CN117668495B - 无人机空中盘旋状态的识别方法和装置 - Google Patents

Abstract

本发明涉及无人机控制技术领域，提供一种无人机空中盘旋状态的识别方法和装置，该方法包括：将无人机轨迹覆盖的第一区域转化为网格化的第二区域；根据无人机轨迹中包含的至少一个轨迹片段、各个轨迹片段上的轨迹点的时刻，在网格化的第二区域中构建无人机轨迹对应的有向网络；有向网络中包含至少一个第一节点；针对任一第一节点，根据预设的节点序号的差值范围，确定有向网络中以第一节点作为起始序号的盘旋元素；预设的节点序号的差值范围用于表示盘旋元素的起始节点的序号与盘旋元素的终止节点的序号的差值的范围。本发明中提高了对无人机空中盘旋状态进行识别的准确率。

Description

无人机空中盘旋状态的识别方法和装置

技术领域

本发明涉及无人机控制技术领域，尤其涉及一种无人机空中盘旋状态的识别方法和装置。

背景技术

随着无人机技术的兴起和发展，航拍、无人机表演、通信中继等等领域对无人机的需求与日俱增，同时对无人机的飞行控制算法和硬件也提出了更高的要求。通常无人机在完成特定任务或者遇到突发情况时，往往会出现盘旋的行为，有时这种行为是由无人机本身的任务驱动的，有时却是由于无人机无法正确控制自身产生的一种失控行为。通过对无人机轨迹的盘旋状态进行识别和分析，有助于找出无人机飞行中存在的问题，进一步优化无人机的控制，使得无人机在不同的环境和条件下表现更加成熟稳定。

现有技术中，无人机空中盘旋状态的识别方法主要通过无人机轨迹的曲线形态（曲率）来识别无人机是否发生盘旋，然而，这种方法的适应性较低，只能识别无人机以规则轨迹如标准圆的方式进行的盘旋，导致对无人机盘旋状态的识别准确率较低。

发明内容

本发明提供一种无人机空中盘旋状态的识别方法和装置，用以解决现有技术中无人机盘旋状态的识别准确率较低的缺陷，提高了对无人机盘旋状态进行识别的准确率。

第一方面，本发明提供一种无人机空中盘旋状态的识别方法，该方法包括：

将无人机轨迹覆盖的第一区域转化为网格化的第二区域；

根据所述无人机轨迹中包含的至少一个轨迹片段、各个所述轨迹片段上的轨迹点的时刻，在所述网格化的第二区域中构建所述无人机轨迹对应的有向网络；所述有向网络中包含至少一个第一节点，所述第一节点为利用所述第二区域中网格的位置信息对所述轨迹点进行表示后得到的；

针对任一所述第一节点，根据预设的节点序号的差值范围，确定所述有向网络中以所述第一节点作为起始序号的盘旋元素；所述预设的节点序号的差值范围用于表示所述盘旋元素的起始节点的序号与所述盘旋元素的终止节点的序号的差值的范围。

可选地，所述根据所述无人机轨迹中包含的至少一个轨迹片段、各个所述轨迹片段上的轨迹点的时刻，在所述网格化的第二区域中构建所述无人机轨迹对应的有向网络，包括：

针对任一所述轨迹片段，确定所述轨迹片段中包含的各个所述轨迹点在所述第二区域中落入的网格；

利用所述轨迹片段中包含的各个所述轨迹点在所述第二区域中落入的网格的位置信息，对所述轨迹片段对应的路径点的位置信息进行表示；

根据各个所述轨迹片段上的轨迹点的时刻，各个所述轨迹片段对应的路径点的位置信息，得到所述无人机轨迹包含的路径点集合；

根据所述无人机轨迹包含的路径点集合，以及各个所述轨迹片段上的轨迹点的时刻，构建所述有向网络。

可选地，所述网格的位置信息用所述网格的左下角边界点的位置信息进行表示；所述根据各个所述轨迹片段上的轨迹点的时刻，各个所述轨迹片段对应的路径点的位置信息，得到所述无人机轨迹包含的路径点集合，包括：

针对任一所述轨迹片段，根据所述轨迹片段上的轨迹点的时刻，确定所述轨迹片段包含的各个路径点的时刻；

根据各个所述轨迹片段包含的各个路径点的时刻和各个所述轨迹片段对应的路径点的位置信息，确定所述无人机轨迹包含的路径点集合。

可选地，所述根据所述无人机轨迹包含的路径点集合，以及各个所述轨迹片段上的轨迹点的时刻，构建所述有向网络，包括：

确定所述路径点集合中的至少一个目标路径点；

根据各个所述轨迹片段上的轨迹点的时刻，确定各个所述目标路径点对应的时刻；

按照各个所述目标路径点对应的时刻的先后顺序，将各个所述目标路径点依次进行有向连接，构建所述有向网络。

可选地，所述针对任一所述第一节点，根据预设的节点序号的差值范围，确定所述有向网络中以所述第一节点作为起始序号的盘旋元素，包括：

针对任一所述第一节点，判断所述第一节点是否与所述第一节点的节点序号之前的任一第二节点重合；所述节点序号为根据所述第一节点对应的轨迹点的时刻得到的；

在所述第一节点与所述第二节点重合的情况下，确定所述第一节点的节点序号与所述第二节点的节点序号之间的序号差值；

在所述序号差值落入所述预设的节点序号的差值范围的情况下，根据所述第一节点的节点序号和所述第二节点的节点序号，将所述第一节点的节点序号至所述第二节点的节点序号之间包含的至少两个第三节点组成的序列集合确定为以所述第二节点作为起始序号的盘旋元素；所述盘旋元素用所述盘旋元素对应的盘旋的起始节点的序号以及所述盘旋元素对应的盘旋的终止节点的序号进行表示。

