无人机视觉地理定位研究综述

近年来,无人机在控制稳定性、传感器精度和载荷智能化等方面进步显著,被普遍应用于情报侦察、打击引导、安防巡逻、应急救援、森林巡检等军事和民用领域。无人机及其载荷主要承担发现和定位目标的任务,利用相机对地面目标地理定位(简称对地视觉定位)是最为普及的低成本手段,属于航空摄影测量技术分支。基于深度学习的计算机视觉浪潮促进了各类无人系统视觉感知能力的智能化发展,对于搭载光电载荷的无人机而言,对地目标智能识别和定位是重要的能力增长点。鉴于此,系统总结了无人机对地视觉定位技术的研究现状,全面细致地探究了定位过程涉及的各类坐标系定义与相互转换关系,指出了关键原理问题和技术途径。无人机视觉地理定位可分为单机定位和多机协同定位两种方式,主要通过基于辅助地理信息的定位、已知目标距离的定位、三角定位和纯角度滤波定位四种途径实现。同时,预测了未来无人机视觉地理定位技术的研究趋势,力求为无人机系统智能化发展提供支撑。     

基于轨迹特性的中段目标识别方法

针对中段弹道目标群运动时的真假目标识别问题,提出一种基于轨迹特性的弹道目标识别方法。该方法通过雷达观测数据还原出弹道目标运动轨迹,根据轨迹交点个数判断诱饵是单次还是多次释放模式,分别提出基于弹道参数和权值交点的识别途径,结合雷达观测弹道目标数目,归纳了基于轨迹特性中段弹道目标综合识别策略。仿真实验表明该方法的正确性并分析了雷达测量误差及布站位置等因素对识别结果的影响。     

基于雷达相位测距的微动特征获取

针对微动目标的雷达回波特征信号一般较小难以提取的特点,提出了一种基于雷达相位测距的微动特征获取方法。相参雷达工作在宽窄交替模式下,宽带信号形式为线性调频（Linear Frequency Modulation,简称LFM）。首先,通过窄带相位测距（游标测距）测量目标质心的平动轨迹;其次,通过宽带相位测距测量目标上各个散射中心的运动轨迹;最后,从散射中心运动轨迹中除去质心平动轨迹,获得散射中心相对于质心的微动轨迹。相位测距精度极高,已知微动模型,可以估计微动参数,获取微动特征。仿真结果表明,该方法可以有效获取目标的微动特征。