采用改进Sage-Husa...滤波的运动目标三维定位方法_吴岸平.pdf

第 45 卷 第 2 期国防科技大学学报Vol 45 No 22023 年 4 月JOUNAL OF NATIONAL UNIVESITY OF DEFENSE TECHNOLOGYApr 2023doi:10 11887/j cn 202302017http:/journal nudt edu cn采用改进 Sage Husa 自适应滤波的运动目标三维定位方法*吴岸平1，2，鲁亚飞1，郭正1，侯中喜1(1 国防科技大学 空天科学学院，湖南 长沙410073;2 中国空气动力研究与发展中心 超高速空气动力研究所，四川 绵阳621000)摘要:提出不依赖于测距信息，利用两架基于视觉的无人机对运动目标进行三维交会定位的方法。采用多模型交互方法实现在不预知目标运动模式的条件下对运动目标的实时定位;采用改进的 Sage-Husa 自适应滤波算法，综合协方差匹配技术和正定性判断，提高了定位精度。为评估这些方法的性能，模拟真实观测条件进行仿真。结果表明，提出的方法可以实时对运动目标的三维坐标进行估计。改进的 Sage-Husa 自适应滤波算法可以显著提高定位精度，在 90观测夹角下，平均估计误差从 27.13 m 降低到 14.62 m。仿真研究了两无人机观测夹角对定位的影响，结果表明:过小的夹角不利于定位精度的提高;较大的夹角对无滤波定位方法有较好的效果，但对基于改进的 Sage-Husa 自适应滤波算法的定位方法影响并不明显。关键词:无人机;运动目标定位;三维交会模型;自适应滤波;多模型交互中图分类号:TN95文献标志码:A文章编号:1001 2486(2023)02 146 09Three dimensional localization for moving target usingmodified Sage Husa adaptive filterWU Anping1，2，LU Yafei1，GUO Zheng1，HOU Zhongxi1(1 Colloege of Aerospace Science and Engineering，National University of Defense Technology，Changsha 410073，China;2 Hypervelocity Aerodynamics Institute，China Aerodynamics esearch and Development Center，Mianyang 621000，China)Abstract:A three-dimensional intersection localization method for moving target using two vision-based UAVs(unmanned aerial vehicles)，which did not rely on the distance information from the target point to the UAV was proposed An interacting multiple model estimator was adoptedto the localization method to solve the problem of not knowing the motion form of the moving target A modified Sage-Husa adaptive filteringalgorithm that synthesized the covariance matching technique and the positive definiteness judgment was used to improve the accuracy oflocalization To assess the performance of these approaches，a set of simulations that carried out under realistic conditions were presented esultsshow that the method proposed can get the accurate three-dimensional coordinates of the target The modified Sage-Husa adaptive filtering algorithmcan improve the localization accuracy significantly，with the average estimation error reduced from 27.13 m to 14.62 m under the intersection angleof 90 The influence of the intersection angle on localization was studied in the simulation，which shows that too small intersection angle is notconductive to the improvement of localization accuracy，a larger intersection angle is good for the localization method without filtering，but the effecton the method with the modified Sage-Husa adaptive filtering algorithm is not significantKeywords:UAVs;moving target localization;three-dimensional intersection model;adaptive filter;interacting multiple model无人机以其成本低、隐蔽性好、零人员伤亡等优势，在军事和民用领域发挥着越来越重要的作用1 2。