模拟计算，得到无人机的模拟结果，包括：

将无人机的雷达立体图、螺旋桨平均旋转速率和电力极限值，代入预设的模拟模型，计算得到第i次迭代结果；迭代结果包括雷达立体图中各网格点对应的速度和电力。

其中，预设的模拟模型可以为预设的迭代方程，例如纳维斯托克斯方程。

在本实施例中，可选地，计算机设备可以根据预设的质量守恒、动量守恒及能量守恒方程，结合进行流体力学模拟迭代计算。示例地，计算机设备结果无人机的雷达立体图、极限条件信息作为输入数据，代入迭代方程，执行迭代计算，得到当前的计算结果。其中极限条件信息包括速度极限条件和电力极限条件，这里，可选地，速度极限条件可以为上述实施例中计算得到的无人机的螺旋桨平均旋转速率；电力极限条件可以为预设的无人机的偏航起始电力。

在第i+1次的迭代结果与第i次的迭代结果之间的残差值小于预设阈值的情况下，将第i+1次的迭代结果确定为无人机的模拟结果；模拟结果包括无人机的螺旋桨速度分布信息、螺旋桨电力分布信息。

在本实施例中，根据每一次的模拟结果，确定是否继续执行迭代计算。可选地，计算机设备可以计算第i+1次的迭代结果与第i次的迭代结果之间的残差值，在残差值小于预设的阈值的情况下，确定当前迭代计算的结果已经达到收敛，那么停止迭代，并将第i+1次的迭代结果确定为无人机的模拟结果，本实施例对此不做限定。其中，i为自然数。

在本实施例中，计算机设备根据预设的迭代算法和迭代条件执行迭代操作，得到无人机的螺旋桨速度分布信息、螺旋桨电力分布信息，得到的模拟结果准确、可靠。

在对无人机进行模拟计算之前，计算机设备可以通过原始雷达扫描图确定无人机。在一个实施例中，上述方法还包括：

通过平面雷达扫描成像技术，获取目标区域的多个原始雷达扫描图；目标区域包含无人机。

在本实施例中，计算机设备可以基于双平面雷达扫描技术，得到包含无人机的感兴趣区域的雷达扫描图，该雷达扫描图指的是沿时间变化的感兴趣区域的图像数据。在基于双平面雷达扫描技术获取雷达扫描图的过程中，基于与目标主体的俯仰角角度，获取多个不同角度的原始雷达扫描图。

根据各原始雷达扫描图的俯仰角角度，从多个原始雷达扫描图中确定至少两个雷达扫描图。

在本实施例中，计算机设备可以基于工作人员或用户触发的请求，对原始雷达扫描图进行筛选。其中，筛选原则包括原始雷达扫描图对应的俯仰角角度、原始雷达扫描图中无人机的轮廓雷达扫描、床板在雷达扫描充盈前的移动情况、以及原始雷达扫描图中所有无人机的重叠情况。可选地，在无人机的轮廓雷达扫描清晰、无人机的重叠情况较少、床板在雷达扫描充盈前无移动的情况下，根据原始雷达扫描图对应的俯仰角角度，选取两个成一定角度的原始雷达扫描图，例如，选取两个俯仰角角度差大于或等于30度的两个原始雷达扫描图，作为筛选后的雷达扫描图。

可选地，在从原始雷达扫描图中筛选雷达扫描图时，还可以考虑两个原始雷达扫描图中的无人机均完整，且至少一个原始雷达扫描图中的无人机包含一个或多个明显的位置信息，例如，无人机整体偏航或狭窄等位置特征。

在本实施例中，计算机设备可以根据预设的筛选原则，从得到的无人机的原始雷达扫描图中筛选所需要的雷达扫描图，进行后期模拟计算，筛选得到的雷达扫描图具有一定的清晰度，且具有良好的位置特征，提高模拟计算的效率和准确性。

计算机设备在得到模拟结果之后，还可以对模拟结果进行进一步的处理分析，得到无人机不同维度的分析结果。在一个实施例中，在上述根据无人机的雷达立体图、调整后的螺旋桨平均旋转速率、极限条件和迭代方程，进行迭代计算，得到无人机的模拟结果之后，上述方法还包括：

根据模拟结果中的电力分布信息和预设的机翼电力值，计算无人机的能源驱动续航分数。

其中，预设的机翼电力值为根据无人机的实际位置确定的额定值。

在本实施例中，计算机设备根据模拟结果中的电力分布信息，可以获取无人机中任意位置的电力值，根据电力值和预设的机翼电力值，计算无人机的能源驱动续航分数。示例地，无人机的能源驱动续航分数的计算可以通过以下公式得到：

