[发明专利]一种无人机地面动态目标识别与跟踪场景可靠性测试用例生成方法

权利要求书

1.一种无人机地面动态目标识别与跟踪场景可靠性测试用例生成方法，其特征在于它包含以下步骤：

步骤一：分析确定无人机地面动态目标识别与跟踪场景中的静态可靠性影响因素；

步骤1：分析确定天气影响因素；

(1)天气有着晴天、雨、雾、雪等w种天气类型，分别记作{α₁,α₂,α₃,…,α_w}；

(2)每种天气类型有4种天气等级：一般、较严重、严重、特别严重，记作{β₁,β₂,β₃,β₄}；

(3)风力大小有12种等级，分别记作{c₁,c₂,c₃,…,c₁₂}；

(4)每天的光照强度都会有所不同，记光照强度为d，d0，单位：勒克斯lx；

步骤2：分析确定道路影响因素；

收集不同城市的道路环境，在城市道路环境中给每条道路进行编号处理，记为{R₁,R₂,…,R_n}，其中n表示在该城市道路总条数，并以某十字路口为原点，以正东方向为x轴正方向，以正北方向为y轴正方向，以垂直与城市地面向上的方向为z轴正方向，在城市道路环境中建立三维坐标系，记录每条道路的位置，将各个道路左右两侧的表达式分别编号，记作{R_l1,R_l2,…,R_ln}，{R_r1,R_r2,…,R_rn}；

步骤3：在三维坐标系中，将每条道路上左右两侧的建筑分别编号，记为{b₁,b₂,…,b_m}，记录各个建筑物在z＝0平面上靠近道路一侧两个顶点的坐标位置，记为b_a:{(x_a,y_a,0),(x'_a,y'_a,0)}(a∈(1,2,…,m))，并记录各个建筑物的高度，记为{h₁,h₂,…,h_m}；

步骤二：分析无人机地面动态目标识别与跟踪场景中的动态可靠性影响因素；

步骤1：分析确定地面动态目标以及其他干扰目标的影响因素；

地面动态目标以及其他干扰目标的影响因素，包括目标的类型、速度、宽度、长度以及颜色：

(1)构建地面动态目标以及其他干扰目标的类型集合，记作{T₀,T₁,T₂,…,T_n}，其中，T₀表示地面动态目标的类型，T_i(i＞0)表示编号为i的其他干扰目标类型；

(2)确定地面动态目标以及其他干扰目标的类型后，其宽度与长度也随之确定，分别记为{W₀,W₁,W₂,…,W_n}和{L₀,L₁,L₂,…,L_n}，其中，W₀表示地面动态目标宽度，W_i(i＞0)表示编号i为的其他干扰目标的宽度；L₀表示地面动态目标的长度，L_i(i＞0)表示编号i为的其他干扰目标的长度；

(3)构建地面动态目标以及其他干扰目标的速度集合，记作{v₀(t),v₁(t),v₂(t),…,v_n(t)}，其中，v₀(t)表示地面动态目标在t时刻的速度，而v_i(t)(i＞0)表示编号为i的其他干扰目标在t时刻的速度，同时，记录地面动态目标t时刻在三维坐标系中的中心位置,记为(x_o(t),y_o(t),0)；

(4)构建地面动态目标以及其他干扰目标的颜色集合，记作{c₁,c₂,c₃,…,c_n}，其中c₀表示地面动态目标的颜色，c_i(i＞0)表示编号为i的其他干扰目标的颜色；

步骤2：分析无人机自身的影响因素；

将无人机的速度在三维坐标系中表示：使用v_x(t)表示在t时刻无人机在x轴方向上的速度，v_y(t)表示在t时刻无人机在y轴方向上的速度，v_z(t)表示在t时刻无人机在z轴方向上的速度，记录无人机出发时的坐标位置(x_u,y_u,h_u)通过预设无人机不同的初始速度、位置，来进一步分析无人机目标识别与跟踪的可靠性；

步骤三：分析确定无人机对地面动态目标进行识别与跟踪场景中建筑影响因素带来的遮挡影响；

步骤1：判断建筑物能否带来遮挡；

在t时刻，无人机的位置坐标为地面动态目标位置坐标为(x_o(t),y_o(t),0)，位于编号为p的道路上，该道路左右两侧的表达式分别为R_lp:A_px+B_py+C_lp＝0,z＝0(-l＜x＜l')，R_rp:A_px+B_py+C_rp＝0,z＝0(-l＜x＜l')；

