一种群目标位置结构特征检测及提取方法

摘要

本发明公开了一种群目标位置结构特征检测及提取方法，属于多飞行器协同作战技术领域；通过构造虚拟特征点作为群目标的位置结构特征，表征群目标中各目标的位置基准，为无数据链通信条件下多飞行器攻击多目标协同作战场景中，多飞行器确定相同的目标区域提供了可靠基础；构造虚拟特征点时，考虑群目标分布的均匀程度，增强虚拟特征点与群目标的关联性，提高后续目标区分、定位、分配的可靠性。构造虚拟特征点之前，先构造实物特征点，当实物特征点无法使用时，再构造虚拟特征点可以保证作战任务顺利进行。上述方法能够应对实际环境下不同的战场目标分布情况，对群目标进行有效的区分，有利于降低多飞行器重复攻击同一目标的概率，具有较好的效费比。

权利要求

1.一种群目标位置结构特征检测及提取方法，其特征在于，通过位置结构特征表征群目标中各目标的位置基准，在无数据链通信条件下多飞行器攻击多目标协同作战场景中，不同的攻击飞行器根据所述位置基准确定的目标区域包含的目标集合相同，具体包括以下步骤：步骤一、根据群目标的位置信息，在群目标所在区域的外围，释放多个人工信标，通过图像检测手段识别到人工信标后，对人工信标的位置信息进行统计运算，得到实物特征点；

步骤二、判断步骤一中所得的实物特征点是否能够使用，若能够使用，直接通过实物特征点提取群目标的位置结构特征；若不能使用，则进入步骤三；

步骤三、在给定的群目标的区域内建立栅格地图，计算群目标中各个目标对每个栅格的影响并累加到每个栅格，每个栅格影响值的空间分布构成群目标的分布特性曲面；

步骤四、根据步骤三中所得的群目标的分布特性曲面的均匀程度确定虚拟特征点，利用所得的虚拟特征点提取所述群目标的位置结构特征：若群目标分布特性曲面均匀，则以所有识别到的目标的平均位置作为虚拟特征点；若群目标分布特性曲面不均匀，则以影响值最小的栅格位置作为虚拟特征点。

2.根据权利要求1所述的一种群目标位置结构特征检测及提取方法，其特征在于，所述步骤一中提到的在群目标所在区域的周围，释放多个人工信标，具体为：在群目标区域外部的5～100米范围内释放多个人工信标。

3.根据权利要求1所述的一种群目标位置结构特征检测及提取方法，其特征在于，所述步骤一中提到的对人工信标的位置信息进行统计运算，得到实物特征点，具体为：对多个所述人工信标的位置信息坐标求取均值，作为实物特征点的坐标。

4.根据权利要求1所述的一种群目标位置结构特征检测及提取方法，其特征在于，所述人工信标为发光物或者具有一定形状或者颜色的物体；所述发光物所发出的光信号包括可见光、红外线、紫外线；

所述人工信标由运载飞行器投放，一个运载飞行器中包含多个人工信标；

所述人工信标的投放位置需要满足能够被检测设备识别并且不能对目标识别造成干扰；多个所述人工信标之间的间隔根据检测设备与群目标的距离以及检测设备的参数确定，间隔的最大值需要保证图像范围内能够识别到所有人工信标，间隔的最小值为所述人工信标直径的6 10倍。

~

5.根据权利要求1所述的一种群目标位置结构特征检测及提取方法，其特征在于，所述步骤三中提到的格栅影响值的计算方式为：通过建立各目标对栅格影响的二维高斯函数，计算得到各目标对每个栅格的影响值，其计算公式为：其中，g(u, v)为目标对图像坐标为(u, v)的栅格的影响值，i为目标个数，i=1，……，k，k为正整数，表示目标总数；u=1，……，m，表示栅格的行数，m为正整数；v=1，……，n，表示栅格的列数，n为正整数；(ui，vi)表示第i个目标所在的栅格的图像坐标；σu表示根据目标之间行间距设置的方差变量；σv表示根据目标之间列间距设置的方差变量。