可选地，所述针对任一所述第一节点，根据预设的节点序号的差值范围，确定所述有向网络中以所述第一节点作为起始序号的盘旋元素之后，还包括：

将各个所述第一节点作为起始序号的盘旋元素确定为盘旋集合；

针对所述盘旋集合中的任意两个盘旋元素，在所述两个盘旋元素包含重叠路径的情况下，判断所述重叠路径在各个所述盘旋元素中对应的节点序号是否相同；

在所述重叠路径在各个所述盘旋元素中对应的节点序号相同的情况下，在所述盘旋集合中保留所述两个盘旋元素中的任意一项盘旋元素；

在所述重叠路径在各个所述盘旋元素中对应的节点序号不同的情况下，在所述盘旋集合中保留所述两个盘旋元素。

可选地，所述针对任一所述第一节点，根据预设的节点序号的差值范围，确定所述有向网络中以所述第一节点作为起始序号的盘旋元素之后，还包括：

针对所述盘旋集合中的任意两个盘旋元素，确定所述两个盘旋元素对应的起始节点落入的网格；

判断所述两个盘旋元素对应的起始节点落入的网格之间的距离是否小于或等于预设的距离阈值；所述预设的距离阈值为根据所述网格化的第二区域中网格的大小得到的；

在所述两个盘旋的元素对应的起始节点落入的网格之间的距离小于或等于所述预设的距离阈值的情况下，将所述两个盘旋元素划分至同一个子集合中；

针对任一所述子集合，将所述子集合中包含的盘旋元素的数量，确定为所述无人机在所述子集合对应的位置上盘旋的圈数；所述子集合对应的位置为用所述子集合中包含的盘旋元素的起始节点的位置信息进行表示。

第二方面，本发明还提供一种无人机空中盘旋状态的识别装置，该装置包括：

转化模块，用于将无人机轨迹覆盖的第一区域转化为网格化的第二区域；

根据所述无人机轨迹中包含的至少一个轨迹片段、各个所述轨迹片段上的轨迹点的时刻，在所述网格化的第二区域中构建所述无人机轨迹对应的有向网络；所述有向网络中包含至少一个第一节点，所述第一节点为利用所述第二区域中网格的位置信息对所述轨迹点进行表示后得到的；

识别模块，用于针对任一所述第一节点，根据预设的节点序号的差值范围，确定所述有向网络中以所述第一节点作为起始序号的盘旋元素；所述预设的节点序号的差值范围用于表示所述盘旋元素的起始节点的序号与所述盘旋元素的终止节点的序号的差值的范围。

第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述无人机空中盘旋状态的识别方法。

第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述无人机空中盘旋状态的识别方法。

第五方面，本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述无人机空中盘旋状态的识别方法。

本发明提供的无人机空中盘旋状态的识别方法和装置，通过将无人机轨迹覆盖的第一区域转化为网格化的第二区域；然后，根据无人机轨迹中包含的至少一个轨迹片段、各个轨迹片段上的轨迹点的时刻，在网格化的第二区域中构建无人机轨迹对应的有向网络，其中，有向网络中包含至少一个第一节点，第一节点为利用第二区域中网格的位置信息对轨迹点进行表示后得到的；最后，针对任一第一节点，根据预设的节点序号的差值范围，确定有向网络中以第一节点作为起始序号的盘旋元素；所述预设的节点序号的差值范围用于表示盘旋元素的起始节点的序号与盘旋元素的终止节点的序号的差值的范围。本发明实施例中首先将无人机覆盖的第一区域转化为网格化的第二区域，进而，将无人机轨迹的转化为有向网络，将轨迹数据转化为网络数据，实现了关键信息的提取，着重关注数据在空间上的序列特征；进而，基于预设的节点序号的差值范围，针对任一第一节点，确定有向网络中以第一节点作为起始序号的盘旋元素，通过将无人机轨迹的轨迹数据转化后有向网络后遍历所述有向网络从而识别得到盘旋元素，提高了对无人机空中盘旋状态进行识别的准确率。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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是本发明提供的无人机空中盘旋状态的识别方法的流程示意图；

图2是本发明提供的无人机轨迹的示意图；

图3是本发明提供的有向网络的示意图；

图4是本发明提供的无人机空中盘旋状态的识别装置的结构示意图；

图5是本发明提供的电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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。

为了更清晰地理解本发明提供的各项实施例，首先对本发明涉及的相关技术做如下介绍：

现有技术中，还有方法通过计算柯西曲线积分来识别无人机是否发生盘旋，但这种方法不能统计无人机飞行时盘旋的圈数。

基于现有技术中存在的不足，本发明提供一种无人机空中盘旋状态的识别方法，能同时辨识无人机是否发生盘旋、盘旋的位置和盘旋圈数的方法，对无人机空中盘旋状态识别的准确率较高。

下面结合图1-图5描述本发明的无人机空中盘旋状态的识别的方法。

图1是本发明提供的无人机空中盘旋状态的识别方法的流程示意图，如图1所示，该方法包括：

步骤101、将无人机轨迹覆盖的第一区域转化为网格化的第二区域；

具体地，本发明实施例提供的方法应用于对无人机空中盘旋状态进行识别，图2是本发明提供的无人机轨迹的示意图，表示无人机轨迹的原始轨迹形态，如图2所示，图2给出了该无人机轨迹的形态，从图2中可大致看出无人机轨迹存在两处盘旋，在数据结构上存在轨迹抖动、采样不均匀、有缺失数据的情况。需要进一步对无人机轨迹的盘旋状态进行识别，识别方法参照如下：

首先，可以将无人机轨迹覆盖的第一区域转化为网格化的第二区域。第一区域例如为矩阵，具体地，首先，根据无人机轨迹覆盖的第一区域对应的长和第一区域对应的宽，将无人机轨迹覆盖的第一区域转化为网格化的第二区域，具体地，将无人机轨迹S所覆盖的第一区域长方形区域沿该长方形的长边和短边/>分别划分为/>和/>等分，利用调整参数/>使得划分后的第二区域为正方形，如：/>，其中，调整参数/>是一个很小的数，其取值根据第一区域的长和宽确定，确保划分后的第二区域接近正方形。

示例性地，可以令，则将第二区域划分为70×70的网格化区域。

步骤102、根据无人机轨迹中包含的至少一个轨迹片段、各个轨迹片段上的轨迹点的时刻，在网格化的第二区域中构建无人机轨迹对应的有向网络；有向网络中包含至少一个第一节点，第一节点为利用第二区域中网格的位置信息对轨迹点进行表示后得到的；

