本發(fā)明涉及無人機(jī)，尤其涉及一種無人機(jī)集群運(yùn)動(dòng)目標(biāo)搜索方法和裝置。

背景技術(shù)：

1、隨著機(jī)器人平臺技術(shù)和傳感器技術(shù)研究的不斷發(fā)展，無人機(jī)在目標(biāo)搜索領(lǐng)域的作用越來越重要，尤其是帶有高分辨成像設(shè)備、圖像處理裝置等機(jī)載視覺系統(tǒng)的無人機(jī)應(yīng)用更廣。

2、目前無人機(jī)對目標(biāo)的搜索方法主要包括無人機(jī)的集群覆蓋方法和無人機(jī)的定向搜索方法。在目標(biāo)位置未知的情況下，一般采用目標(biāo)覆蓋的方法，來對目標(biāo)區(qū)域進(jìn)行一次或者多次的搜索，直到找到目標(biāo)位置。在目標(biāo)位置已知的情況下，一般采用目標(biāo)的定向搜索來完成，具體通過目標(biāo)的概率信息或者目標(biāo)的移動(dòng)信息來進(jìn)行搜索。

3、但實(shí)際的場景往往較為復(fù)雜，既需要考慮目標(biāo)初始位置已知的情況，同樣也需要考慮目標(biāo)位置未知的情況。集群覆蓋算法可以在大多數(shù)場景下運(yùn)行，但是當(dāng)目標(biāo)位置概率信息已知時(shí)，覆蓋類算法是無法使用該位置先驗(yàn)信息的，這樣，導(dǎo)致該種算法效率低效，無法滿足時(shí)間的要求。定向搜索類算法可以使用之前收集的先驗(yàn)信息進(jìn)行路徑規(guī)劃，以達(dá)到高效的搜索效率，但是當(dāng)該算法遇到目標(biāo)未知的情況時(shí)便會(huì)失效，無法搜索未知目標(biāo)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問題，為此，本發(fā)明第一方面提出一種無人機(jī)集群運(yùn)動(dòng)目標(biāo)搜索方法，所述方法包括：

2、當(dāng)m架無人機(jī)在搜索區(qū)域搜索n個(gè)目標(biāo)時(shí)，確定所述無人機(jī)所在柵格的概率期望值和新鮮度值，所述概率期望值表示所述柵格存在各個(gè)所述目標(biāo)的概率值，所述新鮮度值表征所述柵格被所述m架無人機(jī)訪問的狀態(tài)；m＜n；

3、根據(jù)所述概率期望值，確定所述柵格的局部概率期望矩陣和全局概率期望矩陣，并根據(jù)所述新鮮度值，確定所述柵格的局部新鮮度矩陣和全局新鮮度矩陣；

4、基于所述所述局部概率期望矩陣和所述全局概率期望矩陣，計(jì)算概率期望決策矩陣，并基于所述局部新鮮度矩陣和所述全局新鮮度矩陣，計(jì)算新鮮度決策矩陣；所述概率期望決策矩陣和所述新鮮度決策矩陣用于確定所述無人機(jī)下一步運(yùn)動(dòng)方向；

5、根據(jù)搜索參數(shù)、線性函數(shù)和隨機(jī)噪聲確定當(dāng)前的探索任務(wù)權(quán)重和搜索任務(wù)權(quán)重；

6、根據(jù)所述概率期望決策矩陣、所述新鮮度決策矩陣、所述探索任務(wù)權(quán)重和所述搜索任務(wù)權(quán)重，確定行動(dòng)決策矩陣；

7、根據(jù)所述行動(dòng)決策矩陣確定使所述新鮮度值最小、所述概率值最大的目標(biāo)柵格，并根據(jù)所述目標(biāo)柵格所在的位置確定所述無人機(jī)下一步的運(yùn)動(dòng)方向。

