CN116558364A - 一种针对未知飞行器的干扰拦截系统及方法 - Google Patents
一种针对未知飞行器的干扰拦截系统及方法 Download PDFInfo
- Publication number
- CN116558364A CN116558364A CN202310498495.4A CN202310498495A CN116558364A CN 116558364 A CN116558364 A CN 116558364A CN 202310498495 A CN202310498495 A CN 202310498495A CN 116558364 A CN116558364 A CN 116558364A
- Authority
- CN
- China
- Prior art keywords
- aircraft
- target
- module
- unknown
- interception
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012545 processing Methods 0.000 claims description 25
- 238000001914 filtration Methods 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 description 42
- 230000015572 biosynthetic process Effects 0.000 description 15
- 230000006854 communication Effects 0.000 description 14
- 238000003860 storage Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000000903 blocking effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- IHHSSHCBRVYGJX-UHFFFAOYSA-N 6-chloro-2-methoxyacridin-9-amine Chemical compound C1=C(Cl)C=CC2=C(N)C3=CC(OC)=CC=C3N=C21 IHHSSHCBRVYGJX-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000010367 cloning Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/05—Underwater scenes
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F41—WEAPONS
- F41H—ARMOUR; ARMOURED TURRETS; ARMOURED OR ARMED VEHICLES; MEANS OF ATTACK OR DEFENCE, e.g. CAMOUFLAGE, IN GENERAL
- F41H11/00—Defence installations; Defence devices
- F41H11/02—Anti-aircraft or anti-guided missile or anti-torpedo defence installations or systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请提供了一种针对未知飞行器的干扰拦截系统及方法，其中，图像获取模块，用于获取至少一个未知飞行器图像；目标识别模块，用于对于每个所述未知飞行器图像，判断目标飞行器的形状与可通行飞行器的形状是否相同，其中，所述目标飞行器为该未知飞行器图像中所包含的未知飞行器；目标控制模块，用于若所述目标飞行器的形状与可通行飞行器的形状不相同，则控制所述目标飞行器从禁飞区飞行至拦截区域；目标拦截模块，用于控制用于对目标飞行器进行拦截的至少一个无人机飞行至所述拦截区域对所述目标飞行器进行目标拦截。采用上述方案，对驶入禁飞区的飞行器进行拦截，以避免出现安全隐患。
Description
技术领域
本发明涉飞行器控制领域，具体而言，涉及一种针对未知飞行器的干扰拦截系统及方法。
背景技术
随着遥感技术、导航技术和电子技术的不断成熟，飞行器的使用范围迅速扩大，其能实现的功能也越发多样化，为通信、导航、运输等领域带来了便利。基于不同飞行器的形状以及其实现的功能不同，有关部门针对不同飞行器设置了不同禁飞区，在某类飞行器的禁飞区内，受限于该禁飞区的飞行条件(包括飞行空间，飞行权限等)，该类飞行器是无法在该禁飞区内正常飞行的。若某类飞行器强行驶入为其设置的禁飞区，那么很可能会出现由于该区域提供的飞行条件无法满足该类飞行器的需求，导致飞行器无法正常飞行，从而出现安全隐患。
但是飞行器在飞行过程中，很可能会由于收到外界干扰，或者是目标飞行轨迹计算错误从而导致飞行器误驶入为其设置的禁飞区中，从而出现安全隐患，因此，如何对驶入禁飞区的飞行器进行拦截，以避免出现安全隐患成为了一个亟待解决的问题。
发明内容
有鉴于此，本发明的目的在于提供一种针对未知飞行器的干扰拦截系统及方法，对驶入禁飞区的飞行器进行拦截，以避免出现安全隐患。
第一方面，本申请实施例提供了一种针对未知飞行器的干扰拦截系统，所述系统包括图像获取模块、目标识别模块、目标控制模块和目标拦截模块：
所述图像获取模块，用于获取至少一个未知飞行器图像，其中，每个所述未知飞行器图像其各自包含有禁飞区中的一个未知飞行器；
所述目标识别模块，用于对于每个所述未知飞行器图像，判断目标飞行器的形状与可通行飞行器的形状是否相同，其中，所述目标飞行器为该未知飞行器图像中所包含的未知飞行器，所述可通行飞行器为在所述禁飞区内具有飞行权限的飞行器；
所述目标控制模块，用于若所述目标飞行器的形状与可通行飞行器的形状不相同，则控制所述目标飞行器从所述禁飞区飞行至拦截区域；
所述目标拦截模块，用于控制用于对目标飞行器进行拦截的至少一个无人机飞行至所述拦截区域，并执行对所述目标飞行器进行目标拦截的拦截任务。
可选地，所述系统还包括预警信息发送模块；
在所述目标识别模块对于每个所述未知飞行器图像，判断目标飞行器的形状与可通行飞行器的形状是否相同后，所述目标控制模块还用于：
若所述目标飞行器的形状与可通行飞行器的形状相同，则控制所述目标飞行器保持当前飞行轨迹飞行；
在所述目标识别模块对于每个所述未知飞行器图像，判断目标飞行器的形状与可通行飞行器的形状是否相同后，所述预警信息发送模块用于：
若所述目标飞行器的形状与可通行飞行器的形状不相同，将预设的预警信息发送至控制中心。
可选地，所述系统还包括目标定位模块和轨迹生成模块；
所述目标定位模块，用于在所述图像获取模块获取至少一个未知飞行器图像后，通过雷达获取所述目标飞行器在至少一个时间点的位置坐标；
所述轨迹生成模块，用于根据所述目标飞行器在至少一个时间点的位置坐标生成所述目标飞行器的实际飞行轨迹。
可选地，所述系统还包括轨迹预测模块和飞行轨迹发送模块；