具体地，在网格化的第二区域的基础上，可以根据无人机轨迹中包含的至少一个轨迹片段、各个轨迹片段上的轨迹点的时刻，在网格化的第二区域中构建无人机轨迹对应的有向网络，其中，所述有向网络中包含至少一个节点，第一节点可以是为利用第二区域中网格的位置信息对轨迹点进行表示后得到的，将各个第一节点按照轨迹点的时间顺序依次连接各个网络节点后可以得到有向网络。需要说明的是，如果无人机轨迹不交叉，也不存在第一节点。

步骤103、针对任一第一节点，根据预设的节点序号的差值范围，确定有向网络中以第一节点作为起始序号的盘旋元素；预设的节点序号的差值范围用于表示盘旋元素的起始节点的序号与盘旋元素的终止节点的序号的差值的范围。

具体地，可以理解的是，在得到无人机轨迹对应的有向网络之后，也即将无人机轨迹的轨迹数据转化为网络形式的有向网络之后，可以利用网络领域的方法来解决数据识别问题。

可以理解的是，预设的节点序号的差值范围用于表示盘旋元素的起始节点的序号与盘旋元素的终止节点的序号的差值的范围。

例如，根据预设的节点序号的差值范围，遍历有向网络中包含的至少一个第一节点，例如，根据预设的节点序号的差值范围依次判断有向网络中是否存在以第一节点作为起始序号的盘旋，从而可以将依次搜索后得到的各个以第一节点作为起始序号的盘旋构成无人机轨迹对应的盘旋集合，所述盘旋集合中的各个盘旋元素表示无人机轨迹中包含的各个盘旋。

本实施例提供的方法中，通过将无人机轨迹覆盖的第一区域转化为网格化的第二区域；然后，根据无人机轨迹中包含的至少一个轨迹片段、各个轨迹片段上的轨迹点的时刻，在网格化的第二区域中构建无人机轨迹对应的有向网络，其中，有向网络中包含至少一个第一节点，第一节点为利用第二区域中网格的位置信息对轨迹点进行表示后得到的；最后，针对任一第一节点，根据预设的节点序号的差值范围，确定有向网络中以第一节点作为起始序号的盘旋元素；所述预设的节点序号的差值范围用于表示盘旋元素的起始节点的序号与盘旋元素的终止节点的序号的差值的范围。本发明实施例中首先将无人机覆盖的区域转化为网格化的第二区域，进而，将无人机轨迹的转化为有向网络，将轨迹数据转化为网络数据，实现了关键信息的提取，着重关注数据在空间上的序列特征；进而，基于预设的节点序号的差值范围，针对任一第一节点，确定有向网络中以第一节点作为起始序号的盘旋元素，通过将无人机轨迹的轨迹数据转化后有向网络后遍历所述有向网络从而识别得到盘旋元素，提高了对无人机空中盘旋状态进行识别的准确率。

可选地，根据无人机轨迹中包含的至少一个轨迹片段、各个轨迹片段上的轨迹点的时刻，在网格化的第二区域中构建无人机轨迹对应的有向网络，包括：

针对任一轨迹片段，确定轨迹片段中包含的各个轨迹点在所述第二区域中落入的网格；

利用轨迹片段中包含的各个轨迹点在第二区域中落入的网格的位置信息，对轨迹片段对应的路径点的位置信息进行表示；

根据各个轨迹片段上的轨迹点的时刻，各个轨迹片段对应的路径点的位置信息，得到无人机轨迹包含的路径点集合；

根据无人机轨迹包含的路径点集合，以及各个轨迹片段上的轨迹点的时刻，构建有向网络。

具体地，在一些实施例中，步骤102可以通过如下步骤实现：

可以理解的是，无人机轨迹包含多个轨迹片段，每个轨迹片段上的轨迹点对应的有轨迹点的时刻。首先，针对任一轨迹片段，可以先确定轨迹片段中包含的各个轨迹点在第二区域中落入的网格。

然后，利用轨迹片段中包含的各个轨迹点在第二区域中落入的网格的位置信息，对轨迹片段对应的路径点的位置信息进行表示；可以理解的是，其中，同一个轨迹片段上包含多个轨迹点，因而，可能存在同一个轨迹片段的多个轨迹点落入同一个网格，此时，需要对落入同一网格的轨迹片段随机选取一个代表点，作为轨迹片段在该网格中对应的路径点。

进一步地，根据各个所述轨迹片段上的轨迹点的时刻，各个轨迹片段对应的路径点的位置信息，可以得到无人机轨迹包含的路径点集合。首先，可以根据轨迹片段上的轨迹点的时刻，轨迹片段对应的路径点的位置信息，得到轨迹片段对应的路径点集合；然后，将各个轨迹片段对应的路径点集合按照各个路径点的时刻顺序排列得到无人机轨迹包含的路径点集合。各个路径点的集合路径T可以表示为：

；

其中，与/> 不属于同一网格，但所在网格相邻，/>表示第i个路径点。

进一步地，根据无人机轨迹包含的路径点集合，以及各个轨迹片段上的轨迹点的时刻，构建有向网络。例如，参照各个轨迹片段上的轨迹点的时刻得到各个路径点对应的时刻，然后，利用各个路径点对应的时刻将无人机轨迹对应的各个路径点进行依次连接，构建有向网络G。

本发明实施例提供的方法中将无人机轨迹的轨迹数据转化为网络数据，降低了搜索空间的数据量，并可以借用网络领域的方法解决问题，对于无人机空中盘旋状态进行识别的准确性较高。

可选地，网格的位置信息用网格的左下角边界点的位置信息进行表示；根据各个轨迹片段上的轨迹点的时刻，各个轨迹片段对应的路径点的位置信息，得到无人机轨迹包含的路径点集合，包括：