计算无人机位置到道路两侧的距离，当

时表示建筑物能够给地面动态目标带来遮挡；否则，无遮挡影响；

步骤2：计算建筑物的遮挡范围；

确定建筑物能够带来遮挡影响后，判断无人机在道路的哪一侧，当

时，左侧建筑物会给地面动态目标带来遮挡影响，此时在左侧道路上与地面动态目标最近的建筑物为b_a，高度为h_a，此时建筑物带来的遮挡范围w为：

同理，当

时，右侧建筑会给地面动态目标带来遮挡影响，此时右侧道路上与地面动态目标最近的建筑物为b_s，高度为h_s，此时建筑物带来的遮挡范围w为：

步骤3：计算建筑物对地面动态目标的遮挡范围；

(1)当无人机在道路左侧时，道路左侧的建筑物给地面动态目标车辆带来遮挡，此时地面动态目标车辆到道路左侧的距离为：

由此可以得到道路左侧的建筑物给地面动态目标车辆带来的遮挡范围w₀为：

(2)当无人机在道路右侧时，道路右侧的建筑物给地面动态目标车辆带来遮挡，此时地面动态目标车辆到道路右侧的距离为：

由此可以得到道路右侧的建筑物给地面动态目标车辆带来的遮挡范围w₀为：

步骤四：收集数据，对分布函数进行拟合优度检验，选出无人机对地面动态目标识别与跟踪影响因素参数的最优分布；

步骤1：收集无人机在执行目标识别与跟踪任务中的数据，对数据进行处理与分析，得到各参数可能服从的分布类型；

(1)基于无人车对地面动态目标识别与跟踪场景，收集无人机在飞行场景中的可靠性影响因素的数据{X₁,X₂,X₃…,X_n}；

(2)对收集到的无人机在真实场景中的数据进行筛选处理，剔除噪声数据，取无人机可靠性影响参数数据的最小值与最大值[X_min,X_max]作为该参数的取值参考范围，并将数据有小到大排序，利用经验公式t＝1+3.3lgn(n为数据个数，t向上取整)将数据分为t组，在根据公式Δx＝(X_max-X_min)/t确定组距，计算出在各组(x₁,x₂,…,x_t)的频率:

(3)根据所得数据，绘制无人机各可靠性参数的分布图，将分布拟合得到分布函数，与理论分布函数进行比较，得到参数的可能的分布；

步骤2：用卡方分布拟合优度检验对无人机可靠性影响参数中的离散分布参数进行检验，选出最优的分布类型；在步骤1中，得到的无人机对地面动态目标识别与跟踪场景中的可用数据为{x₁,x₂,x₃,…,x_t}，在可能的分布模型中，其测值为：

其中，x_i'为可能的分布模型中与x_i对应位置的值，对于给定的显著性水平α＝0.05，可以得到临界值当的观测值小于或等于临界值则可认为该影响参数服从该分布；

步骤3：用基于灰色理论的灰色关联法对无人机可靠性影响参数中的连续分布参数进行检验，选出最优的分布类型；

记无人机对地面动态目标识别与跟踪场景中的可用数据为参考序列x₍₀₎：{x₁,x₂,x₃,…,x_t}；同时可以通过计算得到在分布类型1中与参考序列对应位置的频率，得到比较序列x₍₁₎；同样的，可以得到比较序列x₍₂₎,x₍₃₎,…,x_(j)；根据灰色理论分析法，可以计算出无人机可靠性影响参数各分布类型的关联系数：

因此可以计算得到关联度为：

最后选出关联系数最大的比较序列，得到无人机可靠性影响参数的最优分布；

步骤五：进行重要度抽样，生成无人机目标识别与跟踪测试环境，确定测试用例；

(1)通过步骤四得到无人机各个可靠性影响参数的概率密度函数f₁(x),f₂(x),…,f_n(x)，使用交叉熵寻优的方法，确定无人机各个影响参数的重要抽样概率密度函数以及权重

(2)从无人机各个独立的可靠性影响参数重要抽样概率密度函数中分别抽样，获取n组参数集合{α,β,c,d,…}，生成n组无人机对地面动态目标识别与跟踪的测试环境；

(3)将无人机置于测试场景中进行测试，设定测试时间，记录无人机在测试过程中成功识别并跟踪地面动态目标时间。