所述轨迹预测模块，用于在所述轨迹生成模块根据所述目标飞行器在至少一个时间点的位置坐标生成所述目标飞行器的实际飞行轨迹后，将所述目标飞行器的实际飞行轨迹输入至训练好的飞行轨迹预测模型中确定出所述目标飞行器在未来预设时间段内的预测飞行轨迹；
所述飞行轨迹发送模块，用于将所述目标飞行器在未来预设时间段内的预测飞行轨迹发送至控制中心。
可选地，所述目标拦截模块在用于控制用于对目标飞行器进行拦截的至少一个无人机飞行至所述拦截区域对所述目标飞行器进行目标拦截时，具体用于：
控制至少一个所述无人机飞行至所述拦截区域；
根据所述目标飞行器的形状从无人机阵型数据库中确定出与该目标飞行器的形状具有相同标识的目标无人机阵型；
控制至少一个所述无人机以所述目标无人机阵型对所述目标飞行器进行目标拦截。
可选地，所述系统还包括目标扫描模块、目标重建模块和模型发送模块；
所述目标扫描模块，用于在所述目标拦截模块控制用于对目标飞行器进行拦截的至少一个无人机飞行至所述拦截区域对所述目标飞行器进行目标拦截后，通过设置在至少一个所述无人机上的三维扫描仪对所述目标飞行器的表面进行扫描得到所述目标飞行器的表面坐标点集；
所述目标重建模块，用于根据所述表面坐标点集建立所述目标飞行器的三维模型数据；
所述模型发送模块，用于将所述三维模型数据发送至控制中心。
可选地，所述系统包括图像采集模块和图像处理模块；
所述图像采集模块，用于在所述图像获取模块获取至少一个未知飞行器图像前，通过图像采集设备对所述禁飞区中所包含的每个所述未知飞行器分别进行图像采集得到至少一个初始飞行器图像，其中，每个所述初始飞行器图像其各自包含有禁飞区中的一个未知飞行器；
所述图像处理模块，用于对每个所述初始飞行器图像分别进行高斯滤波处理得到至少一个所述未知飞行器图像。
第二方面，本申请实施例提供了一种针对未知飞行器的干扰拦截方法，应用于针对未知飞行器的干扰拦截系统，所述系统包括图像获取模块、目标识别模块、目标控制模块和目标拦截模块，所述方法包括：
所述图像获取模块获取至少一个未知飞行器图像，其中，每个所述未知飞行器图像其各自包含有禁飞区中的一个未知飞行器；
所述目标识别模块对于每个所述未知飞行器图像，判断目标飞行器的形状与可通行飞行器的形状是否相同，其中，所述目标飞行器为该未知飞行器图像中所包含的未知飞行器，所述可通行飞行器为在所述禁飞区内具有飞行权限的飞行器；
若所述目标飞行器的形状与可通行飞行器的形状不相同，所述目标控制模块则控制所述目标飞行器从所述禁飞区飞行至拦截区域；
所述目标拦截模块控制用于对目标飞行器进行拦截的至少一个无人机飞行至所述拦截区域，并执行对所述目标飞行器进行目标拦截的拦截任务。
可选地，在所述目标识别模块对于每个所述未知飞行器图像，判断目标飞行器的形状与可通行飞行器的形状是否相同后，所述方法还包括；
若所述目标飞行器的形状与可通行飞行器的形状相同，所述目标控制模块则控制所述目标飞行器保持当前飞行轨迹飞行；
所述系统还包括预警信息发送模块；在所述目标识别模块对于每个所述未知飞行器图像，判断目标飞行器的形状与可通行飞行器的形状是否相同后，所述方法还包括：
若所述目标飞行器的形状与可通行飞行器的形状不相同，所述预警信息发送模块则将预设的预警信息发送至控制中心。
可选地，所述系统还包括目标定位模块和轨迹生成模块；在所述图像获取模块获取至少一个未知飞行器图像后，所述方法还包括：
所述目标定位模块通过雷达获取所述目标飞行器在至少一个时间点的位置坐标；
所述轨迹生成模块根据所述目标飞行器在至少一个时间点的位置坐标生成所述目标飞行器的实际飞行轨迹。
可选地，所述系统还包括轨迹预测模块和飞行轨迹发送模块；在所述轨迹生成模块根据所述目标飞行器在至少一个时间点的位置坐标生成所述目标飞行器的实际飞行轨迹后，所述方法还包括：
所述轨迹预测模块将所述目标飞行器的实际飞行轨迹输入至训练好的飞行轨迹预测模型中确定出所述目标飞行器在未来预设时间段内的预测飞行轨迹；
所述飞行轨迹发送模块将所述目标飞行器在未来预设时间段内的预测飞行轨迹发送至控制中心。
可选地，所述目标拦截模块控制用于对目标飞行器进行拦截的至少一个无人机飞行至所述拦截区域对所述目标飞行器进行目标拦截，包括：
所述目标拦截模块控制至少一个所述无人机飞行至所述拦截区域；
所述目标拦截模块根据所述目标飞行器的形状从无人机阵型数据库中确定出与该目标飞行器的形状具有相同标识的目标无人机阵型；
所述目标拦截模块控制至少一个所述无人机以所述目标无人机阵型对所述目标飞行器进行目标拦截。
可选地，所述系统还包括目标扫描模块、目标重建模块和模型发送模块；在所述目标拦截模块控制用于对目标飞行器进行拦截的至少一个无人机飞行至所述拦截区域对所述目标飞行器进行目标拦截后，所述方法还包括：
所述目标扫描模块通过设置在至少一个所述无人机上的三维扫描仪对所述目标飞行器的表面进行扫描得到所述目标飞行器的表面坐标点集；
所述目标重建模块根据所述表面坐标点集建立所述目标飞行器的三维模型数据；
所述模型发送模块将所述三维模型数据发送至控制中心。
可选地，所述系统包括图像采集模块和图像处理模块；在所述图像获取模块获取至少一个未知飞行器图像前，所述方法还包括：
所述图像采集模块通过图像采集设备对所述禁飞区中所包含的每个所述未知飞行器分别进行图像采集得到至少一个初始飞行器图像，其中，每个所述初始飞行器图像其各自包含有禁飞区中的一个未知飞行器；
所述图像处理模块对每个所述初始飞行器图像分别进行高斯滤波处理得到至少一个所述未知飞行器图像。
本申请提供的技术方案包括但不限于以下有益效果：
所述图像获取模块，用于获取至少一个未知飞行器图像，其中，每个所述未知飞行器图像其各自包含有禁飞区中的一个未知飞行器；所述目标识别模块，用于对于每个所述未知飞行器图像，判断目标飞行器的形状与可通行飞行器的形状是否相同，其中，所述目标飞行器为该未知飞行器图像中所包含的未知飞行器，所述可通行飞行器为在所述禁飞区内具有飞行权限的飞行器；通过上述模块，能够根据在禁飞区内的飞行器的形状对每个飞行器在该禁飞区内是否有飞行权限进行判断。
所述目标控制模块，用于若所述目标飞行器的形状与可通行飞行器的形状不相同，则控制所述目标飞行器从所述禁飞区飞行至拦截区域；所述目标拦截模块，用于控制用于对目标飞行器进行拦截的至少一个无人机飞行至所述拦截区域，并执行对所述目标飞行器进行目标拦截的拦截任务；通过上述模块，能够对在禁飞区内不具有飞行权限的飞行器进行控制，控制其从禁飞区飞行至拦截区，并通过无人机对其进行拦截。
采用上述系统，通过图像获取模块、目标识别模块、目标控制模块和目标拦截模块的相互配合，根据在禁飞区内的飞行器的形状对每个飞行器在该禁飞区内是否有飞行权限进行判断，然后控制在禁飞区内不具有飞行权限的飞行器从禁飞区飞行至拦截区，并通过无人机对其进行拦截，能够实现对驶入禁飞区的飞行器进行拦截，以避免出现安全隐患。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了本发明实施例一所提供的一种针对未知飞行器的干扰拦截系统的结构示意图；
图2示出了本发明实施例一所提供的第二种针对未知飞行器的干扰拦截系统的结构示意图；
图3示出了本发明实施例一所提供的第三种针对未知飞行器的干扰拦截系统的结构示意图；
图4示出了本发明实施例一所提供的第四种针对未知飞行器的干扰拦截系统的结构示意图；
图5示出了本发明实施例一所提供的第五种针对未知飞行器的干扰拦截系统的结构示意图；
图6示出了本发明实施例一所提供的第六种针对未知飞行器的干扰拦截系统的结构示意图；