针对任一轨迹片段，根据轨迹片段上的轨迹点的时刻，确定轨迹片段包含的各个路径点的时刻；

根据各个轨迹片段包含的各个路径点的时刻和各个轨迹片段对应的路径点的位置信息，确定无人机轨迹包含的路径点集合。

具体地，可以理解的是，转化后的网格化的第二区域中的网格的位置信息用网格的左下角边界点的位置信息进行表示，例如每个网格取网格的左下角边界点作为代表点，将代表点的位置信息如坐标信息确定为网格的位置信息。

在一些实施例中，根据各个轨迹片段上的轨迹点的时刻，各个轨迹片段对应的路径点的位置信息，得到无人机轨迹包含的路径点集合可以通过如下方法实现：

可选地，首先采用第二区域的网格对轨迹S进行分割，得到至少一个轨迹片段；

针对任一轨迹片段，首先根据轨迹片段上的轨迹点的时刻，确定轨迹片段上包含的各个路径点的时刻，可以理解的是，针对任一轨迹片段，路径点的数量小于或等于轨迹点的数量，路径点的位置信息可以利用该路径点落入的网格的位置信息进行表示。

进一步地，可以根据轨迹片段上包含的各个路径点的时刻，以及各个路径点的位置信息，确定该轨迹片段包含的路径点的集合。例如，将各个路径点按照各个路径点的时刻进行排列，形成该轨迹片段包含的路径点的集合；进一步地，根据各个轨迹片段包含的路径点的集合，可以确定无人机轨迹包含的路径点集合，其中，无人机轨迹包含的路径点集合可以表示为：

；

其中，与/> 不属于同一网格，但所在网格相邻，/>表示第i个路径点。

本实施例提供的方法中，针对任一轨迹片段，根据轨迹片段上的轨迹点的时刻，确定轨迹片段包含的各个路径点的时刻；然后，根据各个轨迹片段包含的各个路径点的时刻和各个轨迹片段对应的路径点的位置信息，确定无人机轨迹包含的路径点集合，本实施例提供的方法实现了将无人机轨迹转化为各个路径点的集合。

可选地，根据无人机轨迹包含的路径点集合，以及各个轨迹片段上的轨迹点的时刻，构建有向网络，包括：

确定路径点集合中的至少一个目标路径点；

根据各个轨迹片段上的轨迹点的时刻，确定各个目标路径点对应的时刻；

按照各个目标路径点对应的时刻的先后顺序，将各个目标路径点依次进行有向连接，构建有向网络。

具体地，在一些实施例中，根据无人机轨迹包含的路径点集合，以及各个轨迹片段上的轨迹点的时刻，构建有向网络可以通过如下步骤实现：

首先，确定路径点集合中的至少一个目标路径点，将目标路径点用网格的位置信息表示出来，然后根据各个轨迹片段上的轨迹点的时刻，确定各个目标路径点对应的时刻；进而，按照各个目标路径点对应的时刻的先后顺序，将各个目标路径点依次进行有向连接，构建有向网络。也即是说，将路径T中目标路径点所在的网格对应的第一节点依次有序连接，形成无人机轨迹对应的有向网络，该有向网络可以表示为：，有向网络中包含多个第一节点，第一节点表示为/>，/>是从节点/>指向节点/>的一条有向边，则网络/>的边集合为/>。

图3是本发明提供的有向网络的示意图，在轨迹顶端和中部分别存在一个盘旋位置，其中根据计算，轨迹在顶端的位置盘旋了2圈，在中部的位置盘旋了5圈，与直观观测一致。

本实施例提供的方法中，通过确定无人机轨迹对应的路径中的至少一个第一元素落入第二区域中的网格对应的第三节点，其中，第一元素用于表示无人机轨迹对应的路径中包含的至少一个路径点；然后，按照轨迹点对应的时刻，将各个第三节点依次进行有向连接，构建有向网络。通过将无人机轨迹数据转化为网络形式，降低了数据量，简化计算，并且可以对不规则的盘旋轨迹、近似闭合轨迹进行准确识别，识别的准确度较高。

可选地，针对任一第一节点，根据预设的节点序号的差值范围，确定有向网络中以第一节点作为起始序号的盘旋元素，包括：

针对任一第一节点，判断第一节点是否与第一节点的节点序号之前的任一第二节点重合；节点序号为根据第一节点对应的轨迹点的时刻得到的；

在第一节点与第二节点重合的情况下，确定第一节点的节点序号与第二节点的节点序号之间的序号差值；

在序号差值落入预设的节点序号的差值范围的情况下，根据第一节点的节点序号和第二节点的节点序号，将第一节点的节点序号至第二节点的节点序号之间包含的至少两个第三节点组成的序列集合确定为以第二节点作为起始序号的盘旋元素；盘旋元素用盘旋元素对应的盘旋的起始节点的序号以及盘旋元素对应的盘旋的终止节点的序号进行表示。

具体地，在一些实施例中，步骤103可以通过如下方法实现：

首先，针对有向网络G包含的任一第一节点，判断第一节点是否与第一节点对应的节点序号之前的任一第二节点重合。

例如判断第一个节点是否与/>重合，其中，第一节点/>为有向网络G中的第j个第一节点，第一节点对应的节点序号之前的第二节点表示为/>，，/>表示历史节点的序号集合。

进一步地，在第一节点与第二节点重合的情况下，确定第一节点的节点序号与第二节点的节点序号之间的序号差值。

例如，若，其中，/>，则计算第一节点的节点序号与第二节点的节点序号之间的序号差值为：/>；

进一步地，确定序号差值是否落入预设的节点序号的差值范围，可以理解的是，预设的节点序号的差值范围可以根据网格化的第二区域中网格的大小得到，确保盘旋是否满足预设的节点序号的差值范围是为了能够确保能保留充分的轨迹信息又能够减少计算量。例如预设的节点序号的差值范围为第一节点的节点序号与第二节点的节点序号之间的序号差值大于或等于，小于或等于/>，其中/>, />或3，/>表示所述有向网络包含的第一节点的数量；也即，判断/>是否大于或等于/>，小于或等于/>。