6.根据权利要求1所述的一种群目标位置结构特征检测及提取方法，其特征在于，所述步骤四中提到的分布特性曲面的均匀程度，其具体判断方式为：根据分布特性曲面的方差

2 2

σ和曲面峰值M，判断群目标分布特性曲面是否均匀，即若曲面峰M与方差σ的比值小于实际设定的分布特性曲面的阈值T，则认为群目标分布特性曲面均匀；否则，认为不均匀。

说明书

一种群目标位置结构特征检测及提取方法

技术领域

[0001] 本发明涉及多飞行器协同作战技术领域，尤其涉及一种群目标位置结构特征检测及提取方法。

背景技术

[0002] 在多飞行器对多个目标进行协同攻击的作战任务中，会面临目标数量大且聚集的问题（称为群目标）。大部分情况下，群目标数量有限，其位置范围在摄像机视场中具有确定的边界，当多飞行器均完整识别到所有群目标及其边界范围时，采取适当算法可以实现对其中每个目标的区分，进而完成多飞行器与多目标的一对一分配。

[0003] 但有的情况下，目标间距比较均匀，并且群目标的位置范围无界的情况下（例如，从每个飞行器的视角下看，群目标均从视场左边缘横贯到右边缘），如图1所示。这时，多飞行器各自的视场内看到的群目标，均为某个目标群体中的一个局部，且无明显差异，这就很难对群目标中的每个目标进行区分，也就无法为多飞行器进行一对一目标分配。

[0004] 在上述不利条件下，多飞行器对群目标攻击时，需要具备一个有效的目标区分技术，可以最大限度地实现目标的区分，尽可能地将每个目标唯一分配给不同的飞行器，尽量降低多飞行器攻击同一目标的概率，以获得较好的费效比。因此就需要采用合适的技术提取群目标的空间分布特性，使得每个飞行器都能够根据各自的视场内的群目标计算出唯一的基准点，且各飞行器的基准点在空间上为同一点（误差控制在合理范围内）。

[0005] 目前，国内外针对点群目标空间分布特性的研究，主要集中在地图和地理信息系统领域，目的是研究城镇、企业、经济作物等目标的分布疏密度，指标也偏重于群目标的整体特征。例如，崔世林等人的一种地图点群空间分布特性的局部分维分析方法，使用分形技术用滑动窗口分析地图中点群目标空间分布中的局部特性差异，在一定程度上定量地标识出不同因素相互影响下目标在形态和分布上表现出的不均匀现象；龙毅等人的地图目标局部分形描述的元分维模型的实现中，采用点群的元分维模型方法分析城镇体系的空间结构；Batty M, Longley P, Fotheringham S.Urban growth and form: scaling, fractal geometry, and diffusion‑limited aggregation[J]. Environment and PlanningA, 1989, volume 21: 1447‑1472.中，采用周长‑尺度关系和面积‑周长关系计算的城市形态分维；陈彦光等人的基于三角点阵模型的自组织城市网络探讨，使用自组织网络构造城市两两之间的空间关联函数分析城镇直接的关联；张昌芳等人的基于空间分布特征的阵群目标数据关联算法，采用近邻点集法识别具有不同队形的群目标；Li Bonan, Fonseca F. TDD:A Comprehensive Model for Qualitative Spatial Similarity Assessment[J].Spatial Cognition & Computation, 2006, 6(1):31‑62中，利用空间拓扑关系、方向关系和距离关系的优先等级，提出了TDD ( topology‑direction‑distance ) 模型分析空间目标的相似性；郝燕玲，唐文静，赵玉新，李宁；基于空间相似性的面实体匹配算法研究[J]；
测绘学报，2008(04)：501‑506中提出了一种形状描述函数来计算面目标之间的形状相似度。

[0006] 上述的相关研究方法采用了分形、拓扑网络、几何学等不同方法，分析点群的整体特性和不同点群之间的相似性，但不能区分单个点群中的不同目标。因此，需要提出一种较为简单和可行的方法，来解决在点群中提取唯一基准点的问题。

发明内容

[0007] 本发明的目的在于提供一种能够应对实际环境下不同的战场目标分布情况，对群目标进行有效的区分，有利于降低多飞行器重复攻击同一目标的概率，具有较好的效费比的群目标位置结构特征检测及提取方法。