图7示出了本发明实施例二所提供的一种针对未知飞行器的干扰拦截方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中附图，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。
实施例一
为便于对本申请进行理解，下面结合图1示出的本发明实施例一所提供的一种针对未知飞行器的干扰拦截系统的结构示意图描述的内容对本申请实施例一进行详细说明。
参见图1所示，图1示出了本发明实施例一所提供的一种针对未知飞行器的干扰拦截系统的结构示意图，其中，所述系统包括图像获取模块101、目标识别模块102、目标控制模块103和目标拦截模块104。
所述图像获取模块，用于获取至少一个未知飞行器图像，其中，每个所述未知飞行器图像其各自包含有禁飞区中的一个未知飞行器。
具体的，图像获取模块对包含禁飞区中存在的每个未知飞行器的图像进行获取，得到至少一个未知飞行器图像。
所述目标识别模块，用于对于每个所述未知飞行器图像，判断目标飞行器的形状与可通行飞行器的形状是否相同，其中，所述目标飞行器为该未知飞行器图像中所包含的未知飞行器，所述可通行飞行器为在所述禁飞区内具有飞行权限的飞行器。
具体的，对于每个所述未知飞行器图像，目标识别模块判断该未知飞行器图像中的未知飞行器(即目标飞行器)的形状与可通行飞行器的形状是否相同。可通行飞行器为预先设置好的具有在禁飞区进行飞行的权限的飞行器，通过该步骤能够判断出每个未知飞行器图像中所包含的未知飞行器是否具有在禁飞区进行飞行的权限，然后根据判断结果对未知飞行器进行后续控制(决定是否需要进行拦截)。
所述目标控制模块，用于若所述目标飞行器的形状与可通行飞行器的形状不相同，则控制所述目标飞行器从所述禁飞区飞行至拦截区域。
具体的，若所述目标飞行器的形状与可通行飞行器的形状不相同，说明目标飞行器不是具有在禁飞区进行飞行的权限的飞行器，则需要对目标飞行器进行控制和拦截，以使目标飞行器驶离禁飞区。
所述目标拦截模块，用于控制用于对目标飞行器进行拦截的至少一个无人机飞行至所述拦截区域，并执行对所述目标飞行器进行目标拦截的拦截任务。
具体的，预先配置至少一个用于执行拦截任务的无人机，拦截任务为对目标飞行器进行目标拦截，实现目标拦截的方式包括控制至少一个无人机以目标阵列飞行，目标阵列为每个无人机以相同的飞行间距，均匀的排布在在以飞行器为圆心，以预设拦截距离为半径的拦截圈上，从而实现对目标飞行器进行包围，以实现对目标飞行器的目标拦截。
在一个可行的实施方案中，参见图2所示，图2示出了本发明实施例一所提供的第二种针对未知飞行器的干扰拦截系统的结构示意图，其中，所述系统还包括预警信息发送模块201。
在所述目标识别模块对于每个所述未知飞行器图像，判断目标飞行器的形状与可通行飞行器的形状是否相同后，所述目标控制模块还用于：
若所述目标飞行器的形状与可通行飞行器的形状相同，则控制所述目标飞行器保持当前飞行轨迹飞行。
具体的，若所述目标飞行器的形状与可通行飞行器的形状相同，说明目标飞行器是具有在禁飞区进行飞行的权限的飞行器，则不需要对目标飞行器进行拦截和干预。
在所述目标识别模块对于每个所述未知飞行器图像，判断目标飞行器的形状与可通行飞行器的形状是否相同后，所述预警信息发送模块用于：
若所述目标飞行器的形状与可通行飞行器的形状不相同，将预设的预警信息发送至控制中心。
具体的，当确定出禁飞区中出现了不具有在该禁飞区飞行的目标飞行器后，预警信息发送模块将预设的预警信息发送至控制中心，以使控制中心能够及时获知该情况，以便控制中心能够及时进行后续处理。
在一个可行的实施方案中，参见图3所示，图3示出了本发明实施例一所提供的第三种针对未知飞行器的干扰拦截系统的结构示意图，其中，所述系统还包括目标定位模块301和轨迹生成模块302。
所述目标定位模块，用于在所述图像获取模块获取至少一个未知飞行器图像后，通过雷达获取所述目标飞行器在至少一个时间点的位置坐标。
具体的，雷达即无线电探测与测距，它是利用目标对电磁波的反射或散射现象对目标进行检测、定位、跟踪、成像与识别的，目标定位模块通过雷达获取目标飞行器在至少一个时间点的位置坐标。
所述轨迹生成模块，用于根据所述目标飞行器在至少一个时间点的位置坐标生成所述目标飞行器的实际飞行轨迹。
具体的，轨迹生成模块将目标飞行器在至少一个时间点的位置坐标在坐标系中进行标记得到多个坐标点，然后对多个坐标点进行曲线拟合得到目标飞行器的实际飞行轨迹。
在一个可行的实施方案中，参见图4所示，图4示出了本发明实施例一所提供的第四种针对未知飞行器的干扰拦截系统的结构示意图，其中，所述系统还包括轨迹预测模块401和飞行轨迹发送模块402；
所述轨迹预测模块，用于在所述轨迹生成模块根据所述目标飞行器在至少一个时间点的位置坐标生成所述目标飞行器的实际飞行轨迹后，将所述目标飞行器的实际飞行轨迹输入至训练好的飞行轨迹预测模型中确定出所述目标飞行器在未来预设时间段内的预测飞行轨迹。
具体的，预先训练好用于对飞行器的飞行轨迹进行预测的飞行轨迹预测模型，在轨迹生成模块根据目标飞行器在至少一个时间点的位置坐标生成所述目标飞行器的实际飞行轨迹后，将目标飞行器的实际飞行轨迹输入至该飞行轨迹预测模型中确定出所述目标飞行器在未来预设时间段内的预测飞行轨迹。
所述飞行轨迹发送模块，用于将所述目标飞行器在未来预设时间段内的预测飞行轨迹发送至控制中心。
具体的，飞行轨迹发送模块将所述目标飞行器在未来预设时间段内的预测飞行轨迹发送至控制中心，以使控制中心能够根据预测飞行轨迹对目标飞行器进行后续控制。
在一个可行的实施方案中，所述目标拦截模块在用于控制用于对目标飞行器进行拦截的至少一个无人机飞行至所述拦截区域对所述目标飞行器进行目标拦截时，具体用于：
控制至少一个所述无人机飞行至所述拦截区域。
具体的，由于在前面步骤中，目标飞行器已被控制飞行至拦截区域，则也需要控制至少一个无人机也飞行至拦截区域，以实现对目标飞行器的拦截。
根据所述目标飞行器的形状从无人机阵型数据库中确定出与该目标飞行器的形状具有相同标识的目标无人机阵型。
具体的，考虑到飞行器在飞行时所受到无人机飞行所产生的气流的影响，不同飞行器的形状需要由不同阵型的无人机群进行拦截，预先设置有无人机阵型数据库，该无人机阵型数据库中存储有与每种飞行器的形状以及与每种飞行器的形状具有相同标识(代表具有关联关系)的无人机阵型。
在需要对目标飞行器进行拦截时，从无人机阵型数据库中确定出与该目标飞行器的形状具有相同标识的目标无人机阵型，以目标无人机阵型进行排列的无人机用于对目标飞行器进行拦截。
控制至少一个所述无人机以所述目标无人机阵型对所述目标飞行器进行目标拦截。
在一个可行的实施方案中，参见图5所示，图5示出了本发明实施例一所提供的第五种针对未知飞行器的干扰拦截系统的结构示意图，其中，所述系统还包括目标扫描模块501、目标重建模块502和模型发送模块503。
所述目标扫描模块，用于在所述目标拦截模块控制用于对目标飞行器进行拦截的至少一个无人机飞行至所述拦截区域对所述目标飞行器进行目标拦截后，通过设置在至少一个所述无人机上的三维扫描仪对所述目标飞行器的表面进行扫描得到所述目标飞行器的表面坐标点集。
三维扫描仪用于创建物体几何表面的点云，点云即包含物体表面的多个坐标的坐标点集。
