[发明专利]基于无人机的动态目标追踪系统设计

说明书

本发明涉及无人机技术领域，尤其涉及基于无人机的动态目标追踪系统设计，解决了现有技术中缺少一种系统性的、远程操控便捷、动态目标追踪准确的无人机动态目标追踪系统的问题。基于无人机的动态目标追踪系统设计，包括：云管理平台，用于远程监测无人机获取的图像信息、动态目标追踪信息以及无人机设备的运行信息。本发明通过远程云管理平台和无人机自身进行双控制的效果，实现无人机飞行和动态目标的三维时空定位，便于灵活的把控动态目标的轨迹，便于更好的管理无人机在追踪过程中性能的稳定，同时更便于远程云管理平台远程操控，实现了一种使用操作便捷，运行稳定，定位准确的无人机动态目标追踪。

技术领域

本发明涉及无人机技术领域，特别是涉及基于无人机的动态目标追踪系统设计。

背景技术

无人驾驶飞机简称“无人机”，是利用无线远程遥控设备和无人机自备的程序控制无人机操作的过程。在无人机的很多应用中,都会包含对动态目标的定位与跟踪任务,定位与跟踪精度的高低,直接决定着任务的成败。

现有我国对于无人机动态目标追踪的研究也有很多：(1)单架无人机测角测距目标定位方法的研究。利用无人机光电平台测量系统测得目标的相对方位角、俯仰角及距离,通过齐次坐标转换法推导出目标定位及目标引导的计算公式,解算出目标在大地坐标系下的位置信息(经度L,纬度B,高度H),进而在电子地图上标注出来,以便于对目标进行分析与监视。(2)对无人机目标定位过程进行误差分析,并提出一种高精度目标定位的总体方案。首先建立目标定位的误差模型,使用Matlab语言编写无人机目标定位仿真程序,基于蒙特卡罗思想,对目标定位过程进行了大量的仿真分析,找出对目标定位精度影响较为明显的因素,在此基础上,提出提高目标定位精度的相应措施,进而提出了基于无人机组合导航技术的高精度目标定位方案。(3)针对提出的定位方案,深入研究了无人机的SINS/GPS组合导航技术。使用Matlab/Simulink仿真工具分别对SINS和GPS导航系统进行仿真,验证其系统性能,分析了它们的优势和局限性。把这两个系统通过卡尔曼滤波最优估计算法组合起来,取长补短,通过仿真实验证明,组合导航定位精度明显高于各系统独立工作的精度。(4)对无人机目标跟踪中的目标状态融合估计算法进行研究,提出了一种基于CS模型的交互式多模型粒子滤波算法。由于交互式多模型粒子滤波算法只有在选择了合适的目标运动模型、模型参数及模型个数时才能得到很好的跟踪效果；而CS模型自适应滤波算法,虽然具有跟踪精度高、能比较真实地反映目标机动性的优势,但是无法自动调节。因此,将这两种算法相结合,在交互式多模型粒子滤波算法的基础上,计算模型的校正概率,自适应地调整CS模型中的最大正、负加速度,充分发挥两种算法的优势,提高了跟踪精度。通过仿真验证了本文提出新算法的有效性。

因而现提出一种基于无人机的动态目标追踪系统设计，以提供一种系统性的、远程操控便捷、动态目标追踪准确的追踪系统，来提高无人机动态目标追踪的便捷性、科学性和准确性。

发明内容

本发明的目的是提供基于无人机的动态目标追踪系统设计，解决了现有技术中缺少一种系统性的、远程操控便捷、动态目标追踪准确的无人机动态目标追踪系统的问题。

为了实现上述目的，本发明采用了如下技术方案：

基于无人机的动态目标追踪系统设计，包括：

云管理平台，用于远程监测无人机获取的图像信息、动态目标追踪信息以及无人机设备的运行信息，以远程辅助控制动态目标追踪；

监控图像管理装置，用于获取无人机飞行时周围的图像信息，捕捉动态目标图像信息，并将图像信息进行分类，以分别用于形成避障影像、动态目标影像和预飞行轨迹影像；

智能飞行控制装置，用于无人机的自动动态目标追踪，根据动态目标的距离，和无人机的当前性能，自动设定飞行模式；

综合性能分析装置，用于分析无人机的当前供能信息、当前驱动信息、当前里程信息和当前远程输送信息，以及剩余可飞行信息；