[0008] 为了实现上述目的，本发明采用了如下技术方案：

[0009] 一种群目标位置结构特征检测及提取方法，通过位置结构特征表征群目标中各目标的位置基准，在无数据链通信条件下多飞行器攻击多目标协同作战场景中，不同的攻击飞行器根据所述位置基准确定的目标区域包含的目标集合相同，具体包括以下步骤：

[0010] 步骤一、根据群目标的位置信息，在群目标所在区域的外围，释放多个人工信标，通过图像检测手段识别到人工信标后，对人工信标的位置信息进行统计运算，得到实物特征点；

[0011] 步骤二、判断步骤一中所得的实物特征点是否能够使用，若能够使用，直接通过实物特征点提取群目标的位置结构特征；若不能使用，则进入步骤三；

[0012] 步骤三、在给定的群目标的区域内建立栅格地图，计算群目标中各个目标对每个栅格的影响并累加到每个栅格，每个栅格影响值的空间分布构成群目标的分布特性曲面；

[0013] 步骤四、根据步骤三中所得的群目标的分布特性曲面的均匀程度确定虚拟特征点，利用所得的虚拟特征点提取所述群目标的位置结构特征：若群目标分布特性曲面均匀，则以所有识别到的目标的平均位置作为虚拟特征点；若群目标分布特性曲面不均匀，则以影响值最小的栅格位置作为虚拟特征点。

[0014] 优选地，所述步骤一中提到的在群目标所在区域的周围，释放多个人工信标，具体为：在群目标区域外部的5～100米范围内释放多个人工信标。

[0015] 优选地，所述步骤一中提到的对人工信标的位置信息进行统计运算，得到实物特征点，具体为：对多个所述人工信标的位置信息坐标求取均值，作为实物特征点的坐标。

[0016] 优选地，所述人工信标为发光物或者具有一定形状或者颜色的物体；所述发光物所发出的光信号包括可见光、红外线、紫外线；

[0017] 所述人工信标由运载飞行器投放，一个运载飞行器中包含多个人工信标；

[0018] 所述人工信标的投放位置需要满足能够被检测设备识别并且不能对目标识别造成干扰；多个所述人工信标之间的间隔根据检测设备与群目标的距离以及检测设备的参数确定，间隔的最大值需要保证图像范围内能够识别到所有人工信标，间隔的最小值为所述人工信标直径的6 10倍。~

[0019] 优选地，所述步骤三中提到的格栅影响值的计算方式为：通过建立各目标对栅格影响的二维高斯函数，计算得到各目标对每个栅格的影响值，其计算公式为：

[0020]

[0021] 其中，g(u, v)为目标对图像坐标为(u, v)的栅格的影响值，i为目标个数，i=1，……，k，k为正整数，表示目标总数；u=1，……，m，表示栅格的行数，m为正整数；v=1，……，n，表示栅格的列数，n为正整数；(ui，vi)表示第i个目标所在的栅格的图像坐标；σu表示根据目标之间行间距设置的方差变量；σv表示根据目标之间列间距设置的方差变量。

[0022] 优选地，所述步骤四中提到的分布特性曲面的均匀程度，其具体判断方式为：根据2
分布特性曲面的方差σ和曲面峰值M，判断群目标分布特性曲面是否均匀，即若曲面峰值M
2
与方差σ的比值小于实际设定的分布特性曲面的阈值T，则认为群目标分布特性曲面均匀；
否则，认为不均匀。

[0023] 与现有技术相比，本发明提供了一种群目标位置结构特征检测及提取方法，具备以下有益效果：

[0024] （1）本发明通过构造虚拟特征点作为群目标的位置结构特征，表征群目标中各目标的位置基准，各飞行器根据位置基准确定的目标区域包含的目标集合相同，为无数据链通信条件下多飞行器攻击多目标协同作战场景中多飞行器对多个目标的区分提供了可靠基础；构造虚拟特征点时，考虑群目标分布的均匀程度，可以增强构造出的虚拟特征点与群目标的关联性，为后续的目标区分、定位、分配提供更好的可靠性。

[0025] （2）构造虚拟特征点之前，先构造实物特征点，实物特征点表征位置基准的准确度和可靠性更高。当实物特征点因为浸水、烟雾等无法使用时，再设置虚拟特征点可以继续保证群目标进行有效区分，可以保证作战任务顺利进行。