进一步地，在序号差值落入预设的节点序号的差值范围的情况下，根据第一节点的节点序号和第二节点的节点序号，将第一节点的节点序号至第二节点的节点序号之间包含的至少两个第三节点组成的序列集合确定为以第二节点作为起始序号的盘旋元素；其中，所述盘旋元素也即一个盘旋可以用盘旋对应的起始节点的序号以及第二元素盘旋的终止节点的序号进行表示。

例如，若，则说明：

从存在一个盘旋，该盘旋可以记为/>。

进一步地，在确定从存在一个盘旋后，从历史节点的序号集合/>中删除盘旋/>所经过的路径节点序号/>，仅保留该盘旋/>的起始节点序号/>。

可选地，还可以采用自适应阈值法找出符合条件的盘旋。例如，首先找出网络中所有的盘旋（不限大小），然后对这些盘旋对应的环所包含的节点数量或进行聚类、或进行异常值剔除，得到正常大小的盘旋，这种方法适用于选取上界。

本实施例提供的方法中，针对有向网络中的任一第一节点，判断第一节点是否与第一节点对应的节点序号之前的任一第二节点重合，在第一节点与第二节点重合的情况下，确定第一节点的节点序号与第二节点的节点序号之间的序号差值；进一步确定序号差值是否落入预设的节点序号的差值范围；在序号差值落入预设的节点序号的差值范围的情况下，根据第一节点的节点序号和第二节点的节点序号，将第一节点的节点序号至第二节点的节点序号之间包含的至少两个第三节点组成的序列集合确定为以第二节点作为起始序号的盘旋元素；从而，遍历完有向网络中的所有第一节点便可以得到盘旋集合，因而，对于盘旋进行识别的准确率较高。

可选地，针对任一第一节点，根据预设的节点序号的差值范围，确定有向网络中以第一节点作为起始序号的盘旋元素之后，还包括：

将各个第一节点作为起始序号的盘旋元素确定为盘旋集合；

针对盘旋集合中的任意两个盘旋元素，在两个盘旋元素包含重叠路径的情况下，判断重叠路径在各个盘旋元素中对应的节点序号是否相同；

在重叠路径在各个盘旋元素中对应的节点序号相同的情况下，在盘旋集合中保留两个盘旋元素中的任意一项盘旋元素；

在重叠路径在各个盘旋元素中对应的节点序号不同的情况下，在盘旋集合中保留所述两个盘旋元素。

具体地，在一些实施例中，在得到以各个第一节点作为起始序号的盘旋元素后，将各个第一节点作为起始序号的盘旋元素构成的集合确定为盘旋集合，在得到所述无人机轨迹对应的盘旋集合之后，还可以对其中重复计算的盘旋进行去重，该过程示例如下：

可以理解的是，盘旋和盘旋之间不共用相同节点序号的边界。首先，针对盘旋集合中的任意两个盘旋元素，在两个盘旋元素包含重叠路径的情况下，需要进一步判断重叠路径在各个盘旋元素中对应的节点序号是否相同；

可以理解的是，在重叠路径在所述盘旋元素中对应的节点序号相同的情况下，则可以认为这两个盘旋元素为同一个盘旋，则在盘旋集合中保留两个盘旋元素中的任意一项盘旋元素；

在重叠路径在各个盘旋元素中对应的节点序号不相同的情况下，则可以认为这两个盘旋元素为不同的盘旋元素，则在盘旋集合中保留两个盘旋元素。

示例性地：

假设在有向网络/>中代表盘旋中的一部分，分别属于盘旋/>和盘旋/>，也即分别表示所在盘旋中的一段路径，其中，表示第i个节点，/>，表示从节点/>指向节点/>的一条有向边：

若则盘旋/>或盘旋/>只保留一个元素；

若则盘旋/>与盘旋/>均满足本条判定盘旋的条件，盘旋/>与盘旋/>均保留在盘旋集合中。

本实施例提供的方法中，通过限定环与环不共用相同节点序号的边界的条件，有效避免了数据片段重复计算导致盘旋数量计算不准确的问题，这也是基于网络化的第二区域进行盘旋识别的优势。

可选地，针对任一第一节点，根据预设的节点序号的差值范围，确定有向网络中以第一节点作为起始序号的盘旋元素之后，还包括：

针对盘旋集合中的任意两个盘旋元素，确定两个盘旋元素对应的起始节点落入的网格；

判断两个盘旋元素对应的起始节点落入的网格之间的距离是否小于或等于预设的距离阈值；预设的距离阈值为根据网格化的第二区域中网格的大小得到的；

在两个盘旋元素对应的起始节点落入的网格之间的距离小于或等于预设的距离阈值的情况下，将两个盘旋元素划分至同一个子集合中；

针对任一子集合，将子集合中包含的盘旋元素的数量，确定为无人机在子集合对应的位置上盘旋的圈数；子集合对应的位置为用子集合中包含的盘旋元素的起始节点的位置信息进行表示。

具体地，在一些实施例中，在得到无人机轨迹对应的盘旋集合之后，方法还可以包括：判断每个位置盘旋的圈数，该过程示例如下：

首先，针对盘旋集合中的任意两个盘旋元素，首先确定两个盘旋元素各自对应的起始节点落入的网格；例如，盘旋集合中的两个盘旋元素，例如或/>，判断两个盘旋元素各自对应的起始点落入的网格，/>的起始节点为/>，/>的起始节点为/>。

可以理解的是，可以预设一个距离阈值，用于判断两个盘旋元素各自对应的起始节点所在的网格之间的距离是否满足预设的距离阈值，从而判断两个盘旋元素对应的盘旋是否为在同一位置上的盘旋，其中，预设的距离阈值为根据网格化的第二区域中网格的大小得到的。例如，预设的距离阈值可以表示为：

；

其中，表示预设的距离阈值，a是距离系数，推荐取a=1，/>为无人机轨迹覆盖的第一区域的宽，/>表示网格化的第二区域中宽向维度上等分的数量；

其次，在得到两个第二盘旋元素各自对应的起始节点所在的网格之后，可以判断两个盘旋元素各自对应的起始节点所在的网格之间的距离是否小于或等于预设的距离阈值。其中，两个盘旋元素各自对应的起始节点所在的网格之间的距离可以以两个网格边界最近的点计算网格之间的距离。

