[发明专利]一种无人机目标跟踪中的分层避障控制方法

权利要求书

1.一种无人机目标跟踪中的分层避障控制方法，其特征在于，步骤包括：

S1.基于无人机、目标的状态构建无人机目标跟踪模型；

S2.基于所述无人机目标跟踪模型控制无人机进行目标跟踪，使用基于目标信息累积量的跟踪决策函数控制无人机动作决策，以寻找使得所述目标信息累积量最大化的最佳动作序列；

S3.当预测到障碍且判定需要进行障碍规避时，启动对无人机进行避碰控制，使用预先基于无人机位置与障碍位置之间关系构建的避碰决策函数控制无人机动作决策，以使得无人机远离预测到的障碍。

2.根据权利要求1所述的无人机目标跟踪中的分层避障控制方法，其特征在于：所述步骤S1中具体基于POMDP构建无人机目标跟踪模型，构建的模型中包括基于目标信息累积量定义的回报函数。

3.根据权利要求2所述的无人机目标跟踪中的分层避障控制方法，其特征在于，基于POMDP构建无人机目标跟踪模型具体为：基于系统状态S、动作U、观测率Ω、观测值O、回报函数R、状态转移律T、置信状态b0构建无人机目标跟踪模型，定义一个无限区间的POMDP为一个数组M＝<S,U,T,Ω,O,R,b0>，其中所述系统状态S包括无人机的状态目标的状态以及计算得到的目标的相对位置所述动作U包括无人机的控制量所述回报函数R使用信息累积量定义；

所述状态转移律T为：

所述观测率Ω包括传感器的观测律：其中，所述目标的相对位置使用误差协方差矩阵表示。

4.根据权利要求1或2或3所述的无人机目标跟踪中的分层避障控制方法，其特征在于，所述步骤S2中具体使用基于Fisher信息矩阵计算无人机轨迹的信息累积量，构建基于Fisher信息矩阵的跟踪决策函数。

5.根据权利要求4所述的无人机目标跟踪中的分层避障控制方法，其特征在于，构建所述基于Fisher信息矩阵的跟踪决策函数具体步骤为：

定义k时刻的Fisher信息矩阵为：

其中，p(z_1:k|x_k)表示测量的似然概率，z_1:k表示在笛卡尔坐标中从t₁到当前时刻对目标位置的观测序列，为目标的相对位置且

以递归的形式计算Fisher信息矩阵：

其中，r_k为目标与无人机的相对距离；

使用在H个采样点处Fisher信息矩阵的行列式之和近似无人机轨迹的累积信息，即：

其中，f_tracking为信息累积量，G_i为i时刻Fisher信息矩阵；

构建得到基于Fisher信息矩阵的跟踪决策函数，以使得无人机的动作决策过程找到所述信息累积量f_tracking最大化的最佳动作序列。

6.根据权利要求1或2或3所述的无人机目标跟踪中的分层避障控制方法，其特征在于，所述步骤S2中控制无人机进行目标跟踪步骤包括：

S21.初始化置信状态；

S22.获得观测值后更新目标的置信状态；

S23.估计未来指定时间段内的信息累积量；

S24.求解所述跟踪决策函数的最优策略，以寻找到使得所述信息累积量最大化的最佳动作序列。

7.根据权利要求6所述的无人机目标跟踪中的分层避障控制方法，其特征在于，所述步骤S22中具体使用卡尔曼滤波方法更新目标的置信状态。

8.根据权利要求1或2或3所述的无人机目标跟踪中的分层避障控制方法，其特征在于，所述步骤S3中具体通过由无人机到危险圈的切线构建锥体，基于构建的锥体使用碰撞锥法预测障碍，当无人机的速度矢量位于碰撞锥内时，判定无人机将进入危险区域或禁飞区域，启动对无人机进行避碰控制。