[0026] （3）一枚运载飞行器包含多个人工信标，可以防止单一信标投放无效的情况，同时信标可以是发光物或者其它物体，可以保证不同的作战需求，增加构建人工信标方法的普适性。

[0027] （4）人工信标的投放位置可以在目标区域周围的5米至100米的范围内，防止运载飞行器产生的烟雾会对目标设别造成影响，同时也防止人工信标投放太远而超出检测范围的情况出现；设置人工信标的间隔最小为人工信标直径的6 10倍，可以避免成像噪声影响~后续计算过程。

附图说明

[0028] 图1为本发明中多飞行器多目标时视场内的目标混淆状况示意图；

[0029] 图2为本发明实施例1中人工信标投放示意图；

[0030] 图3为本发明实施例1中格栅地图与目标分布示意图；

[0031] 图4为本发明实施例1中目标均匀分布示意图；

[0032] 图5为本发明实施例1中目标不均匀分布示意图。

具体实施方式

[0033] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

[0034] 本发明提供了一种群目标位置结构特征提取方法，通过构造虚拟特征点作为群目标的位置结构特征，表征群目标中各目标的位置基准，各飞行器根据位置基准确定相同的目标区域，为无数据链通信条件下多飞行器攻击多目标协同作战场景中多飞行器对多个目标的区分提供了可靠基础；构造虚拟特征点时，考虑群目标分布的均匀程度，增强虚拟特征点与群目标的关联性。构造虚拟特征点之前，先通过投放人工信标的方式构造实物特征点，若人工信标因为浸水、烟雾等复杂环境而无法使用时，再构造虚拟特征点，从而可以使得提取的群目标的位置结构特征准确性和适用性更高。构造完实物特征点或者虚拟特征点，便可以结合群目标的位置信息，实现多飞行器对多个目标的区分，进而对后续作战中，多飞行器的目标分配提供可靠依据，保证不同战场情况下，作战任务顺利进行。

[0035] 传统的多飞行器协同攻击作战方式，往往依赖通信条件，在没有通信条件或者攻击过程中发送信号的领飞行器失效故障的情况下，作战就无法有效进行。因此本发明提出在无数据链通信的条件下，构造实物特征点或者虚拟特征点的方式，以特征点作为参考，通过建立坐标系或者其它的方式，获得表征群目标位置结构特征的位置信息，进而实现多飞行器对群目标的有效区分。其中，构造的实物特征点或者虚拟特征点只有一个，多飞行器以这一个点为参考，这样可以保证多飞行器获得的各目标的位置信息是唯一且相同的，这样才能进行不会重复和遗漏的有效攻击。

[0036] 下面结合附图并举实施例，对本发明进行详细描述。

[0037] 实施例1：

[0038] 为了实现多飞行器对多个目标的高效区分，需要在战场中构造或提取可靠的特征点，进而以该特征点为基准点，实现对群目标的可靠区分。

[0039] 鉴于战场情况较为复杂，单一基准点构造策略无法保证任务的顺利完成。针对多飞行器攻击群目标的应用场景，为了提高战场群目标区分的可靠性，本专利采用实物特征点和虚拟特征点两种构造方式，利用群目标的位置信息，在群目标所在区域内提取出若干个特征点来构造基准点。即本发明通过构造实物特征点或者虚拟特征点作为提取的群目标的位置结构特征，群目标的位置结构特征表征群目标中各目标的位置基准，用于在无数据链通信条件下多飞行器攻击多目标协同作战场景中多飞行器对多个目标的区分。

[0040] 构造实物特征点：根据群目标的位置信息，在群目标所在区域的周围，释放多个人工信标，检测设备如摄像机等检测到人工信标后将其位置信息转化为实物特征点。在具体实施过程中，一般将人工信标释放在群目标所在区域周围，防止运载飞行器产生的烟雾会对目标设别造成影响。人工信标的投放位置不能太近，也不能太远，太近释放的烟雾或者发光会影响对目标的识别，太远超出识别范围则成为了无效投放。经过多次试验，确定人工信标的最佳投放范围为群目标区域周围的5米到100米的范围内，这只是本发明提供的最佳范围，实际投放的过程中，并不限制于这个范围，可以根据情况选择不同的投放位置和投放范围。

