面向国家空域系统集成的无人机非合作感知关键技术研究

The number of UAS (Unmanned Aircraft System) has increased greatly in recent years, and integrating the UAS into the NAS (National Aerospace System) is imperative under such a circumstance. The roadmap of FAA (The Federal Aviation Administration) has explicitly proposed that the integration of UAS into NAS should be realized before 2025.The environment sense and avoid ability of UAS is a great challenge in this process, this project tends to carry out the research on the basic theory of non-cooperative sense technologies on the basis of onboard visual sensors. Firstly, the project explores the method for evaluating and increasing the quality of the visual information. Secondly, the project tends to carry out the research on the method for object detection and recognition on the basis of the visual information. Thirdly, the project builds a new framework of target long time tracking algorithm based on infrared images, guided by the idea of tracking-learning-detection and compressive tracking algorithms. Finally, on the basis of the target recognition and tracking, the project constructs threat evaluation model of the intruder, and realizes the object of threat degree evaluation. In sum, the research of this project expects to improve the level of the reliability of the sense and avoid system and the safety of the national aerospace system, and develop a new method of increasing the quality of the visual information, image-based saliency detection, target recognition and tracking, and threat degree evaluation in theory.

随着无人机应用的日益广泛，无人机系统集成到国家空域系统中已势在必行，美国联邦航空局的国家空域系统路线图已明确提出2025年前实现无人机系统集成的目标，而无人机的感知与规避能力是迫切需要解决的最具挑战性的关键技术。本项目针对无人机在国家空域系统集成中对感知与规避能力的需求，研究基于机载视觉传感器的无人机非合作感知技术的基础理论和方法。首先，针对感知的需求，研究视觉信息的评价与增强机制；其次，基于增强的视觉信息，研究入侵目标的检测与识别方法；随后，根据识别结果，结合跟踪-学习-检测算法和压缩跟踪算法思想，研究入侵目标的持久跟踪方法；最后，以目标识别与跟踪的结果为基础，构建入侵目标的威胁度评估模型，实现对入侵目标威胁度的评估。本项研究可望在理论上对视觉信息评价与增强，目标检测与识别，目标持久跟踪以及目标威胁度评估方法和理论作进一步的探索，在应用上推动无人机感知与规避技术的发展及系统的实现。

本项目以国家空域集成的重大战略需求为牵引，在充分考虑低空空域环境与小型无人机自身特点的基础上，研究基于单目视觉的低空小型无人机空域冲突非合作感知关键技术。首先，提出了基于多源图像融合的低照度视觉信息预处理算法，采用多层卷积稀疏表示理论揭示了卷积稀疏响应与图像的全局映射关系，克服了稀疏表示的局部建模方式易于导致语义信息损失和低误匹配容忍度的先天不足，大幅提升了视觉感知在低照度条件下的可用性；其次，提出了空时域上下文信息融合的空域入侵目标视觉检测算法，基于空域入侵目标在张量空间不同维度上的耦合特点，分别采用稀疏表示与条件随机场联合建模、前后向运动历史图提取入侵目标的空、时域上下文信息，基于矩阵哈达玛积完成空时域上下文信息融合，实现了避障任务驱动下三维运动环境中具有外观差异的目标视觉检测，检测精度优于同类算法；再次，提出了粒子滤波框架下基于局部约束线性编码的入侵目标视觉跟踪算法，采用基于频域残差的显著性分析方法获取当前帧的粒子的视觉显著度，通过当前帧与上一帧的粒子显著度残差剔除冗余粒子，基于局部约束线性编码在线求取粒子观测向量的解析解，消除了空域入侵目标视觉跟踪的低类内差异、高类间相似、短时遮挡与消失等影响；然后，提出了单目视觉感知模式下基于局部测角与距离信息相结合的避障路径规划算法，依据SOM矩阵的满秩条件证明了距离信息缺失时单目视觉感知障碍物位置的可观测性，据此构建了基于相对方位角变化率的避障规则，采用二次贝塞尔曲线将避障路径规划转换为时间最小、能耗最低、航程最短等目标下的优化问题，克服了避障路径规划算法对全局距离信息的依赖；最后，搭建了基于虚拟摄像头和局域网的分布式数字仿真系统，以Flightgear作为主要的视景模拟手段，获取无人机飞行过程中采集的视觉信息，提升了数字仿真的真实性和展示度。