无人机的能源驱动续航分数=；

其中，P为无人机中任意一点的电力值，为预设的机翼电力值。

根据模拟结果中的速度分布信息，获取无人机的流线分布结果。

在本实施例中，计算机设备可以通过速度分布信息，生成无人机的流线分布结果，该流线分布结果表示一个时间点下，无人机中螺旋桨速度的大小和方向在无人机内的表现。

根据模拟结果中的速度分布信息、无人机的雷达立体图、以及无人机的螺旋桨粘性，获取无人机的应力分布结果。

在本实施例中，计算机设备还可以获取无人机的螺旋桨粘性，该螺旋桨粘性可以为预设的额定值，也可以是模拟过程中的参数值，根据螺旋桨粘性和模拟结果中的速度分布信息、以及无人机的雷达立体图，确定无人机中螺旋桨对无人机壁的相互作用，即得到无人机中不同位置的受力情况。

在本实施例中，计算机设备还可以根据模拟结果获取无人机不同维度的分析结果，基于模拟结果得到的分析结果准确、可靠。

计算机设备还可以根据无人机的能源驱动续航分数，确定无人机的状态信息。在一个实施例中，上述方法还包括：根据无人机的能源驱动续航分数无人机的能源驱动续航分数和预设的能源驱动续航分数阈值，确定无人机的状态信息。

在本实施例中，计算机设备还可以根据无人机的能源驱动续航分数无人机的能源驱动续航分数和预设的能源驱动续航分数阈值，确定无人机的状态信息，例如，无人机的能源驱动续航分数无人机的能源驱动续航分数大于预设的能源驱动续航分数阈值时，表示无人机可能存在堵塞的情况，则确定无人机的状态信息为偏航，本实施例对此不做限定。

在本实施例中，基于无人机的能源驱动续航分数无人机的能源驱动续航分数和预设的能源驱动续航分数阈值，可以简单并且准确的获知无人机的状态信息。

为了更好的说明上述方法，具体包括：

通过平面雷达扫描成像技术，获取目标区域的多个原始雷达扫描图；目标区域包含无人机；

根据各原始雷达扫描图的俯仰角角度，从多个原始雷达扫描图中确定至少两个雷达扫描图；

根据无人机的至少两个雷达扫描图，构建无人机的雷达立体图；

获取雷达立体图的无人机纵向截面位置；无人机纵向截面位置包括无人机的偏航起始位置和航线终点位置；

对无人机的雷达立体图进行网格化处理，得到网格化的雷达立体图；

检测到网格化的雷达立体图的灰度值梯度值大于预设阈值时，确定雷达立体图的当前位置为无人机纵向截面位置，并获取无人机纵向截面位置的对应的SAR图像；

根据各无人机纵向截面位置的对应的SAR图像，计算各无人机纵向截面位置之间的时间差；

根据时间差与无人机的覆盖面积，计算无人机的螺旋桨平均旋转速率；

将各无人机的飞行路程信息、无人机的螺旋桨平均旋转速率输入至预设的flag模型，计算得到无人机的第一航线终点旋转速率；

根据第一航线终点旋转速率，对螺旋桨平均旋转速率进行调整，得到调整后的螺旋桨平均旋转速率；

根据无人机的网格化的雷达立体图、调整后的螺旋桨平均旋转速率、极限条件和模拟模型，进行模拟计算，得到无人机的模拟结果；

根据模拟结果中的电力分布信息和预设的机翼电力值，计算无人机的能源驱动续航分数(无人机的能源驱动续航分数)；

根据无人机的能源驱动续航分数(无人机的能源驱动续航分数)和预设的能源驱动续航分数阈值，确定无人机的状态信息；

根据模拟结果中的速度分布信息，获取无人机的流线分布结果；

根据模拟结果中的速度分布信息、无人机的雷达立体图、以及无人机的螺旋桨粘性，获取无人机的应力分布结果。

在本实施例中，计算机设备可以自动识别无人机的无人机纵向截面位置，根据无人机的偏航起始位置的灰度值梯度和航线终点位置灰度值梯度，进行螺旋桨平均旋转速率的计算，整个计算过程无需用户交互操作，避免了由于人工操作造成的计算精度低，计算得到的螺旋桨平均旋转速率更准确，并且，通过将无人机的能源驱动续航分数 flag模型对螺旋桨速度的极限条件进行调整，优化了螺旋桨速度极限条件，进一步地调整螺旋桨的平均速度，从而基于螺旋桨平均旋转速率而得到的无人机的模拟结果更为精准。