[0041] 当条件允许时，在群目标所在区域外的合适位置，人工释放若干个信标，信标可以是发光物如曳光飞行器等，也可以是具有一定形状或颜色的物体。摄像机检测到人工信标后，将其转换为基准点，再利用群目标和基准点在图像中的坐标，建立直角坐标系，从而对群目标进行编号，实现区分的目的。

[0042] 上述的“合适位置”，是指该位置需要满足若干条件：首先，投放到该位置时能够被探测设备识别到；其次，在该位置处信标不能对目标的识别造成干扰，可以投放在目标所在区域之外。需要说明的是，当信标为发光物时，其所发出的信号并不局限于可见光，也包括红外、紫外等各种可以被探测器检测到的信号。

[0043] 人工信标由运载飞行器投放，一个运载飞行器中包含多个人工信标。运载飞行器可采用短时大推力发动机，预先装订目标区域的中心坐标作为落地点，接近落地前根据测高引信给出投放指令，飞行器体中分离出若干个信标以一定间隔分布于目标区域，具体的投放位置一般为任务区域外的远端，以降低攻击目标过程中烟雾对其识别的影响。信标之间的间隔，需要根据摄像机与群目标的距离和摄像机参数（焦距、图像分辨率）综合确定，其最大间隔需保证能同时在图像中识别到所有信标，而最小间隔不少于信标直径的6 10倍，~以避免成像噪声对后续计算的影响。

[0044] 不同的检测设备如摄像机同时检测到若干个信标后，对多个人工信标的位置信息坐标求取均值，作为实物特征点的坐标，用公式表示为：

[0045]

[0046] 其中，K为信标的数量，(xh, yh)为第h个人工信标的图像坐标，h∈K,(x0, y0)为计算得到的实物特征点的坐标值。

[0047] 各检测设备如摄像机等，将该点作为共同的基准点，根据基准点的位置唯一确定其附近一定范围内的目标为各摄像机视野内的同一组目标，这样各攻击飞行器根据位置基准确定了相同的目标区域，就可以避免了各攻击飞行器识别目标时，因为没有基准，随机识别造成的目标区域范围的随机性，即各飞行器识别的目标区域既有重合的部分，又有单独的部分，区分和统计目标信息会造成混淆的现象，从而完成多飞行器对多个目标的高效区分。

[0048] 虚拟特征点的构造：在给定的群目标的区域内建立栅格地图，计算群目标中各个目标对每个栅格的影响并累加到每个栅格，每个栅格影响值的空间分布构成群目标的分布特性曲面，根据群目标分布特性曲面的均匀程度确定虚拟特征点。

[0049] 先构造实物特征点，若实物特征点无法使用，再构造虚拟特征点。当在某些战场环境中实物特征点无法使用时，可使用群目标中所有目标的位置数据，计算位置分布特性，从中提取目标分布的结构特征，得到一个虚拟特征点。

[0050] 使用虚拟特征点的方法为：在识别到的目标集合基础上，首先计算目标群的分布特性；其次，判断分布特性曲面是否均匀；如果均匀则选择群目标位置的平均值作为虚拟特征点，如果不均匀则使用特性曲面的最小值点作为基准点。当存在两个相差不大的局部最小值点时，采用这两点位置的平均值作为基准点。

[0051] （1）目标分布特性的计算

[0052] 为了判断目标位置的分布是否均匀，需要定义一个度量指标来定量地表示这种均匀程度。

[0053] 首先，在识别到的群目标的区域内建立栅格地图，如图3所示，五角星表示目标。栅格地图的作用，是建立一个“影响曲面”，定量地计算所有目标的综合影响。当未发现目标时，栅格地图中的每个栅格的值均为0，地图整体表现为一个平面，此时栅格地图是均匀的，没有栅格是特殊的。当发现目标后，设识别到k个目标，其中第i个目标在栅格地图中所在栅格的坐标为(ui, vi)，则在每个目标所在的栅格(ui, vi)处，建立一个“钟形”高斯二维曲面，该曲面在栅格(ui, vi)处为最大值，在其他栅格处的值较低，离栅格(ui, vi)越远衰减越大。因此，在栅格(ui, vi)处的这个钟形曲面就是目标i对整个栅格地图的影响。将所有k个目标的影响在栅格地图中进行叠加，就会形成一个影响曲面，体现了所有目标对整个栅格地图的综合影响。当目标分布较为均匀时，所有目标影响叠加后的最终影响曲面将是均匀的；而目标分布不均匀时，影响曲面将不具有均匀性，如出现较大的凹陷，有利于提取出特征点。