进而，在两个盘旋元素各自对应的起始节点所在的网格之间的距离小于或等于预设的距离阈值的情况下，也即可以理解为两个盘旋的起始节点的距离不超过一个网格的大小，则可以认为两个盘旋的位置相同，也称盘旋和盘旋/>在同一地点。

可选地，若盘旋和盘旋/>在同一地点，盘旋/>和盘旋/>在同一地点，则可以视为盘旋/>和盘旋/>也在同一地点。

进一步地，可以将在同一地点的两个盘旋元素划分至同一个子集合中，可以理解的是，基于此方法得到的同一个子集合中存储的盘旋盘旋均可以视为同一个位置的盘旋。

可以理解的是，即使两个盘旋元素各自对应的起始节点所在的网格之间的距离大于预设的距离阈值的情况下，也可能属于同一子集，前提是只要两个盘旋元素分别与子集中任一其他盘旋元素的距离小于阈值。

进一步地，针对任一子集合，可以将子集合中包含的盘旋元素的数量，确定为无人机在子集合对应的位置盘旋的圈数，其中，子集合对应的位置为用子集合中包含的盘旋元素的起始节点的位置信息进行表示。

示例性地，假设盘旋集合中包括n个盘旋，分别表示为，其中/>，确定无人机盘旋圈数的方法示例如下：

（1）依次判断是否与/>在同一地点，并将属于同一地点的盘旋放入同一个子集合。可选地，若/>与/>属于同一地点，且/>已有所属子集，则将/>也加入到/>所属的子集。

（2）在将所有盘旋是否在同一地点循环判断完毕后，计算每个子集合中的盘旋元素的个数，即为无人机在该地点盘旋的圈数。

本实施例提供的方法中，预先给定两个盘旋在同一地点的判别条件如预设的距离阈值，并给出了等价性判断方式，根据等价性可将所有盘旋划分为不同的子集合，计算各个子集合中盘旋元素个数从而得到无人机在该子集合对应的位置盘旋的圈数，在识别盘旋状态和位置的同时，可以准确给出盘旋的圈数，这种计算方式简单直观，且便于统计无人机在同一地点盘旋的圈数。

下面对本发明提供的无人机空中盘旋状态的识别装置进行描述，下文描述的无人机空中盘旋状态的识别装置与上文描述的无人机空中盘旋状态的识别方法可相互对应参照。

图4是本发明提供的无人机空中盘旋状态的识别装置400的结构示意图，如图4所示，该无人机空中盘旋状态的识别装置400包括：

转化模块410，用于将无人机轨迹覆盖的第一区域转化为网格化的第二区域；

根据所述无人机轨迹中包含的至少一个轨迹片段、各个所述轨迹片段上的轨迹点的时刻，在所述网格化的第二区域中构建所述无人机轨迹对应的有向网络；所述有向网络中包含至少一个第一节点，所述第一节点为利用所述第二区域中网格的位置信息对所述轨迹点进行表示后得到的；

识别模块420，用于针对任一所述第一节点，根据预设的节点序号的差值范围，确定所述有向网络中以所述第一节点作为起始序号的盘旋元素；所述预设的节点序号的差值范围用于表示所述盘旋元素的起始节点的序号与所述盘旋元素的终止节点的序号的差值的范围。

本实施例提供的装置中，转化模块410通过将无人机轨迹覆盖的第一区域转化为网格化的第二区域；然后，根据无人机轨迹中包含的至少一个轨迹片段、各个轨迹片段上的轨迹点的时刻，在网格化的第二区域中构建无人机轨迹对应的有向网络，其中，有向网络中包含至少一个第一节点，第一节点为利用第二区域中网格的位置信息对轨迹点进行表示后得到的；最后，识别模块420针对任一第一节点，根据预设的节点序号的差值范围，确定有向网络中以第一节点作为起始序号的盘旋元素；所述预设的节点序号的差值范围用于表示盘旋元素的起始节点的序号与盘旋元素的终止节点的序号的差值的范围。本发明实施例中首先将无人机覆盖的第一区域转化为网格化的第二区域，进而，将无人机轨迹的转化为有向网络，将轨迹数据转化为网络数据，实现了关键信息的提取，着重关注数据在空间上的序列特征；进而，基于预设的节点序号的差值范围，针对任一第一节点，确定有向网络中以第一节点作为起始序号的盘旋元素，通过将无人机轨迹的轨迹数据转化后有向网络后遍历所述有向网络从而识别得到盘旋元素，提高了对无人机空中盘旋状态进行识别的准确率。

可选地，所述转化模块410，具体用于：

针对任一所述轨迹片段，确定所述轨迹片段中包含的各个所述轨迹点在所述第二区域中落入的网格；

利用所述轨迹片段中包含的各个所述轨迹点在所述第二区域中落入的网格的位置信息，对所述轨迹片段对应的路径点的位置信息进行表示；

根据各个所述轨迹片段上的轨迹点的时刻，各个所述轨迹片段对应的路径点的位置信息，得到所述无人机轨迹包含的路径点集合；

根据所述无人机轨迹包含的路径点集合，以及各个所述轨迹片段上的轨迹点的时刻，构建所述有向网络。

可选地，所述网格的位置信息用所述网格的左下角边界点的位置信息进行表示；

所述转化模块410，还用于：

针对任一所述轨迹片段，根据所述轨迹片段上的轨迹点的时刻，确定所述轨迹片段包含的各个路径点的时刻；

根据各个所述轨迹片段包含的各个路径点的时刻和各个所述轨迹片段对应的路径点的位置信息，确定所述无人机轨迹包含的路径点集合。

可选地，所述转化模块410，还用于：

确定所述路径点集合中的至少一个目标路径点；

根据各个所述轨迹片段上的轨迹点的时刻，确定各个所述目标路径点对应的时刻；

按照各个所述目标路径点对应的时刻的先后顺序，将各个所述目标路径点依次进行有向连接，构建所述有向网络。

可选地，所述识别模块420，具体用于：

针对任一所述第一节点，判断所述第一节点是否与所述第一节点的节点序号之前的任一第二节点重合；所述节点序号为根据所述第一节点对应的轨迹点的时刻得到的；

在所述第一节点与所述第二节点重合的情况下，确定所述第一节点的节点序号与所述第二节点的节点序号之间的序号差值；

在所述序号差值落入所述预设的节点序号的差值范围的情况下，根据所述第一节点的节点序号和所述第二节点的节点序号，将所述第一节点的节点序号至所述第二节点的节点序号之间包含的至少两个第三节点组成的序列集合确定为以所述第二节点作为起始序号的盘旋元素；所述盘旋元素用所述盘旋元素对应的盘旋的起始节点的序号以及所述盘旋元素对应的盘旋的终止节点的序号进行表示。