上述实施例提供的无人机模拟分析方法，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。

根据本发明第二实施例，参照图4，本发明请求保护一种用于无人飞行器的雷达探测装置，包括：第一雷达、多个无人机构成的无人机群、中心控制器、第二雷达；

第一雷达获取无人机的当前飞行信息，将当前飞行信息数据进行定期上传至中心控制器进行监控预警；

当当前飞行信息经中心控制器分析后认定无人机发生飞行偏航时，向第二雷达发出无人机的偏航报警指令，第二雷达基于无人机的偏航位置获取无人机的模拟偏航规划信息；

第二雷达将无人机的模拟偏航规划信息发送至无人机，无人机依据模拟偏航规划信息进行飞行导航。

本领域技术人员能够理解，本公开所披露的内容可以出现多种变型和改进。例如，以上所描述的各种设备或组件可以通过硬件实现，也可以通过软件、固件、或者三者中的一些或全部的组合实现。

本公开中使用了流程图用来说明根据本公开的实施例的方法的步骤。应当理解的是，前面或后面的步骤不一定按照顺序来精确的进行。相反，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中。

本领域普通技术人员可以理解上述方法中的全部或部分的步骤可通过计算机程序来指令相关硬件完成，程序可以存储于计算机可读存储介质中，如只读存储器、磁盘或光盘等。可选地，上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地，上述实施例中的各模块/单元可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。本公开并不限制于任何特定形式的硬件和软件的结合。

除非另有定义，这里使用的所有术语具有与本公开所属领域的普通技术人员共同理解的相同含义。还应当理解，诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。

以上是对本公开的说明，而不应被认为是对其的限制。尽管描述了本公开的若干示例性实施例，但本领域技术人员将容易地理解，在不背离本公开的新颖教学和优点的前提下可以对示例性实施例进行许多修改。因此，所有这些修改都意图包含在权利要求书所限定的本公开范围内。应当理解，上面是对本公开的说明，而不应被认为是限于所公开的特定实施例，并且对所公开的实施例以及其他实施例的修改意图包含在所附权利要求书的范围内。本公开由权利要求书及其等效物限定。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (7)

1.一种用于无人飞行器的雷达探测方法，用于多个无人机中，其特征在于，包括：

第一雷达获取无人机的当前飞行信息，将所述当前飞行信息数据进行定期上传至中心控制器进行监控预警；

当所述当前飞行信息经所述中心控制器分析后认定所述无人机发生飞行偏航时，向第二雷达发出所述无人机的偏航报警指令，所述第二雷达基于所述无人机的偏航位置获取所述无人机的模拟偏航规划信息；

所述第二雷达将所述无人机的模拟偏航规划信息发送至所述无人机，所述无人机依据所述模拟偏航规划信息进行飞行导航。

2.如权利要求1所述的一种用于无人飞行器的雷达探测方法，其特征在于：

所述第一雷达获取所述无人机的当前飞行信息，将所述当前飞行信息数据进行定期上传至中心控制器进行监控预警，具体包括：

第一雷达搭载通信基站，在目标区域内执行监控任务；

所述第一雷达的通信基站的定位模块与所述无人机建立通信连接，所述定位模块向所述无人机依次发送激活指令并进入等待状态；

所述无人机接收到所述激活指令后，获取自身的定位信息，将所述定位信息发送至所述通信基站的定位模块；

所述通信基站对接收到的所述无人机的定位信息进行分析，并将所述接收到的无人机的定位信息存储在内部缓存模块中；

所述通信基站依据多卡复用通信模式通过北斗卫星将所述定位信息发送至中心控制器；

所述通信基站判断是否已对所有的无人机均发送了激活指令；

如果还有未进行激活指令发送的无人机，所述通信基站向剩余的无人机依次发送激活指令并进入等待状态。

3.如权利要求1所述的一种用于无人飞行器的雷达探测方法，其特征在于：

所述第二雷达基于所述无人机的偏航位置获取所述无人机的模拟偏航规划信息，具体包括：

根据无人机的至少两个雷达扫描图，构建所述无人机的雷达立体图；

获取所述雷达立体图的无人机纵向截面位置；所述无人机纵向截面位置包括所述无人机的偏航起始位置和航线终点位置；

根据所述雷达立体图的无人机纵向截面位置的灰度值梯度和各所述无人机纵向截面位置对应的SAR图像，计算所述无人机的螺旋桨平均旋转速率；

根据所述无人机的雷达立体图、预设的极限条件和预设的模拟模型，进行模拟计算，得到所述无人机的模拟结果；所述预设的极限条件包括旋转速率极限值和电力极限值；所述旋转速率极限值为所述螺旋桨平均旋转速率；

