[发明专利]基于图神经网络的无人机协同定位系统及方法

说明书

本发明公开了一种基于图神经网络的无人机协同定位系统及方法，包括多个无人机、服务器和无人机仿真平台，通过在无人机仿真平台上建立神经网络训练模型获得无人机上搭载的图神经网络模型，使得无人机能够自主生成控制指令，实现多无人机的协同定位。本发明提供的基于图神经网络的无人机协同定位系统及方法，采用去中心化的控制系统，对服务器要求低，可实现无人机的实时控制，并且定位准确度高，抗干扰能力强。

技术邻域

本发明涉及一种无人机协同定位系统及方法，尤其是一种基于图神经网络的无人机协同定位系统及方法，属于无人机定位邻域。

背景技术

近年来，由于无人机具有低成本、低损耗、零伤亡、高机动性、高隐蔽性等优点，被广泛应用在军事、民用科学研究等多个邻域中。

但是单个无人机在处理较大场景，较复杂任务时会存在鲁棒性，稳定性等问题，例如，在强干扰的情况下，单个无人机的传感器可能受到干扰进而产生较大的误差，导致定位出现较大误差。

可以通过多个无人机的协同定位，通过整合多无人机的局部感知，将多个传感器融合来解决此问题，从而达到即使有某个传感器出现问题，也能实现高效稳定的定位。

传统的无人机协同定位系统多采用中心化的控制系统，即由一个特定的地面站进行全局无人机的部署、控制。但是这种控制方法随着无人机集群复杂性的提高，对中央服务器指数级的计算需求增加，很难达到实时性的目的。

因此，亟待设计一种抗干扰能力强、对服务器性能依赖低的无人机协同定位系统。

发明内容

为了克服上述问题，本发明人进行了锐意研究，一方面，提供了一种基于图神经网络的无人机协同定位系统，该系统包括多个无人机和服务器。

所述无人机上搭载有感知传感器、IMU、通讯设备和任务模块，

所述任务模块与无人机飞控单元连接，通过任务模块计算无人机下一时刻的控制指令，将控制指令传递至飞控单元。

进一步地，所述任务模块中设置有图神经网络模型，所述图神经网络模型包括一个图卷积网络和多个全连接网络。

根据本发明，该系统还包括无人机仿真平台。

所述无人机仿真平台中设置有多个无人机仿真模型，在所述无人机仿真模型中设置有图神经网络模型，无人机仿真模型中的图神经网络模型与无人机任务模块中的图神经网络模型相同。

进一步地，在无人机仿真平台中设置有仿真平台通讯单元，

所述无人机仿真平台中设置有神经网络训练模型，所述神经网络训练模型包含一个全连接网络，全连接网络的输入为多个无人机仿真模型模拟的无人机控制指令向量，输出为最终价值。

另一方面，本发明还提供了一种基于图神经网络的无人机协同定位方法，包括以下步骤：

S1、建立图神经网络模型；

S2、建立无人机仿真平台；

S3、通过无人机仿真平台的训练，获得训练好的图神经网络模型；

S4、将训练好的图神经网络模型加载至无人机，通过服务器向多个无人机发送初始目标位置，无人机根据图神经网络模型输出的控制指令动作，完成协同定位。

在步骤S1中，所述图神经网络模型包括一个图卷积网络和多个全连接网络，

图卷积网络的输入为无人机低维特征，输出为无人机高维特征，所述无人机低维特征包括无人机自身低维特征和邻域无人机低维特征；

所述无人机自身低维特征通过全连接网络获得，具体地，将该无人机自身状态信息和目标位置信息作为全连接网络的输入，经过全连接网络运算后获得；