[0054] 设识别到的目标图像坐标分别为[xr, yr]，r=1,...,k，以像素为单位建立栅格地图，栅格地图的宽度W和高度H为:

[0055]

[0056] 对栅格地图中的每个目标，计算其在栅格地图中每个点(u, v)处的影响，并累加到每个栅格，通过建立各目标对栅格影响的二维高斯函数，计算得到各目标对每个栅格的影响值，具体为：

[0057]

[0058] 其中，g(u, v)为目标对图像坐标为(u, v)的栅格的影响值，i为目标个数，i=1，……，k，k为正整数，表示目标总数；u=1，……，m，表示栅格的行数，m为正整数；v=1，……，n，表示栅格的列数，n为正整数；(ui，vi)表示第i个目标所在的栅格的图像坐标；σu表示根据目标之间行间距设置的方差变量；σv表示根据目标之间列间距设置的方差变量。方差变量σu和σv的值较小时将产生较大的局部影响，反之则产生较小的局部影响。

[0059] 计算完毕后，栅格地图内每个栅格的值将代表各个目标对该栅格的综合影响，整2
体构成了一个特性曲面。进而，计算特性曲面的方差σ：

[0060]

[0061] 其中，g(u, v)为目标对图像坐标为(u, v)的栅格影响的值；u=1，……，m表示栅格的行数；v=1，……，n表示栅格的列数；μuv为每个栅格所受影响的均值，

[0062]

[0063] 使用曲面标准差σ和曲面峰峰值M，并根据不同的实际情况选择合适的阈值T，判断目标位置分布的结构均匀性unif是否为均匀。

[0064] 曲面峰值M：

[0065]

[0066] 其中， 为目标对图像坐标为(u, v)的栅格影响的最大值， 为目标对图像坐标为(u, v)的栅格影响的最小值。

[0067] 若曲面峰值M与方差σ2的比值，小于实际设定的分布特性曲面的阈值T，则认为群目标分布特性曲面均匀；否则，认为不均匀，用公式表示为：

[0068] 。

[0069] （2）计算基准点：若群目标分布特性曲面均匀，则以所有识别到的目标的平均位置作为虚拟特征点；若群目标分布特性曲面不均匀，则以影响值最小的栅格位置作为虚拟特征点。

[0070] 如果均匀度unif为真，则表示目标分布特性均匀，无法提取出有效的基准点，此时的目标分布例如图4所示。

[0071] 这时使用所有识别到的目标的平均位置作为基准点：

[0072]

[0073] 其中，K为检测到的目标数，(xh, yh)为第h个目标的图像坐标，h∈K，(x0, y0)为计算得到的虚拟特征点的坐标值。

[0074] 如果均匀度unif为假，则表示目标分布特性不均匀，此时的目标分布例如图5所示。

[0075] 这时，可以提取出特性曲面中最小值所在栅格的位置(u0, v0)，进而换算为图像中的坐标(x0, y0)，作为有效的基准点。当存在两个相差不大的局部最小值点时，采用这两点位置的平均值作为基准点。

[0076] 本发明提供了一种群目标位置结构特征提取方法，在点群目标中，通过人为基准点或虚拟特征点，对点群目标能够进行有效地区分。后续作战过程中，在有效区分的基础上，就可以对目标进行编号，并将其分配给不同的攻击飞行器，降低多飞行器重复攻击同一目标的概率，实现较好的费效比。后续作战过程中，通过构造的基准点，结合群目标位置信息可以采用建立坐标系的方式或者其它可以区分各目标位置信息的方式，进而计算得到各个目标在该坐标系中的坐标，就能通过一定的算法实现无通信协商条件下的目标分配，并能够应对实际环境下不同的战场目标分布情况。

[0077] 以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。