所述目标重建模块，用于根据所述表面坐标点集建立所述目标飞行器的三维模型数据。
目标重建模块根据所述表面坐标点集对所述目标飞行器进行三维模型重建，得到三维模型数据。
所述模型发送模块，用于将所述三维模型数据发送至控制中心。
在一个可行的实施方案中，参见图6所示，图6示出了本发明实施例一所提供的第六种针对未知飞行器的干扰拦截系统的结构示意图，其中，所述系统包括图像采集模块601和图像处理模块602。
所述图像采集模块，用于在所述图像获取模块获取至少一个未知飞行器图像前，通过图像采集设备对所述禁飞区中所包含的每个所述未知飞行器分别进行图像采集得到至少一个初始飞行器图像，其中，每个所述初始飞行器图像其各自包含有禁飞区中的一个未知飞行器。
所述图像处理模块，用于对每个所述初始飞行器图像分别进行高斯滤波处理得到至少一个所述未知飞行器图像。
具体的，图像处理的方法除了上述所述高斯滤波处理，还可以进行图像去噪，图像增强等，上述均属于图像预处理的方法。
除此之外，本申请提供的针对未知飞行器的干扰拦截系统还包括识别预警模块、综合定位模板、摧毁模块、机载预警及干扰模块以及综合控制中心，其中，识别预警模块包括预警单元、多传感器单元、信号数据预处理单元和无线通信单元，该模块分别搭载于无人机和安置在综合控制中心；综合定位模板包括雷达单元、卫星单元、追踪单元和无线通信单元，该模块安置在综合控制中心；摧毁模块包括信号接收单元、捕获单元和攻击单元，该模块分别搭载于无人机和安置在综合控制中心；机载预警及干扰模块包括控制单元、标记单元、通信单元、干扰单元、摧毁单元、识别单元和数据处理单元，该模块搭载于无人机上；综合控制中心包括控制台、雷达、电子干扰器和无人机库，其用于控制无人机，下达控制指令、处理数据以及对未知目标进行监测。
在所述识别预警模块中，识别预警单元主要用于对划定空间内或移动空间内的目标进行监测，一旦有单个或多个目标非法入侵，预警单元将发出预警命令，预警系统将立即响应，对目标进行预警跟踪，必要时发送指令，对目标进行捕获或摧毁；多传感器单元主要是利用各类传感器收集未知目标的位置、高度、速度、角度、方向等信息；信号数据预处理单元主要是利用各种信号处理算法对信号数据进行预处理，包括去相干、滤波、解析、分离等数学操作；无线通信单元主要用于对处理过的信息进行传送、接收或发送各类控制指令和数据信息。所述综合定位模板包括雷达单元、卫星单元、追踪单元和无线通信单元。雷达单元主要用于对单个或多个闯入划定范围的目标进行定位识别，通过各类计算得到经纬度信息，并将该信息传输至控制中心或无人机；卫星单元主要用于记录闯入目标的位置信息和轨迹信息通过连续拍摄目标的轨迹图像，预测目标的运动方向，将上述信息传输至控制中心或无人机，控制中心以此建立三维坐标系；追踪单元主要用于对闯入目标进行追踪标记编号，并将编号所对应目标的位置、轨迹等信息发送至控制中心，建立入侵目标坐标系，坐标系内的无人机立刻响应控制中心以此实现多无人机协同预警和干扰单元主要用于对单个或多个闯入目标进行位置和方向欺骗，或使其迫降、停止工作；无线通信单元主要是用于上述各单元、各模块、人机、机机信息互通。
在所述摧毁模块中，信号接收单元主要用于接收未知目标、无人机、控制中心等信息，以便实现模块间的信息互通捕获单元主要是根据控制命令，对未知目标进行实体捕获；攻击单元主要是根据控制命令，对未知目标进行摧毁所述机载预警及干扰模块包括控制单元、标记单元、通信单元、干扰单元、摧毁单元、识别元和数据处理单元。控制单元主要是用于对无人机的飞行姿态、轨迹等进行控制，同时对多机进行协同控制，使得多机形成预警雷达网格，实现重叠搜索，对单个网格实现重复搜索，避免未知目标躲避预警；标记单元主要是对地点、目标进行标记并绘制三维图描述位置，以便保存目标特征、制定预警范围；通信单元主要是在复杂环境下传送信息；干扰单元和摧毁单元主要是根据需要，对目标进行干扰和摧毁；识别单元主要是通过扫描仪，绘画出目标的外形及目标所搭载的物体，以此判断目标的安全性，该单元可以根据已存数据信息进行记忆识别，也可直接识别；数据处理单元主要对接收的数据进行去相干、滤波、分离等操作。
在所述综合控制中心中，控制台主要用于对无人机进行控制、对预警范围进行划定、对预警方式进行选择，同时控制可根据卫星和雷达传输的数据信息对目标物体进行三维建模，实现可视化。控制台可以控制单架或多架无人机进行固定区域拦截预警或移动预警。控制台可以对区域进行网格化划分，同时设定每个网格的预警时间或无人机的预警架次。控制台配备独立的数据管理库，以此存储大量的卫星数据、无人机数据等；雷达主要用于识别目标配合卫星单元，记录目标的行动轨迹和位置信息；电子干扰器主要用于发送干扰信号，欺骗目标远离敏感地区或使目标迫降；无人机库主要是存放无人机，根据控制台的命令，实现单机预警或多机协同预警、实现固定区域拦截预警和移动区域拦截预警。
在上述针对未知飞行器的干扰拦截系统中，可以将该系统能够实现的拦截预警功能分为两种模式，一种为固定式拦截预警模式，第二种是移动式拦截预警模式。
固定式拦截预警模式主要依靠识别预警模块、综合定位模块、摧毁模块和综合控制中心。固定式拦截预警将以控制中心为中心点的区域划分为不同的网格，并对每个网格进行数据编号，同时雷达对网格进行不间断的预警，一旦有单个或多个目标入侵网格所划定的区域，雷达将立即响应并将有关信息发送至控制中心，同时调动卫星和多传感器模块，对网格进行连续追踪拍摄，记录其移动方向、移动速度、移动轨迹等并发送至控制中心，控制中心以此建立坐标系，同时数据处理单元将依靠算法将目标传输信号解析为常模信号，通过OC-ACMA算法(一种常模算法)分辨出信号个数，进而解析出入侵目标数量，控制中心以此判断入侵目标是否为危险目标，之后利用电子干扰器对其进行方向欺骗、位置欺骗等，并派出单架或多架无人机组成编队，所组编队可以根据要求任意转换编队阵型，形成陆空立体式，以此扩大捕捉或摧毁范围，同时对目标进行追踪，并决定摧毁或抓获。机载通信单元根据控制中心信息和卫星信息，实时调整运动方向和运动速度，有着自动调节、自适应的效果。
固定式拦截预警模式中具体步骤：
步骤一，系统开启，操作人员选择预警模式进行初始化设置，读取预取命令，按照预存命令开始运行。若无，控制中心将以本身为中心点，将附近空间划分为多个网格块并进行标号，获得网格的编号坐标，每个网格块之间互不影响且是独立的，具有唯一性；雷达进行初始化，对划定区域进行信号收集，获取网格位置的地理坐标，与编号坐标进行匹配。同时，对远距离区域进行雷达监测，做好预警准备。初始化结束后，系统开始进行下一步。
步骤二，预警过程中，对信号数据进行实时接收，并通过滤波、去噪、提取、分离等操作，获取较为保真的信号数据。若发现未知目标，控制中心自动调动雷达和卫星进行针对性数据提取，并与云端数据库进行信息匹配，若为误报警则对误报警目标进行标记，提取目标的特征信息存储信息至数据库，并进入下一步。
步骤三，若为危险目标，控制中心调动电子干扰去，对目标进行“诱骗”迫使其降落或进入预先设定陷阱区，在使危险目标丧失运行能力后，提取目标的特征和外型进行记忆保存，以便日后的提出。系统可根据提取的特征对该目标进行针对性的预警和干扰，若目标快速移动，无法干扰或“诱骗进行下一步。
步骤四，控制中心控制多架无人机组成逼迫编队和陷阱编队，逼迫编队对目标进行实时跟踪，并逼迫其往设定陷阱方向飞行；陷阱编队主要是搭载了捕获装置和摧毁装置，对逼迫过来的目标进行捕获或者摧毁。解决完目标后，将目标带回控制中心，并将目标特征记录下来，存储至数据库。
