[发明专利]一种基于图像跟踪与激光测距的无人机目标运动估计方法

说明书

本发明公开了一种基于图像跟踪与激光测距的无人机目标运动估计方法，其具体方法是首先采集数据并对数据进行预处理，基于目标加速度的当前统计模型建立扩展卡尔曼滤波算法的滤波模型，并利用扩展卡尔曼滤波解算目标位置与速度。本发明解决无人机利用光电吊舱（光电转台+激光测距仪）无法实现目标实时准确定位的问题，提出将目标定位问题视为多传感器数据融合问题，并基于目标加速度的当前统计模型利用扩展卡尔曼滤波实现目标运动状态实时估计。本发明提出的目标运动状态实时估计方法要求光电转台具备图像跟踪能力，定位方法适用于地（水）面静止目标或机动目标，可同时得到目标位置与速度信息。

技术领域

本发明涉及无人机技术领域，具体涉及一种基于图像跟踪与激光测距的无人机目标运动估计方法。

背景技术

无人机在进行侦查、搜索、跟踪、协同打击等任务时，通常需要利用相机获取目标位置。目标可能是静止的，如建筑物、防御工事、特征地表等，也可能具有机动能力，如行人、动物、车辆、船只等。目前无人机目标定位方案一般有TOF、双目视觉、单机序列测量定位、多机协同定位以及激光测距+光电转台。TOF、双目视觉方案测量距离短（一般在100m以内），受环境光及物体纹理影响大，因此仅在微小型无人机平台上使用。单机序列测量方法通过无人机在不同位置对地面同一固定目标的多次测量产生数据序列并求解最小方差解，然而此种方法需要多次测量，收敛速度慢，仅能定位静止目标。多机协同定位一方面要求各无人机的测量时钟严格同步，且云台相机的控制也应严格同步；另一方面还要求无人机之间能够通信或者具有共同的中心节点用于处理多机返回的测量数据。因此多机协同定位方案不仅需要更多的无人机，而且工程实现难度大，尤其在应用于移动目标时系统要求更高，定位效果并不理想，因此采用此种方案实际上得不偿失。

常规的任务型无人机一般采用光电吊舱（激光测距+光电转台）来实现目标定位，且激光测距仪安装在光电转台上，出射方向与光轴平行。激光测距仪可直接测量目标与无人机之间的距离，因此只需一次测量即可确定目标位置，无需多架无人机或多次测量，并且通过连续多次测量还可确定运动目标的每一测量时刻的位置。然而，由于无人机机身振动传递、光电转台伺服间隙、风扰等因素存在，光电转台反馈伺服角度存在中低频抖动，尤其在闭环视觉伺服控制模式下抖动会更加显著。在相对距离较远的情况下，角度的抖动会产生位置解算偏差，定位结果将分布在以目标真实位置为圆心一定半径的圆内。以距离为例，视线角偏差为时，误差分布半径可达。如果采用低通滤波进行平滑处理，对于原本处于中低频段的角度信号而言不可避免地会引入较大的相位延迟，因此在定位机动能力较强的目标时无法准确地解算出目标实时位置。此外，激光测距仪工作期间会发热，存在测距刷新周期长且不稳定的问题，也同样会造成无法准确解算目标的实时位置。因此，只对各传感器数据的简单滤波处理无法实现目标实时位置的准确估计。

发明内容

为解决以上问题，发明人通过长期的探索尝试以及多次的实验和努力，不断改革与创新，提出了一种基于图像跟踪与激光测距的无人机目标运动估计方法,本发明将无人机目标定位问题视为多传感器数据融合问题，而卡尔曼滤波可有效处理此类问题。本发明基于目标加速度的当前统计模型建立无人机与目标的相对运动数学模型，并利用扩展卡尔曼滤波（EKF）算法估计目标位置与速度，可实现目标位置与速度的实时高精度解算，且可在传感器故障时通过模型运算递推目标未来一段时间内的运动。

为实现上述目的，本发明所采用的技术方案是：一种基于图像跟踪与激光测距的无人机目标运动估计方法，首先采集数据并对数据进行预处理，然后基于目标加速度的当前统计模型建立扩展卡尔曼滤波算法的滤波模型，并利用扩展卡尔曼滤波解算目标位置与速度。

根据本发明所述的一种基于图像跟踪与激光测距的无人机目标运动估计方法，其进一步地优选技术方案是：滤波模型是采用无人机与目标的二阶相对运动模型分为角度模型与距离模型作为滤波模型，状态变量选择为

，

，