将各所述无人机的飞行路程信息、所述无人机的螺旋桨平均旋转速率输入至预设的flag模型，计算得到所述无人机的第一航线终点旋转速率；

根据所述第一航线终点旋转速率，对所述螺旋桨平均旋转速率进行调整，得到调整后的螺旋桨平均旋转速率；

根据所述无人机的雷达立体图、所述螺旋桨平均旋转速率、预设极限条件和预设的迭代方程，进行迭代计算，得到所述无人机的模拟结果，包括：

根据所述无人机的雷达立体图、所述调整后的螺旋桨平均旋转速率、所述极限条件和所述迭代方程，进行迭代计算，得到所述无人机的模拟结果。

4.如权利要求3所述的一种用于无人飞行器的雷达探测方法，其特征在于：

所述根据所述雷达立体图的无人机纵向截面位置的灰度值梯度和各所述无人机纵向截面位置对应的SAR图像，计算所述无人机的螺旋桨平均旋转速率，包括：

检测到所述雷达立体图的灰度值梯度值大于预设阈值时，确定所述雷达立体图的当前位置为所述无人机纵向截面位置，并获取所述无人机纵向截面位置的对应的SAR图像；

根据各所述无人机纵向截面位置的对应的SAR图像，计算各所述无人机纵向截面位置之间的时间差；

根据所述时间差与所述无人机的覆盖面积，计算所述无人机的螺旋桨平均旋转速率；

对所述无人机的雷达立体图进行网格化处理，得到网格化的雷达立体图；

根据所述无人机的雷达立体图、所述螺旋桨平均旋转速率、预设极限条件和预设的迭代方程，进行迭代计算，得到所述无人机的模拟结果，包括：

根据所述网格化的雷达立体图、所述螺旋桨平均旋转速率、所述极限条件和所述迭代方程，进行迭代计算，得到所述无人机的模拟结果。

5.如权利要求4所述的一种用于无人飞行器的雷达探测方法，其特征在于：

通过平面雷达扫描成像技术，获取目标区域的多个原始雷达扫描图；所述目标区域包含所述无人机；

根据各所述原始雷达扫描图的俯仰角角度，从所述多个原始雷达扫描图中确定所述至少两个雷达扫描图；

在所述根据所述无人机的雷达立体图、所述调整后的螺旋桨平均旋转速率、所述极限条件和所述迭代方程，进行迭代计算，得到所述无人机的模拟结果之后，所述方法还包括：

根据所述模拟结果中的电力分布信息和预设的机翼电力值，计算所述无人机的能源驱动续航分数；

根据所述无人机的能源驱动续航分数和预设的能源驱动续航分数阈值，确定所述无人机的状态信息。

6.如权利要求5所述的一种用于无人飞行器的雷达探测方法，其特征在于：

所述第二雷达将所述无人机的模拟偏航规划信息发送至所述无人机，所述无人机依据所述模拟偏航规划信息进行飞行导航，具体包括：

根据协作任务描述所述无人机的集群预期行为；

根据所述协作任务执行过程的模拟数据描述所述无人机中各个单机的个体实际行为；

基于所述无人机的集群预期行为和所述无人机中各个单机的个体实际行为，对所述无人机中的各个单机进行分类，确定所述无人机中具有偏航行为的单机；

基于所述无人机中各个单机的飞行状态确定所述无人机的空间协作指数和所述无人机中各个单机的自协作指数；以及，

对无人机通信网络的最大通信距离、通信丢包率和误码率进行分析，构建无人机组网通信的动态拓扑图并展示在交互界面上。

7.一种用于无人飞行器的雷达探测装置，其特征在于，包括：第一雷达、多个无人机构成的无人机群、中心控制器、第二雷达；

所述第一雷达获取所述无人机的当前飞行信息，将所述当前飞行信息数据进行定期上传至所述中心控制器进行监控预警；

当所述当前飞行信息经所述中心控制器分析后认定所述无人机发生飞行偏航时，向所述第二雷达发出所述无人机的偏航报警指令，所述第二雷达基于所述无人机的偏航位置获取所述无人机的模拟偏航规划信息；

所述第二雷达将所述无人机的模拟偏航规划信息发送至所述无人机，所述无人机依据所述模拟偏航规划信息进行飞行导航。

Images