移动式拦截预警模式主要依靠预警模块、综合定位模块、机载预警及干扰模块和综合控制中心。移动式拦截预警可以依照控制中心划定的范围或记忆范围进行不间断或定期预警监查，也可不划定范围，无人机按照路径优化算法实现快速预警。移动式预警将以单架无人机为中心，形成多个圆形搜索网格，每个网格进行多次重叠搜索，避免目标遗漏。若有单个或多个目标进行入侵，控制中心依靠雷达和卫星，对目标方向、位置等信息进行收集，对目标进行坐标系的建立并发送指令至目标附近无人机，目标附近无人机接收指令后迅速前往，当达到目的地后，部分无人机布设陷阱，其他无人机同时对目标进行识别、标记并利用电子干扰设备进行电子干扰，引诱目标进入陷阱圈，实现捕获或利用记载摧毁模块，对目标进行摧毁；无人机群配备了扫描仪，可以从不同角度对目标物进行全方位扫描，之后建立物体的3D模型并传输至控制中心，控制中心将物体的3D模型和相关数据可视化，以此进行下一步的控制操作。
移动式拦截预警模式中具体步骤：
步骤一，系统开启，操作人员选择预警模式进行初始化设置，读取预取命令，按照预存命令开始运行。若无，无人机将以自身为中心点，建立坐标系并划定网格，组成预警编队，无人机之间划定的网格尽可能的重叠，以此提高定位能力。之后控制中心选择预警区域和预警时间，雷达进行初始化操作。初始化结束后，系统开始进行下一步；
步骤二，预警过程中无人机编队可按照要求任意改变队形，对信号数据进行实时接收，并通过滤波、去噪、提取、分离等操作，获取较为保真的信号数据。若发现未知目标，无人机将预警信息发送至控制中心和其他附近无人机，附近无人机在收取信息后向目标靠近同时进行数据匹配；控制中心则自动调动雷达和卫星进行针对性数据提取，无并与云端数据库进行信息匹配。若两者数据匹配均判断为安全目标，则对目标进行标记，之后继续预警。若为危险目标则进入下一步；
步骤三，处理危险目标，无人机群将根据控制中心的命令进行联动，无人机将组成“逼迫”编队和“陷阱”编队。无人机集群在靠近目标后，通过扫描仪，对物体进行全方位扫描并构建无人机集群在靠近目标后，通过扫描仪，对物体进行全方位扫描并构建3D模型，之后将模型数据发送至控制中心，控制中心依照可视化的3D模型数据发送至控制中心，控制中心依照可视化的3D模型和相关数据，对无人机集群进行操作，通常逼迫编队对目标进行电子干扰，迫使其下降或行动至“陷阱”编队，“陷阱”编队搭载了捕获装置和摧毁装置，当目标不受电子干扰影响时，“陷阱”编队将利用摧毁装置对目标进行攻击，迫使其丧失运行能力。同时，将捕获或者摧毁的目标进行特征提取记忆并传回控制中心，控制中心将对数据进行存储。
上述两项预警任务在工作中，需要进行通信，通常通信过程中，信号并非完全保真，由于存在门限效应、噪声信号、多径效应等，使得信号掺杂其他的信号。为此，本技术将利用NLMS(Normalized Least Mean Square，归一化最小均方自适应滤波器)算法、OC-ACMA算法(一种常模算法)、MTOEP算法(一种估计算法)、EPUMA算法(一种估计算法)等算法对信号进行处理，以保证信号的真实可靠；在识别过程中，为对目标进行记忆存储，使用到了YOLOx(一种目标检测算法)、五帧差分法、TDOA(一种利用时间差进行定位的方法)等算法对目标识别、追踪、定位。
需要说明的是，滤波算法用到的NLMS算法是LMS算法(最小均方算法)的改进版。在LMS算法中，抽头权值的调整量与抽头输入向量成正比。当抽头输入向量比较大的时候，LMS会遇到梯度噪声放大的问题。为了克服这个问题，可使用NLMS算法，之所以称为NLMS算法，是因为它使用抽头输入向量的平方欧式范数对抽头权值调整量进行了归一化。该算法再结合深度学习算法，可以有效的自动了解滤波系数，得到一种更加高效的滤波算法，该算法能够进行自主学习，无需外接调试即可实现滤波。
OC-ACMA算法是ACMA算法(解析的恒模算法)的提升版，该算法能够从噪声信号中分离常模信号，并且具有较高的分辨率。在目标入侵后，数据接受单元将接收目标的信号且同时将信号改成常模信号，该算法可通过对常模信号的解析，判断入侵目标的个数(即奇异值明显小于其他奇异值的点的个数)，该算法在不同噪声比和采样数均可实现数量估计。
MTOEP算法和EPUMA算法相结合是一种高效的DOA(Direction Of Arrival，信号传输方向)估计算法，该算法可以克服由于多径效应导致存在大量的相干信号，而相干信号带来的矩阵秩下降的影响，为此该算法可以破除这一问题，使得在估计入侵目标方向时，能够不被其他噪声信号所干扰；
本系统采用改进的YOLOx算法对入侵无人机的运动进行检测和跟踪。YOLOx的网络主要由三个部分组成，分别是CSPDarkNet网络结构、FPN网络结构和YOLOxHead网络结构。CSPDarkNet网络结构是YOLOx的主干特征提取网络，其输出为三个有效特征层。FPN网络结构是YOLOx的加强特征提取网络，其作用是将CSPDarkNet输出的三个不同尺度的有效特征层进行融合。YOLOxHead网络结构是YOLOx的分类器和回归器，YOLOxHead通过FPN输出的三个特征图来判断特征点是否有物体与其对应，传统的YOLOHead是分类和回归在一个卷积里实现的，YOLOxHead则将分类和回归分开实现，最后再整合在一起。
TDOA算法即到达时间差算法，本系统充分利用冗余TDOA信息，并针对牛顿迭代解初值估计问题，构造多组维数较小的线性方程组，避免了原始模型中非线性和疏性的问题；然后利用聚类算法剔除线性方程求解过程中的异常点，并将初值估计值代入迭代解得到定位结果。利用该算法可以估计出目标来自什么方向，进而使得无人机群可以向其靠近，实现实时跟踪，且TODA算法利用不同的阵列可以收集信号的信息，从而得到目标的二维波达角，从而得到目标的方向；
实现TDOA算法用到了天线阵列，天线阵列具有许多类型诸如L型、圆型等，天线阵的工作原理可以看成是电磁波(电磁场)的叠加。对几列电磁波来讲，当它们传到同一区域时，按照叠加原理，电磁波将产生矢量叠加。叠加结果不仅与各列电磁波的振幅大小有关，而且与它们在相遇区间内相互之间的相位差有关。以此为基础，可以对目标声源进行实时定位与轨迹追踪。
为了提高追踪精度，本系统使用到了五帧差分算法和YOLOX算法的组合，五帧差分法识别的基本流程图中，连续的五帧目标图像ft-2(x，y)，ft-1(x，y)，ft(x，y)，ft+1(x，y)，ft+2(x，y)，其中，ft(x，y)为中间帧，ft-1(x，y)为t-1时刻的帧，ft-2(x，y)为t-2时刻的帧，ft+1(x，y)为t+1时刻的帧，ft+2(x，y)为t+2时刻的帧，t表示时间。首先将五帧无人机图像进行灰度化处理；然后采用中值滤波的方法对无人机灰度化图像进行去噪，无人机视频在传输的过程中因各种因素的影响，会含有大量噪声，使用中值滤波法去除无人机灰度化图像中所包含的噪声，可以提高无人机的准确率和召回率。阈值的选择对二值化的无人机灰度图很重要，如果阈值选择的比较高，检测出的无人机会出现严重碎化现象；如果阈值选择比较低，检测后的无人机图像含有大量的噪声。控制中心和无人机集群对目标进行标记识别后，会存至数据库，之后一旦处理相同目标时无人机集群会按照预先设定指令进行操作。