8、可選地，所述確定所述無人機(jī)所在柵格的概率期望值，包括：

9、基于各個(gè)所述目標(biāo)的估計(jì)位置，確定所述搜索區(qū)域內(nèi)的各個(gè)柵格存在各個(gè)所述目標(biāo)的概率值，得到由所述各個(gè)柵格的概率值組成的所述目標(biāo)的概率期望矩陣；

10、獲取預(yù)設(shè)的目標(biāo)價(jià)值矩陣，所述目標(biāo)價(jià)值矩陣中的各個(gè)元素分別表示各個(gè)所述目標(biāo)的搜索價(jià)值；

11、將所述概率期望矩陣與所述目標(biāo)價(jià)值矩陣的乘積，作為所述柵格的概率期望值。

12、可選地，所述基于所述所述局部概率期望矩陣和所述全局概率期望矩陣，計(jì)算概率期望決策矩陣，包括：

13、獲取所述全局概率期望矩陣中的元素的最大值和最小值；

14、確定所述全局概率期望矩陣中各個(gè)元素與所述最小值的差，得到多個(gè)第一差；

15、確定所述最大值與所述最小值的第二差，并確定所述第二差與預(yù)設(shè)的調(diào)節(jié)參數(shù)的和，得到第一和；

16、確定1與預(yù)設(shè)的概率期望全局決策系數(shù)的第二差，并確定所述第二差與所述局部概率期望矩陣的乘積；

17、確定所述第一差與所述第一和的商，并將所述商與所述乘積的和作為所述柵格的概率期望決策矩陣。

18、可選地，所述基于所述局部新鮮度矩陣和所述全局新鮮度矩陣計(jì)算新鮮度決策矩陣，包括：

19、獲取所述全局新鮮度矩陣中的元素的最大值和最小值；

20、確定所述全局新鮮度矩陣中各個(gè)元素與所述最小值的差，得到多個(gè)第一差；

21、確定所述最大值與所述最小值的第二差，并確定所述第二差與預(yù)設(shè)的調(diào)節(jié)參數(shù)的和，得到第一和；

22、確定1與預(yù)設(shè)的新鮮度全局決策系數(shù)的第二差，并確定所述第二差與所述局部新鮮度矩陣的乘積；

23、確定所述第一差與所述第一和的商，并將所述商與所述乘積的和作為所述柵格的新鮮度決策矩陣。

24、可選地，所述根據(jù)搜索參數(shù)、線性函數(shù)和隨機(jī)噪聲確定當(dāng)前的探索任務(wù)權(quán)重和搜索任務(wù)權(quán)重，包括：

25、對上一次搜索的搜索參數(shù)加上預(yù)設(shè)步長，得到當(dāng)前搜索參數(shù)；

26、根據(jù)所述當(dāng)前搜索參數(shù)和隨機(jī)噪聲，確定當(dāng)前的探索任務(wù)權(quán)重；

27、將1與所述當(dāng)前的探索任務(wù)權(quán)重之間的差值作為當(dāng)前的搜索任務(wù)權(quán)重。

28、可選地，所述根據(jù)所述概率期望決策矩陣、所述新鮮度決策矩陣、所述探索任務(wù)權(quán)重和所述搜索任務(wù)權(quán)重，確定行動(dòng)決策矩陣，包括：

29、確定所述概率期望決策矩陣與所述探索任務(wù)權(quán)重的乘積，得到第一乘積；

30、確定所述新鮮度決策矩陣與所述搜索任務(wù)權(quán)重的乘積，得到第二乘積；

31、確定所述第一乘積和所述第二乘積的差，得到行動(dòng)決策矩陣。

32、可選地，所述根據(jù)所述行動(dòng)決策矩陣確定使所述新鮮度值最小、所述概率值最大的目標(biāo)柵格，包括：

33、獲取所述行動(dòng)決策矩陣中最小的元素值，將所述最小的元素值所在的柵格確定為使所述新鮮度值最小、所述概率值最大的目標(biāo)柵格。

34、本發(fā)明第二方面提出一種無人機(jī)集群運(yùn)動(dòng)目標(biāo)搜索裝置，所述裝置包括：

35、第一確定模塊，用于當(dāng)m架無人機(jī)在搜索區(qū)域搜索n個(gè)目標(biāo)時(shí)，確定所述無人機(jī)所在柵格的概率期望值和新鮮度值，所述概率期望值表示所述柵格存在各個(gè)所述目標(biāo)的概率值，所述新鮮度值表征所述柵格被所述m架無人機(jī)訪問的狀態(tài)；m＜n；

