[发明专利]一种基于无人机群的多目标协同追踪方法

说明书

本发明公开一种基于无人机群的多目标协同追踪方法，应用于无人机目标追踪领域；针对现有无人机群协同追踪方案无法保证精确的多目标观测和追踪的问题；本发明每个无人机能够利用机载计算机训练获取到的观测信息，输出对应的数字孪生模型；通过该数字孪生模型帮助无人机选择最优的一跳邻居完成信息交换，并且基于训练好的数字孪生模型，无人机能够预测高速移动目标的轨迹，并请求远程无人机执行后续的观测和追踪，提升无人机的协同能力和多目标追踪成功率。

技术领域

本发明属于目标追踪领域，特别涉及一种无人机群追踪技术。

背景技术

在传统基于集中式的多目标追踪场景中，无人机与远程云之间存在着不可靠的通信传输，并且无人机大多工作在复杂和严苛的环境下，缺乏基础设施的支持。因此，云计算和边缘计算无法满足多目标追踪的需求。一种基于分布式的多目标追踪架构是一种有效的解决方案。

然而，在分布式架构中，无人机之间存在着较差的协同性和高通信时延等问题，不能有效地应对多个移动目标的精确追踪。并且单个无人机只能和一跳邻居之间产生信息交换，增加无人机群协同决策的时间，无法快速达到追踪决策的一致性收敛。另一方面，从移动目标的角度分析，由于时变和动态的多目标特性，无人机群之间的协商会得出不合理的追踪调度方案，这不仅导致无人机在追踪过程中的物理碰撞，还可能导致追踪目标的丢失和目标感知的失败。

发明内容

为解决上述技术问题，本发明提出一种基于无人机群的多目标协同追踪方法，基于深度确定性策略梯度算法，仅仅依靠邻居信息交换就可实现无人机群低开销的协同多目标追踪表现。

本发明采用的技术方案为：一种基于无人机群的多目标协同追踪方法，每个无人机的机载计算机基于其异构信息构建DT模拟场景；在各无人机的DT模拟场景中模拟对应的物理追踪环境；并根据模拟得到的目标移动速度，确定该无人机的下一跳最优邻居进行通信，从而完成协同观测和追踪。

所述异构信息包括无人机自身和目标的飞行俯仰角、转向角、飞行速度、当前的位置、环境的温湿度和物理噪声。所述异构信息通过摄像头与各传感器获取。所述根据模拟得到的目标移动速度，确定该无人机的下一跳最优邻居进行通信，从而完成协同观测和追踪；具体的：将目标移动速度与设定的阈值进行比较，若目标移动速度小于设定阈值，则通过深度确定性策略梯度算法和基于注意力的邻居观测机制选择最优的邻居进行通信来完成协同观测和追踪；否则使用扩展卡尔曼滤波算法在预测目标未来的移动轨迹，根据目标未来的移动轨迹匹配最优的邻居作为转发节点，完成协同的追踪。

本发明的有益效果：本发明利用数字孪生模型帮助无人机评估目标的飞行速度和姿态。针对慢移动的目标，无人机协调周围一跳邻居完成协同追踪；针对快移动目标，无人机根据历史的追踪经验，预测其运动轨迹，请求远程无人机飞到合适的空域提前执行协同追踪；本发明包括以下优点：

1、每个无人机对应一个数字孪生模型，通过该数字孪生模型帮助无人机选择最优的一跳邻居完成信息交换，明显降低了无人机群的通信开销；

2、与已有只考虑无人机和目标移动速度相匹配的追踪方法不同，本发明针对慢移动的目标，能够协调无人机周围一跳邻居完成协同追踪；针对快移动目标，无人机根据历史的追踪经验，预测其运动轨迹，请求远程无人机飞到合适的空域去执行协同观测和追踪，提升目标追踪的成功率；

3、引入了一种基于注意力的邻居观测机制。该机制可以实现无人机训练部分观测信息来降低数字孪生模型的模拟复杂度。

附图说明

图1为本发明的方法流程图。

图2为本发明实施例提供的目标追踪场景图。

图3为本发明实施图例提供的是本发明方法在无人机群在分布式架构下低通信开销的协同追踪效果图。

图4为本发明实施例提供的本发明的方法与现有技术的对比效果图。

具体实施方式