所使用无人机能够提供自主航线规划、飞行航拍、二维正射影像与三维模型重建的电脑应用程序。帮助行业用户全面提升航测内外业效率，将真实场景转化为数字资产。模型重建：导入航拍原图，输出高精度二维正射影像与实景三维模型实时重建：在飞行过程中实时生成二维正射影像或三维模型，实现边飞边出图激光雷达数据处理：能够一键式输出高精度真彩点云成果精细化巡检：基于模型或点云设置拍摄目标，自动生成拍摄航线，实现巡检作业流程自动化模型应用：测量目标对象的坐标、距离、面积、体积等多种关键数据，并可对测量结果进行命名、导出等操作。
所用记载检测装置为雷视事件检测双光一体机该产品融合高精度毫米波雷达、900万全局曝光CMOS(Complementary Metal Oxide Semiconductor，互补金属氧化物半导体)摄像机和在线测温热像仪。在线测温热像仪，实时感知场景、目标温度变化；高精度毫米波雷达，可实现全天候多目标检测，准确获取速度、位置信息。
存储设备能够实现统一存储：在同一套存储系统内可以提供Block(区块)和Files(文件)服务，简化数据中心架构，降低运维成本，灵活应对不同业务需求多种协议统一：支持FC(Fibre Channel，光纤通道)、iSCSI(Internet Small Computer System Interface，小型计算机系统接口)、CIFS(Common Internet File System，通用网络文件系统)、NFS(Network File System，网络文件系统)、FTP(File Transfer Protocol，文件传输协议)等协议高可用：采用全冗余架构、全模块化、冗余缓存、控制器双活设计高可扩展：双控最大支持600块硬盘。可支持横向8控扩展，系统最大可扩展到1TB内存智能本地复制：智能本地复制包括了智能克隆，智能快照，智能备份三种本地数据保护功能，可满足应用测试、开发、分析、备份等需求，并有效节省存储空间，降低投资成本智能卷镜像：对映射给主机的卷创建一份镜像，并保存两分完全相同的数据分别在两个存储池中，当任务一份复制数据损坏时，可提供不中断的应用IO(Input/Output，输入/输出)访问智能分层：可以将热点数据在不同存储介质之间进行在线迁移，实现存储成本和性能的平衡，提高客户投资回报率智能异构虚拟化：可以通过自身的存储异构虚拟化技术来接管第三方的存储资源，形成统一的虚拟资源池，并提供存储间的数据保护，数据迁移等服务。
可视化数据平台用到了智能大屏管理平台，其具有大屏显控、信息发布、语音控制、中控管理、坐席调度的能力。基于大屏内容播控与显示控制可实现大屏门户和多屏互动；配合语音分析服务器，可实现大屏智能语音调度；结合信息发布，可实现发布内容上屏，也可通过平板操控大屏内容显示。满足用户在指挥中心、展示中心、数据中心、室内、户外等场所内大屏使用需求。
对目标进行三维模型的建立，使得模型在控制中心完全呈现出来用到了VR(Virtual Reality，虚拟现实)全景应用平台，该平台以虚拟现实(VR)技术为核心，提供虚实结合的沉浸式交互体验，助力打造行业业务应用。平台结合前端多维感知设备和业务数据，把现实中的人、车、事、物等要素投射到虚拟场景中，进行场景漫游、标记标绘、视频投影及一系列联动应用，为用户掌握区域内的感知数据情况、辅助管理决策提供一种新的模式。
实施例二
参见图7所示，图7示出了本发明实施例二所提供的一种针对未知飞行器的干扰拦截方法的流程图，其中，应用于针对未知飞行器的干扰拦截系统，所述系统包括图像获取模块、目标识别模块、目标控制模块和目标拦截模块，所述方法包括步骤S701～S704：
S701：所述图像获取模块获取至少一个未知飞行器图像，其中，每个所述未知飞行器图像其各自包含有禁飞区中的一个未知飞行器；
S702：所述目标识别模块对于每个所述未知飞行器图像，判断目标飞行器的形状与可通行飞行器的形状是否相同，其中，所述目标飞行器为该未知飞行器图像中所包含的未知飞行器，所述可通行飞行器为在所述禁飞区内具有飞行权限的飞行器；
S703：若所述目标飞行器的形状与可通行飞行器的形状不相同，所述目标控制模块则控制所述目标飞行器从所述禁飞区飞行至拦截区域；
S704：所述目标拦截模块控制用于对目标飞行器进行拦截的至少一个无人机飞行至所述拦截区域，并执行对所述目标飞行器进行目标拦截的拦截任务。
在一个可行的实施方案中，在所述目标识别模块对于每个所述未知飞行器图像，判断目标飞行器的形状与可通行飞行器的形状是否相同后，所述方法还包括；
若所述目标飞行器的形状与可通行飞行器的形状相同，所述目标控制模块则控制所述目标飞行器保持当前飞行轨迹飞行；
所述系统还包括预警信息发送模块；在所述目标识别模块对于每个所述未知飞行器图像，判断目标飞行器的形状与可通行飞行器的形状是否相同后，所述方法还包括：
若所述目标飞行器的形状与可通行飞行器的形状不相同，所述预警信息发送模块则将预设的预警信息发送至控制中心。
在一个可行的实施方案中，所述系统还包括目标定位模块和轨迹生成模块；在所述图像获取模块获取至少一个未知飞行器图像后，所述方法还包括：
所述目标定位模块通过雷达获取所述目标飞行器在至少一个时间点的位置坐标；
所述轨迹生成模块根据所述目标飞行器在至少一个时间点的位置坐标生成所述目标飞行器的实际飞行轨迹。
在一个可行的实施方案中，所述系统还包括轨迹预测模块和飞行轨迹发送模块；在所述轨迹生成模块根据所述目标飞行器在至少一个时间点的位置坐标生成所述目标飞行器的实际飞行轨迹后，所述方法还包括：
所述轨迹预测模块将所述目标飞行器的实际飞行轨迹输入至训练好的飞行轨迹预测模型中确定出所述目标飞行器在未来预设时间段内的预测飞行轨迹；
所述飞行轨迹发送模块将所述目标飞行器在未来预设时间段内的预测飞行轨迹发送至控制中心。
在一个可行的实施方案中，所述目标拦截模块控制用于对目标飞行器进行拦截的至少一个无人机飞行至所述拦截区域对所述目标飞行器进行目标拦截，包括：
所述目标拦截模块控制至少一个所述无人机飞行至所述拦截区域；
所述目标拦截模块根据所述目标飞行器的形状从无人机阵型数据库中确定出与该目标飞行器的形状具有相同标识的目标无人机阵型；
所述目标拦截模块控制至少一个所述无人机以所述目标无人机阵型对所述目标飞行器进行目标拦截。
在一个可行的实施方案中，所述系统还包括目标扫描模块、目标重建模块和模型发送模块；在所述目标拦截模块控制用于对目标飞行器进行拦截的至少一个无人机飞行至所述拦截区域对所述目标飞行器进行目标拦截后，所述方法还包括：
所述目标扫描模块通过设置在至少一个所述无人机上的三维扫描仪对所述目标飞行器的表面进行扫描得到所述目标飞行器的表面坐标点集；
所述目标重建模块根据所述表面坐标点集建立所述目标飞行器的三维模型数据；
所述模型发送模块将所述三维模型数据发送至控制中心。
在一个可行的实施方案中，所述系统包括图像采集模块和图像处理模块；在所述图像获取模块获取至少一个未知飞行器图像前，所述方法还包括：
所述图像采集模块通过图像采集设备对所述禁飞区中所包含的每个所述未知飞行器分别进行图像采集得到至少一个初始飞行器图像，其中，每个所述初始飞行器图像其各自包含有禁飞区中的一个未知飞行器；
所述图像处理模块对每个所述初始飞行器图像分别进行高斯滤波处理得到至少一个所述未知飞行器图像。