小型低成本无人机在自主监视、侦察、搜索和救援等领域具备很好的应用前景3 5。携载光电设备对目标进行侦察定位是目前无人机系统的主要应用之一6 9。传统的机载光电平台通过无人机搭载的激光测距仪和可见光相机，测量出无人机与目标点之间的距离、俯仰角和方位角，结合机载传感器获得的无人机位置和姿态信息，完成对目标的定位。该方法虽然可以实现对目标的精确定位，但激光测距仪在作用距离方面有一定限制，且这种方法所需的多功能光电吊舱质量体积较大、设备成本也相对较高 10 11。采用基于模型的滤波器进行滤波有利于提高定位精度，但是目标的运动模式往往事先难以预测 12。因此，在不搭载激光测距仪，无法获取目标距离信息、无法预知目*收稿日期:2021 05 31基金项目:国家自然科学基金资助项目(61801495);基础技术强化计划资助项目(2019JCJQJJ210)作者简介:吴岸平(1990)，男，湖南涟源人，博士研究生，E-mail:wuanpingtech163 com;鲁亚飞(通信作者)，男，河南汝州人，博士，副教授，硕士生导师，E-mail:luyafeichina163 com第 2 期吴岸平，等:采用改进 Sage Husa 自适应滤波的运动目标三维定位方法标运动模式的条件下，采用可见光相机结合自身传感器数据完成对地目标(尤其是运动目标)的实时定位是当前小型无人机亟待解决的实际问题。针对无人机对地目标定位问题，国内外开展了广泛的研究。Gaspar 等 13 利用配备了航姿参考系统(attitude and heading reference system，AHS)和GPS 的无人机建立了基于模型的海洋哺乳动物三维定位滤波器，当海洋哺乳动物在海面上移动时，目标高度为零，问题简化为二维定位问题。Zhang等 14 提出了一种在给定地面车辆尺寸(长度)的条件下基于无人机视觉的相对高度估计方法，这为小型无人机在目标定位、跟踪和地形探测任务中的应用提供了可能的改进或扩展空间。Monda 等 15 开发了扩 展 卡 尔 曼 滤 波(extended Kalman filter，EKF)和无迹卡尔曼滤波(unscented Kalman filter，UKF)算法来定位目标在河流环境下的惯性位置，这意味着目标的高度是一个已知的常数。贺若非等 16 提出了一种基于蒙特卡罗卡尔曼滤波的目标定位算法，该算法仅利用无人机的位置和激光测距仪的传感器信息。在文献 17 19 中，利用图像景深估计相机光轴到目标的距离，然后使用基于距离的方法完成目标定位。Bai 等 20 参考光电经纬仪交叉角定位方法，提出了一种改进的基于机载光电平台的双无人机交会定位系统，并详细研究了无人机与目标之间位置关系的影响，以获得理想的测量位置。鲁亚飞等 21 采用基于卡尔曼滤波的图像多帧配准对地面目标定位的方法，通过融合无人机获取的多帧目标图像，研究无人机对地目标高精度融合定位的方法。本文提出不依赖于目标点到无人机的距离信息，利用两架基于视觉的无人机对运动目标进行三维交会定位的方法。采用改进的 Sage-Husa 自适应滤波算法，综合协方差匹配技术和正定性判断，提高了定位精度。针对预先不清楚目标运动形式的问题，采用多模型交互(interacting multiple model，IMM)估计器进行定位。为了评估这些方法的性能，模拟实际观测条件进行仿真，分析该方法对定位精度的提升以及两无人机观测夹角对定位的影响。1问题陈述对地目标定位是指无人机结合对地目标的观测数据和自身传感器数据，求解目标的三维坐标。定位过程如图 1 所示，无人机检测到目标后，使用图像采集模块将目标锁定在摄像机视场中心并保持跟踪，无人机的姿态角(，)、小型云台的姿态角(，)、无人机质心位置 Px，Py，PzT均可通过机上传感器获取，目标的像素点位置(x，y)可通过图像识别获取，通过坐标转换关系可得对目标的观测视轴，多点观测即可完成对地目标定位。图 1对地目标定位示意Fig 1Schematic diagram of ground target localization定位过程涉及的坐标系包括相机坐标系(C)、云台坐标系(G)和北东地坐标系(N)。相机坐标系原点在相机的光学投影中心，XC轴在图像平面中指向前，YC轴在图像平面中指向右，ZC轴在图像平面中指向下。云台坐标系与通常所定义的机体坐标系平行，原点位于二维云台的旋转中心，不失一般性，认为云台坐标系原点与机体坐标系原点重合。其中，XG轴指向机头方向，YG轴垂直于机体对称面指向右，ZG轴指向下。北东地坐标系以飞机进入定位程序时刻质心位置为原点，XN轴指向北，YN轴指向东，ZN轴指向下。1 1单机目标定位模型单架无人机进行目标定位的核心是求解惯性坐标系下的视轴矢量，它可以通过坐标变换得到。从相机坐标系到云台坐标系的旋转矩阵 MC G可表示为:MC G=1000cossin0 sincoscos0 sin010sin0cos(1)从云台坐标系到北东地坐标系的旋转矩阵MG N可表示为:MG N=cossin0 sincos0001cos0 sin010sin0cos1000cossin0 sincos(2)741国 防 科 技 大 学 学 报第 45 卷惯性坐标系下的视轴矢量可由式(3)得到。LLOS=LxLyLz=MG NMC Gxyf(3)式中，f 为相机的焦距。获得惯性坐标系下的 LLOS向量后，若已知无人机到目标的距离，则可直接求解目标的三维坐标。但正如前面介绍部分所提到的，无人机到目标的距离较难获得。若目标静止不动，可以通过多点观测得到目标的一系列视轴矢量，再通过视轴交叉法得到目标的三维坐标。针对运动目标定位而言，就需要两架无人机来解决三维定位问题。1 2双机目标定