复杂背景下有人-无人机协同目标探测的关键问题研究

Unmanned Aerial Vehicles (UAVs) with limited autonomy need to involve manned aircrafts for command on cooperative tasks performance, which will be a long-standing issue. In the cooperative target perception of a manned-unmanned aircraft system, multi-sensors of heterogeneous platforms are used to realize the optimal target observation and recognition. It is of great significance in both military (target strike) and civil (search and rescue) applications. This project will focus on a cooperative system comprised of a single manned vehicle and multi-UAVs equipped with heterogeneous sensors (EO/IR, laser, etc.), and study the key problems in cooperative target perception in complex background. We will first propose a spatial topology configuration optimization method for cooperative target observation that can reduce the uncertainty in target observation and obtain optimal target observation image/data; then a new algorithm for extracting salient regions from airborne images in an air-to-ground condition will be used to achieve preliminary target region screening and satisfy distributed real-time processing and dissemination of effective information; and finally a method of conditional random field for a part-driven model will be applied in order to implement adaptive target expression and robust matching, enhance the correctness of target category recognition and serve the final target conformation by the pilot of the manned vehicle. Great efforts will be made so as to solve the problems arising from cooperative perception for typical target under varying imaging conditions or target states, and to help enhance the autonomous cooperative capabilities of heterogeneous UAV systems.

由于自主水平限制，无人机在相当长一段时间内需要在有人机指挥下协同完成使命任务。有人-无人机协同目标探测是利用异构平台多传感器实现对目标的最优观测与识别，在军事上（目标打击）和民用上（搜索营救）都具有重要的应用价值。本项目针对有人机与多无人机携带异质传感器（光电/红外、激光等）构成的协同系统，研究解决复杂背景下目标协同探测的关键问题。首先提出多机对目标协同观测空间拓扑构型优化方法，减小目标观测不确定性，获取目标最优观测图像/数据；然后提出空对地条件下机载图像显著性区域提取新算法，实现目标区域初步筛选，满足分布式条件下有效信息的实时处理与分发要求；最后提出部件模型驱动的条件随机场方法，实现目标自适应表达与鲁棒匹配，提高目标类识别的准确性，服务于有人机飞行员最终目标确认。本项目力争为解决成像条件和目标状态变化等情况下典型目标协同探测问题提供手段，对提升异构无人机系统自主协同能力具有较大推动作用。

项目围绕复杂背景下有人-无人机协同目标探测的关键问题开展研究，在目标的最优协同观测、目标区域快速提取和目标自主识别等方面取得了重要研究进展，圆满完成了研究任务，为提高有人-无人机系统的协同感知能力、降低通信数据量和减轻飞行员辨识负担，奠定了技术基础。取得的主要成果包括：(1) 提出了非凸环境下基于覆盖控制的多无人机协同搜索方法，能够在有限感知和通信能力条件下，控制多无人机找到分布在给定区域的未知目标，同时最小化期望搜索时间，并实现避障； (2) 建立了多机协同探测空间拓扑构型优化问题模型，并针对复杂条件下多机多目标Standoff跟踪，设计了基于层次聚类的目标分组方法，设计了考虑目标观测误差椭圆的IMM_UKF滤波算法，提出了一种基于Lyapunov导航向量场的多无人机协同跟踪多目标运动导引方法，在某重点项目飞行试验中验证了该方法可有效实现障碍环境下地面目标群的跟踪，具有收敛速度快，稳定性高等特点。(3) 针对空对地目标检测需求，设计了一种多类大小显著物体的提取算法Renyi-SSS，以及一种基于频域分析的通道融合显著性检测算法CSIG，提出了显著性检测与物体性检测结合的多目标检测算法，有效提高多个目标检测的准确度和实时性；(4) 针对空中目标检测需求，提出了基于深度学习的复杂空中目标显著性检测方法，在检测过程中引入关于目标的先验知识，从而准确且鲁棒地检测出空中环境下的运动目标；(5) 利用目标图像中多层次的上下文信息，提出了基于条件随机场的无人机图像典型目标类检测方法，具有较高的检测精度。(6) 结合有人-无人机协同的特点，基于人-机协作感知四个等级，提出了非结构环境下人机协作多目标检测方法，在侦察任务中实现更优的目标检测效果。项目组共发表专著/译著2本；发表学术论文27篇，其中6篇进入SCI检索，18篇进入EI检索；发明专利5项（授权4项），软件著作权2项，培养博士3人（毕业2人），硕士4人，获得部委级科技奖1项，研究生教育成果奖1项。