本发明实施例所提供的针对未知飞行器的干扰拦截系统可以为设备上的特定硬件或者安装于设备上的软件或固件等。本发明实施例所提供的系统，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，系统实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的实施例中，应该理解到，所揭露系统和方法，可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，业务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，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：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种针对未知飞行器的干扰拦截系统，其特征在于，所述系统包括图像获取模块、目标识别模块、目标控制模块和目标拦截模块：
所述图像获取模块，用于获取至少一个未知飞行器图像，其中，每个所述未知飞行器图像其各自包含有禁飞区中的一个未知飞行器；
所述目标识别模块，用于对于每个所述未知飞行器图像，判断目标飞行器的形状与可通行飞行器的形状是否相同，其中，所述目标飞行器为该未知飞行器图像中所包含的未知飞行器，所述可通行飞行器为在所述禁飞区内具有飞行权限的飞行器；
所述目标控制模块，用于若所述目标飞行器的形状与可通行飞行器的形状不相同，则控制所述目标飞行器从所述禁飞区飞行至拦截区域；
所述目标拦截模块，用于控制用于对目标飞行器进行拦截的至少一个无人机飞行至所述拦截区域，并执行对所述目标飞行器进行目标拦截的拦截任务。
2.根据权利要求1所述的系统，其特征在于，所述系统还包括预警信息发送模块；
在所述目标识别模块对于每个所述未知飞行器图像，判断目标飞行器的形状与可通行飞行器的形状是否相同后，所述目标控制模块还用于：
若所述目标飞行器的形状与可通行飞行器的形状相同，则控制所述目标飞行器保持当前飞行轨迹飞行；
在所述目标识别模块对于每个所述未知飞行器图像，判断目标飞行器的形状与可通行飞行器的形状是否相同后，所述预警信息发送模块用于：
若所述目标飞行器的形状与可通行飞行器的形状不相同，将预设的预警信息发送至控制中心。
3.根据权利要求1所述的系统，其特征在于，所述系统还包括目标定位模块和轨迹生成模块；
所述目标定位模块，用于在所述图像获取模块获取至少一个未知飞行器图像后，通过雷达获取所述目标飞行器在至少一个时间点的位置坐标；
所述轨迹生成模块，用于根据所述目标飞行器在至少一个时间点的位置坐标生成所述目标飞行器的实际飞行轨迹。
4.根据权利要求3所述的系统，其特征在于，所述系统还包括轨迹预测模块和飞行轨迹发送模块；
所述轨迹预测模块，用于在所述轨迹生成模块根据所述目标飞行器在至少一个时间点的位置坐标生成所述目标飞行器的实际飞行轨迹后，将所述目标飞行器的实际飞行轨迹输入至训练好的飞行轨迹预测模型中确定出所述目标飞行器在未来预设时间段内的预测飞行轨迹；
所述飞行轨迹发送模块，用于将所述目标飞行器在未来预设时间段内的预测飞行轨迹发送至控制中心。
5.根据权利要求1所述的系统，其特征在于，所述目标拦截模块在用于控制用于对目标飞行器进行拦截的至少一个无人机飞行至所述拦截区域对所述目标飞行器进行目标拦截时，具体用于：
控制至少一个所述无人机飞行至所述拦截区域；
根据所述目标飞行器的形状从无人机阵型数据库中确定出与该目标飞行器的形状具有相同标识的目标无人机阵型；
控制至少一个所述无人机以所述目标无人机阵型对所述目标飞行器进行目标拦截。
6.根据权利要求1所述的系统，其特征在于，所述系统还包括目标扫描模块、目标重建模块和模型发送模块；
所述目标扫描模块，用于在所述目标拦截模块控制用于对目标飞行器进行拦截的至少一个无人机飞行至所述拦截区域对所述目标飞行器进行目标拦截后，通过设置在至少一个所述无人机上的三维扫描仪对所述目标飞行器的表面进行扫描得到所述目标飞行器的表面坐标点集；
所述目标重建模块，用于根据所述表面坐标点集建立所述目标飞行器的三维模型数据；
所述模型发送模块，用于将所述三维模型数据发送至控制中心。
7.根据权利要求1所述的系统，其特征在于，所述系统包括图像采集模块和图像处理模块；
所述图像采集模块，用于在所述图像获取模块获取至少一个未知飞行器图像前，通过图像采集设备对所述禁飞区中所包含的每个所述未知飞行器分别进行图像采集得到至少一个初始飞行器图像，其中，每个所述初始飞行器图像其各自包含有禁飞区中的一个未知飞行器；
所述图像处理模块，用于对每个所述初始飞行器图像分别进行高斯滤波处理得到至少一个所述未知飞行器图像。
8.一种针对未知飞行器的干扰拦截方法，其特征在于，应用于针对未知飞行器的干扰拦截系统，所述系统包括图像获取模块、目标识别模块、目标控制模块和目标拦截模块，所述方法包括：
所述图像获取模块获取至少一个未知飞行器图像，其中，每个所述未知飞行器图像其各自包含有禁飞区中的一个未知飞行器；
所述目标识别模块对于每个所述未知飞行器图像，判断目标飞行器的形状与可通行飞行器的形状是否相同，其中，所述目标飞行器为该未知飞行器图像中所包含的未知飞行器，所述可通行飞行器为在所述禁飞区内具有飞行权限的飞行器；
若所述目标飞行器的形状与可通行飞行器的形状不相同，所述目标控制模块则控制所述目标飞行器从所述禁飞区飞行至拦截区域；
所述目标拦截模块控制用于对目标飞行器进行拦截的至少一个无人机飞行至所述拦截区域，并执行对所述目标飞行器进行目标拦截的拦截任务。
9.根据权利要求8所述的方法，其特征在于，在所述目标识别模块对于每个所述未知飞行器图像，判断目标飞行器的形状与可通行飞行器的形状是否相同后，所述方法还包括；
若所述目标飞行器的形状与可通行飞行器的形状相同，所述目标控制模块则控制所述目标飞行器保持当前飞行轨迹飞行；
所述系统还包括预警信息发送模块；在所述目标识别模块对于每个所述未知飞行器图像，判断目标飞行器的形状与可通行飞行器的形状是否相同后，所述方法还包括：
若所述目标飞行器的形状与可通行飞行器的形状不相同，所述预警信息发送模块则将预设的预警信息发送至控制中心。
10.根据权利要求8所述的方法，其特征在于，所述系统还包括目标定位模块和轨迹生成模块；在所述图像获取模块获取至少一个未知飞行器图像后，所述方法还包括：
所述目标定位模块通过雷达获取所述目标飞行器在至少一个时间点的位置坐标；
所述轨迹生成模块根据所述目标飞行器在至少一个时间点的位置坐标生成所述目标飞行器的实际飞行轨迹。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310498495.4A CN116558364A (zh) | 2023-05-05 | 2023-05-05 | 一种针对未知飞行器的干扰拦截系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310498495.4A CN116558364A (zh) | 2023-05-05 | 2023-05-05 | 一种针对未知飞行器的干扰拦截系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116558364A true CN116558364A (zh) | 2023-08-08 |
Family
ID=87497582
