一种基于无人机群的环绕目标定位方法与流程

本发明涉及无人机目标定位领域，具体涉及一种基于无人机群的环绕目标定位方法。

背景技术：

无人机是近年来发展十分迅速的一项技术，已经在控制精度、带载能力、抗风能力、续航能力上都有了很大的进步。长航时高空无人机可在空中停留几天甚至几个月以获取目标区完整的信息。无人机具有受目标上空云雾的影响较小、可获取高分辨率的图像、较卫星应用灵活、成本低等优点，可以随时选定目标区域，能接近目标区域，提供更加精确的目标位置。

利用无人机进行目标定位在军事和民用方面均有广泛的应用。在民用方面，可以应用于地质勘测、海洋测绘、海上石油作业、飞机失事救援、消防灭火等方面。在军事方面，可以应用于导弹定位、海上军事演练等方面。

目前的目标定位算法多基于雷达或红外，大多需要俯仰角，方位角以及距离信息。在通过纯角度信息进行定位的算法中，侧向交叉定位是一种典型的方法，主要用于二维定位。在观测点分布在目标的同一侧时，侧向交叉定位的定位精度较好。但当观测点环绕目标时，该算法有可能遇到严重的病态问题，其定位精度也有提高空间。对目标进行环绕观测是基于无人机群对目标进行定位的常见形式，需要给出更为合适的定位方法。本次发明主要针对环绕观测环境，基于条件数扰动分析得到传统侧向定位方法出现病态问题的原因，并给出防止病态问题的方法，从而达到了对目标进行环绕定位的精度。

技术实现要素：

本发明的目的是提供一种基于无人机群的环绕目标定位算法，该算法可以实现三维空间的定位，提高基于角度传感器的定位精度，尤其是能够克服算法在特殊角度定位精度较差的缺点。

为了实现上述目的，本发明的技术实现方案如下：

有n(n≥2)架无人机对目标进行定位，每架无人机自带gps定位系统，可以较为精准的进行自定位，同时携带摄像头对目标进行拍摄，通过对拍摄图片的处理，每个摄像机都可以测得一个方位角和一个俯仰角，所以至少有两架无人机才可以对目标进行三维定位。

进一步的，假设第i架无人机得到的方位角和俯仰角信息为(αi,βi)，其中，方位角，俯仰角分别表示为：

进一步的，由于难以将x，y拆分，为了便于求解，将更改为那么俯仰角变为：

进一步的，根据方位角和俯仰角的定义(式(1)和(3))，可得：

-xtanαi+y＝yi-xitanαi(4)

ytanβi-zsinαi＝yitanβi-zisinαi(5)

进一步的，将上述式(4)和式(5)表示为矩阵形式：

进一步的，将式(6)扩展为i＝1,2…n，得到的矩阵方程符合hx＝z形式，可以利用最小二乘法求解落点位置x，从而得到落点位置坐标。

进一步的，当方位角和俯仰角位于特殊位置(90°)时，tan90°无穷大，导致利用最小二乘法得到的解在该位置误差较大，所以将tanα，tanβ分别改为重新代入到式(1)和式(3)，重新进行推导，可以得到新的h矩阵，在利用最小二乘法进行求解后，可大大提升其在特殊位置的定位精度。

本发明与现有技术相比的优点(有益效果)是：将测向定位交叉算法从两维平面扩展为三维，将交叉定位算法中的tan参数改为sin和cos参数。更改后，有效解决了以tan为参数的交叉定位算法中位于特殊位置时误差过大的问题，同时，当目标处于环绕区域内，较原有算法，本发明的算法精度更高。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为两架无人机定位示意图。

图2为相机针孔模型示意图。

图3为本目标定位方法的流程图。

图4为以tan参数的目标定位算法的仿真图。

图5为本发明提出的目标定位算法的仿真图。

具体实施方式

下面根据具体实施实例，并结合附图，进一步说明本发明，使本发明的实现步骤更加易于明白了解。

假设在三维空间中，有i(i＝1,2…n)架无人机对目标进行定位，坐标系为oxyz，目标c的坐标为(x,y,z)，各无人机的三维坐标为(xi,yi,zi)，本文定义方位角为无人机和目标连线在oxy平面的投影和x正半轴的夹角，俯仰角为无人机和目标连线和oxy平面的夹角。第i架无人机测得的方位角和俯仰角为(αi,βi)。为了便于理解原理，使用两架无人机a和b对目标c进行定位，如图1所示。

如图2所示，每架无人机对目标进行拍摄，从机载摄像机所拍摄的图像中，利用图像处理以及坐标转换，得到方位角和俯仰角(αi,βi)。

如图3所示流程，根据得到的俯仰角和方位角进行建模，进行目标定位。将俯仰角中的更改为并将式(6)中的i扩展为i＝1,2…n，得到的矩阵方程为：

令：

则式(7)可以表示为：

hx＝z(11)

考虑到h为奇异矩阵，为了提高定位精度，因此可利用最小二乘法求解落点位置坐标x，从而得到落点位置坐标：

x＝(h^th)^-1h^tz(12)

当h矩阵形式为式(7)所示形式，由于为无穷大这一特殊性，h矩阵中很多元素均由tan组成，那么在某些特殊位置(即方位角或俯仰角为)时，可能会造成该位置的求解精确度较差的问题，具体推导(为方便推导，取n为2)如下所示：

由式(7)的h矩阵可以得到：

可以看到，tanαi越大，或tanαi值大的观测数目越多，h^th中的前两行越相关，其最小特征值也越趋于0，意味着h的条件数越大，误差传播的上限也越大。所以，当α1,α2,β1,β2中有一个或多个越趋进时，该位置的误差会越大，即该位置的落点位置坐标精确度较低。

因此，本发明提出将tanα(tanβ)替换为形式，方位角和俯仰角的表示形式变为：

重新进行整理，得到矩阵方程如下所示：

新的h矩阵变为：

那么重新计算h^th(同样取n＝2)得到：

从式(18)可以看出，此方法可以有效防止式(13)出现的问题，说明采用此方法，可以有效提高无人机处于特殊位置时对目标的估计精度。

仿真实验过程和结果分析：

为更好的展示本发明的优点，在matlab平台上对本发明中提出的算法进行仿真。仿真实验环境设置为由6架无人机组成正六边形编队对航天测量船进行船姿估计，六边形平行于海平面，中心位于测量船惯导甲板坐标系原点的正上方。为了简化分析，我们假设无人机编队与测量船之间的相对位置关系不变，同时编队的所有无人机均可通过光电经纬仪观测到。综合考虑无人机观测、通信能力和安全性的需求，假设无人机编队与测量船相对位置固定，中心处于航天测量船正上方，每架无人机直线距离航天测量船1km，光电经纬仪对每个无人机的观测仰角为45°，无人机的定位精度为0.5m，测量的角度精度为1°。

由图4所示，500m是目标与六边形编队中两架无人机处于一条直线时的位置，可以看到500m处的误差突然变高，充分展示出原目标定位算法在特殊位置时误差较大的问题。从图5可以看出，本发明提出的基于无人机群的环绕目标定位方法有效的解决了上述问题，不管在特殊位置还是其他位置，误差都处于一个稳定的区间，同时通过对图4和图5的比较可以看出，原算法在非特殊位置的精度为40m左右，而本发明提出的算法的精度为25m左右。充分证明了本发明的优点，即不仅解决了特殊位置时误差变高的问题，同时提高了总体的目标定位精度。