可选地，所述装置还包括去重模块；

所述去重模块用于：

将各个所述第一节点作为起始序号的盘旋元素确定为盘旋集合；

针对所述盘旋集合中的任意两个盘旋元素，在所述两个盘旋元素包含重叠路径的情况下，判断所述重叠路径在各个所述盘旋元素中对应的节点序号是否相同；

在所述重叠路径在各个所述盘旋元素中对应的节点序号相同的情况下，在所述盘旋集合中保留所述两个盘旋元素中的任意一项盘旋元素；

在所述重叠路径在各个所述盘旋元素中对应的节点序号不同的情况下，在所述盘旋集合中保留所述两个盘旋元素。

可选地，所述装置还包括圈数确定模块；

所述圈数确定模块，用于：

针对所述盘旋集合中的任意两个盘旋元素，确定所述两个盘旋元素对应的起始节点落入的网格；

判断所述两个盘旋元素对应的起始节点落入的网格之间的距离是否小于或等于预设的距离阈值；所述预设的距离阈值为根据所述网格化的第二区域中网格的大小得到的；

在所述两个盘旋的元素对应的起始节点落入的网格之间的距离小于或等于所述预设的距离阈值的情况下，将所述两个盘旋元素划分至同一个子集合中；

针对任一所述子集合，将所述子集合中包含的盘旋元素的数量，确定为所述无人机在所述子集合对应的位置上盘旋的圈数；所述子集合对应的位置为用所述子集合中包含的盘旋元素的起始节点的位置信息进行表示。

图5示例了一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行无人机空中盘旋状态的识别方法，该方法包括：

将无人机轨迹覆盖的第一区域转化为网格化的第二区域；

根据所述无人机轨迹中包含的至少一个轨迹片段、各个所述轨迹片段上的轨迹点的时刻，在所述网格化的第二区域中构建所述无人机轨迹对应的有向网络；所述有向网络中包含至少一个第一节点，所述第一节点为利用所述第二区域中网格的位置信息对所述轨迹点进行表示后得到的；

针对任一所述第一节点，根据预设的节点序号的差值范围，确定所述有向网络中以所述第一节点作为起始序号的盘旋元素；所述预设的节点序号的差值范围用于表示所述盘旋元素的起始节点的序号与所述盘旋元素的终止节点的序号的差值的范围。

此外，上述的存储器530中的逻辑指令可以通过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，服务器，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。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的无人机空中盘旋状态的识别方法，该方法包括：

将无人机轨迹覆盖的第一区域转化为网格化的第二区域；

根据所述无人机轨迹中包含的至少一个轨迹片段、各个所述轨迹片段上的轨迹点的时刻，在所述网格化的第二区域中构建所述无人机轨迹对应的有向网络；所述有向网络中包含至少一个第一节点，所述第一节点为利用所述第二区域中网格的位置信息对所述轨迹点进行表示后得到的；

针对任一所述第一节点，根据预设的节点序号的差值范围，确定所述有向网络中以所述第一节点作为起始序号的盘旋元素；所述预设的节点序号的差值范围用于表示所述盘旋元素的起始节点的序号与所述盘旋元素的终止节点的序号的差值的范围。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的无人机空中盘旋状态的识别方法，该方法包括：

将无人机轨迹覆盖的第一区域转化为网格化的第二区域；

根据所述无人机轨迹中包含的至少一个轨迹片段、各个所述轨迹片段上的轨迹点的时刻，在所述网格化的第二区域中构建所述无人机轨迹对应的有向网络；所述有向网络中包含至少一个第一节点，所述第一节点为利用所述第二区域中网格的位置信息对所述轨迹点进行表示后得到的；

针对任一所述第一节点，根据预设的节点序号的差值范围，确定所述有向网络中以所述第一节点作为起始序号的盘旋元素；所述预设的节点序号的差值范围用于表示所述盘旋元素的起始节点的序号与所述盘旋元素的终止节点的序号的差值的范围。

以上所描述的装置实施例仅仅是示意性的，其中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。

通过以上的实施方式的描述，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，如ROM/RAM、磁碟、光盘等，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，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以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，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种无人机空中盘旋状态的识别方法，其特征在于，包括：

将无人机轨迹覆盖的第一区域转化为网格化的第二区域；

根据所述无人机轨迹中包含的至少一个轨迹片段、各个所述轨迹片段上的轨迹点的时刻，在所述网格化的第二区域中构建所述无人机轨迹对应的有向网络；所述有向网络中包含至少一个第一节点，所述第一节点为利用所述第二区域中网格的位置信息对所述轨迹点进行表示后得到的；

针对任一所述第一节点，根据预设的节点序号的差值范围，确定所述有向网络中以所述第一节点作为起始序号的盘旋元素；所述预设的节点序号的差值范围用于表示所述盘旋元素的起始节点的序号与所述盘旋元素的终止节点的序号的差值的范围；

所述针对任一所述第一节点，根据预设的节点序号的差值范围，确定所述有向网络中以所述第一节点作为起始序号的盘旋元素，包括：

针对任一所述第一节点，判断所述第一节点是否与所述第一节点的节点序号之前的任一第二节点重合；所述节点序号为根据所述第一节点对应的轨迹点的时刻得到的；

在所述第一节点与所述第二节点重合的情况下，确定所述第一节点的节点序号与所述第二节点的节点序号之间的序号差值；

在所述序号差值落入所述预设的节点序号的差值范围的情况下，根据所述第一节点的节点序号和所述第二节点的节点序号，将所述第一节点的节点序号至所述第二节点的节点序号之间包含的至少两个第三节点组成的序列集合确定为以所述第一节点作为起始序号的盘旋元素；所述盘旋元素用所述盘旋元素对应的盘旋的起始节点的序号以及所述盘旋元素对应的盘旋的终止节点的序号进行表示。