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310498495.4A Pending CN116558364A (zh) | 2023-05-05 | 2023-05-05 | 一种针对未知飞行器的干扰拦截系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116558364A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117155512A (zh) * | 2023-10-30 | 2023-12-01 | 武汉能钠智能装备技术股份有限公司四川省成都市分公司 | 一种无人机无线电干扰压制方法及干扰系统 |
| CN117761678A (zh) * | 2024-02-22 | 2024-03-26 | 成都鹰谷米特科技有限公司 | 一种基于v频段的复杂环境目标探测方法及芯片 |
-
2023
- 2023-05-05 CN CN202310498495.4A patent/CN116558364A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117155512A (zh) * | 2023-10-30 | 2023-12-01 | 武汉能钠智能装备技术股份有限公司四川省成都市分公司 | 一种无人机无线电干扰压制方法及干扰系统 |
| CN117155512B (zh) * | 2023-10-30 | 2024-01-23 | 武汉能钠智能装备技术股份有限公司四川省成都市分公司 | 一种无人机无线电干扰压制方法及干扰系统 |
| CN117761678A (zh) * | 2024-02-22 | 2024-03-26 | 成都鹰谷米特科技有限公司 | 一种基于v频段的复杂环境目标探测方法及芯片 |
| CN117761678B (zh) * | 2024-02-22 | 2024-04-26 | 成都鹰谷米特科技有限公司 | 一种基于v频段的复杂环境目标探测方法及芯片 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Qi et al. | Search and rescue rotary‐wing uav and its application to the lushan ms 7.0 earthquake | |
| US20220319183A1 (en) | System for tracking and visualizing objects and a method therefor | |
| US9429945B2 (en) | Surveying areas using a radar system and an unmanned aerial vehicle | |
| CN116558364A (zh) | 一种针对未知飞行器的干扰拦截系统及方法 | |
| Lai et al. | Characterization of Sky‐region Morphological‐temporal Airborne Collision Detection | |
| CN112068111A (zh) | 一种基于多传感器信息融合的无人机目标侦测方法 | |
| EP1806700A1 (en) | Geospatial image change detecting system and associated methods | |
| CN111339826B (zh) | 一种滑坡无人机线性传感器网络框架检测系统 | |
| US20230162449A1 (en) | Systems and methods for data transmission and rendering of virtual objects for display | |
| US11521128B2 (en) | Threat assessment of unmanned aerial systems using machine learning | |
| Siewert et al. | Drone net architecture for UAS traffic management multi-modal sensor networking experiments | |
| CN107360394A (zh) | 应用于边防视频监控系统的多预置点动态智能监测方法 | |
| US20210221502A1 (en) | Method and a system for real-time data processing, tracking, and monitoring of an asset using uav | |
| Al-Sheary et al. | Crowd monitoring system using unmanned aerial vehicle (UAV) | |
| Kwak et al. | Emerging ICT UAV applications and services: Design of surveillance UAVs | |
| Refaai et al. | [Retracted] An Enhanced Drone Technology for Detecting the Human Object in the Dense Areas Using a Deep Learning Model | |
| CN107045805B (zh) | 一种用于小型航空器和空飘物的监测方法及系统 | |
| Bhanu et al. | A system for obstacle detection during rotorcraft low altitude flight | |
| CN112580420A (zh) | 用于抵制无人驾驶飞行器的系统和方法 | |
| US9626588B1 (en) | Detecting and locating lasers pointed at aircraft | |
| Maltese et al. | Detect and avoid function for UAVs: Presentation of an EO/IR sensor solution | |
| CN112802058A (zh) | 一种非法运动目标的跟踪方法及装置 | |
| Bauer et al. | Using laser scanner data to calibrate certain aspects of microscopic pedestrian motion models | |
| Azad | Deep learning based drone localization and payload detection using vision data | |
| Narendran et al. | Aerial Drones for Fire Disaster Response |
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 |