本技术公开了基于最小角距和的位置未知条件下角度量测数据关联方法,包括:输入所有光学传感器的角度量测;基于各光学传感器的角度量测,计算任意两光学传感器的角度量测之间的角距;以寻找关联关系对应的最小角距和为目标,构建关联关系目标函数;求解所述目标函数,获得最佳关联结果。本发明计算过程不涉及光学传感器自身位置信息,因而摆脱了经典方法对光学传感器自身位置信息的依赖,适用于无人机蜂群对抗等基于低成本移动平台的多对多作战场景,避免了电磁干扰环境下平台导航定位功能失效或精度不足带来的数据关联算法性能下降问题。数据关联的结果可以为目标分配和协同打击提供信息支撑。
背景技术
利用多平台协同防御无人机蜂群、弹头群等目标群可以有效提升拦截效率。数据关联技术可以确定不同平台目标数据之间的对应关系,为目标分配和协同打击奠定基础。综合考虑精度、体积、重量、成本、功耗等因素,许多平台都会选择光学传感器(红外或是可见光)进行目标探测。由于目标体积小、距离远,它们在光学传感器成像平面上往往只有几个像素(即点目标),加之蜂群或是多弹头目标往往具有相同的外观,很难通过颜色、形状、纹理等特征进行关联,角度量测成为目标数据关联的重要途径。研究人员通常根据视线之间的距离来判断角度量测之间的相关性。所谓的视线是指,从光学传感器位置出发,由目标角度量测方向确定的一条射线。在没有量测误差的理想条件下,对应同一目标的视线相交于目标所在位置,它们之间的距离为零。因此,视线之间的距离越近,它们对应同一目标的可能性越大。计算目标视线需要传感器位置坐标精确已知,目标的空间密度越大,对传感器自身位置精度的要求越高。对于移动平台,通常利用卫星导航或是惯性导航系统确定自身位置坐标。卫星信号有可能被干扰或者阻止,惯性导航定位误差随着时间累积越来越大,往往难以满足视线相交所需的精度要求。若能在传感器位置未知的条件下,仍然能够确定目标数据之间的关联关系,则不仅可以避免导航定位系统受到干扰或引入测量误差等问题,又能节省高精度定位系统带来的高昂成本。
对于传感器位置未知条件下的多传感器多目标数据关联问题,研究人员通常依靠目标数据之间的相互拓扑关系进行数据关联,提出了基于参考模式(Reference pattern,REP)的数据关联算法。所谓的参考模式是指,对于一个给定的目标位置,其与邻近目标位置之间蕴含的拓扑结构。这类方法的问题在于,它们均假设传感器能够得到完整的目标位置信息(例如笛卡尔坐标系下的x-y-z坐标,或是极坐标系下的距离、角度信息),本质上是求解点集之间的相关性问题。然而本发明要求解的是角度(视线)之间的相关性问题,是通过二维量测推断三维目标之间的关联关系,是用低维信息推断高维状态,难度更大。
实现思路