2.根据权利要求1所述的无人机空中盘旋状态的识别方法，其特征在于，所述根据所述无人机轨迹中包含的至少一个轨迹片段、各个所述轨迹片段上的轨迹点的时刻，在所述网格化的第二区域中构建所述无人机轨迹对应的有向网络，包括：

针对任一所述轨迹片段，确定所述轨迹片段中包含的各个所述轨迹点在所述第二区域中落入的网格；

利用所述轨迹片段中包含的各个所述轨迹点在所述第二区域中落入的网格的位置信息，对所述轨迹片段对应的路径点的位置信息进行表示；

根据各个所述轨迹片段上的轨迹点的时刻，各个所述轨迹片段对应的路径点的位置信息，得到所述无人机轨迹包含的路径点集合；

根据所述无人机轨迹包含的路径点集合，以及各个所述轨迹片段上的轨迹点的时刻，构建所述有向网络。

3.根据权利要求2所述的无人机空中盘旋状态的识别方法，其特征在于，所述网格的位置信息用所述网格的左下角边界点的位置信息进行表示；所述根据各个所述轨迹片段上的轨迹点的时刻，各个所述轨迹片段对应的路径点的位置信息，得到所述无人机轨迹包含的路径点集合，包括：

针对任一所述轨迹片段，根据所述轨迹片段上的轨迹点的时刻，确定所述轨迹片段包含的各个路径点的时刻；

根据各个所述轨迹片段包含的各个路径点的时刻和各个所述轨迹片段对应的路径点的位置信息，确定所述无人机轨迹包含的路径点集合。

4.根据权利要求3所述的无人机空中盘旋状态的识别方法，其特征在于，所述根据所述无人机轨迹包含的路径点集合，以及各个所述轨迹片段上的轨迹点的时刻，构建所述有向网络，包括：

确定所述路径点集合中的至少一个目标路径点；

根据各个所述轨迹片段上的轨迹点的时刻，确定各个所述目标路径点对应的时刻；

按照各个所述目标路径点对应的时刻的先后顺序，将各个所述目标路径点依次进行有向连接，构建所述有向网络。

5.根据权利要求1-4任一项所述的无人机空中盘旋状态的识别方法，其特征在于，所述针对任一所述第一节点，根据预设的节点序号的差值范围，确定所述有向网络中以所述第一节点作为起始序号的盘旋元素之后，还包括：

将各个所述第一节点作为起始序号的盘旋元素确定为盘旋集合；

针对所述盘旋集合中的任意两个盘旋元素，在所述两个盘旋元素包含重叠路径的情况下，判断所述重叠路径在各个所述盘旋元素中对应的节点序号是否相同；

在所述重叠路径在各个所述盘旋元素中对应的节点序号相同的情况下，在所述盘旋集合中保留所述两个盘旋元素中的任意一项盘旋元素；

在所述重叠路径在各个所述盘旋元素中对应的节点序号不同的情况下，在所述盘旋集合中保留所述两个盘旋元素。

6.根据权利要求5所述的无人机空中盘旋状态的识别方法，其特征在于，所述针对任一所述第一节点，根据预设的节点序号的差值范围，确定所述有向网络中以所述第一节点作为起始序号的盘旋元素之后，还包括：

针对所述盘旋集合中的任意两个盘旋元素，确定所述两个盘旋元素对应的起始节点落入的网格；

判断所述两个盘旋元素对应的起始节点落入的网格之间的距离是否小于或等于预设的距离阈值；所述预设的距离阈值为根据所述网格化的第二区域中网格的大小得到的；

在所述两个盘旋的元素对应的起始节点落入的网格之间的距离小于或等于所述预设的距离阈值的情况下，将所述两个盘旋元素划分至同一个子集合中；

针对任一所述子集合，将所述子集合中包含的盘旋元素的数量，确定为所述无人机在所述子集合对应的位置上盘旋的圈数；所述子集合对应的位置为用所述子集合中包含的盘旋元素的起始节点的位置信息进行表示。

7.一种无人机空中盘旋状态的识别装置，其特征在于，包括：

转化模块，用于将无人机轨迹覆盖的第一区域转化为网格化的第二区域；

根据所述无人机轨迹中包含的至少一个轨迹片段、各个所述轨迹片段上的轨迹点的时刻，在所述网格化的第二区域中构建所述无人机轨迹对应的有向网络；所述有向网络中包含至少一个第一节点，所述第一节点为利用所述第二区域中网格的位置信息对所述轨迹点进行表示后得到的；

识别模块，用于针对任一所述第一节点，根据预设的节点序号的差值范围，确定所述有向网络中以所述第一节点作为起始序号的盘旋元素；所述预设的节点序号的差值范围用于表示所述盘旋元素的起始节点的序号与所述盘旋元素的终止节点的序号的差值的范围；

所述识别模块，具体用于：

针对任一所述第一节点，判断所述第一节点是否与所述第一节点的节点序号之前的任一第二节点重合；所述节点序号为根据所述第一节点对应的轨迹点的时刻得到的；

在所述第一节点与所述第二节点重合的情况下，确定所述第一节点的节点序号与所述第二节点的节点序号之间的序号差值；

在所述序号差值落入所述预设的节点序号的差值范围的情况下，根据所述第一节点的节点序号和所述第二节点的节点序号，将所述第一节点的节点序号至所述第二节点的节点序号之间包含的至少两个第三节点组成的序列集合确定为以所述第一节点作为起始序号的盘旋元素；所述盘旋元素用所述盘旋元素对应的盘旋的起始节点的序号以及所述盘旋元素对应的盘旋的终止节点的序号进行表示。

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述无人机空中盘旋状态的识别方法。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述无人机空中盘旋状态的识别方法。