36、第二確定模塊，用于根據(jù)所述概率期望值，確定所述柵格的局部概率期望矩陣和全局概率期望矩陣，并根據(jù)所述新鮮度值，確定所述柵格的局部新鮮度矩陣和全局新鮮度矩陣；

37、決策矩陣計(jì)算模塊，用于基于所述所述局部概率期望矩陣和所述全局概率期望矩陣，計(jì)算概率期望決策矩陣，并基于所述局部新鮮度矩陣和所述全局新鮮度矩陣，計(jì)算新鮮度決策矩陣；所述概率期望決策矩陣和所述新鮮度決策矩陣用于確定所述無人機(jī)下一步運(yùn)動(dòng)方向；

38、權(quán)重確定模塊，用于根據(jù)搜索參數(shù)、線性函數(shù)和隨機(jī)噪聲確定當(dāng)前的探索任務(wù)權(quán)重和搜索任務(wù)權(quán)重；

39、行動(dòng)決策矩陣確定模塊，用于根據(jù)所述概率期望決策矩陣、所述新鮮度決策矩陣、所述探索任務(wù)權(quán)重和所述搜索任務(wù)權(quán)重，確定行動(dòng)決策矩陣；

40、運(yùn)動(dòng)方向確定模塊，用于根據(jù)所述行動(dòng)決策矩陣確定使所述新鮮度值最小、所述概率值最大的目標(biāo)柵格，并根據(jù)所述目標(biāo)柵格所在的位置確定所述無人機(jī)下一步的運(yùn)動(dòng)方向。

41、本發(fā)明第三方面提出一種電子設(shè)備，所述電子設(shè)備包括處理器和存儲(chǔ)器，所述存儲(chǔ)器中存儲(chǔ)有至少一條指令、至少一段程序、代碼集或指令集，所述至少一條指令、所述至少一段程序、所述代碼集或指令集由所述處理器加載并執(zhí)行以實(shí)現(xiàn)如第一方面所述的無人機(jī)集群運(yùn)動(dòng)目標(biāo)搜索方法。

42、本發(fā)明第四方面提出一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)第一方面所述的無人機(jī)集群運(yùn)動(dòng)目標(biāo)搜索方法。

43、本發(fā)明具有以下有益效果：

44、在本發(fā)明實(shí)施例中，當(dāng)m架無人機(jī)在搜索區(qū)域搜索n個(gè)目標(biāo)時(shí)，確定所述無人機(jī)所在柵格的概率期望值和新鮮度值，所述概率期望值表示所述柵格存在各個(gè)所述目標(biāo)的概率值，所述新鮮度值表征所述柵格被所述m架無人機(jī)訪問的狀態(tài)；m＜n；根據(jù)所述概率期望值，確定所述柵格的局部概率期望矩陣和全局概率期望矩陣，并根據(jù)所述新鮮度值，確定所述柵格的局部新鮮度矩陣和全局新鮮度矩陣；基于所述所述局部概率期望矩陣和所述全局概率期望矩陣，計(jì)算概率期望決策矩陣，并基于所述局部新鮮度矩陣和所述全局新鮮度矩陣，計(jì)算新鮮度決策矩陣；所述概率期望決策矩陣和所述新鮮度決策矩陣用于確定所述無人機(jī)下一步運(yùn)動(dòng)方向；根據(jù)搜索參數(shù)、線性函數(shù)和隨機(jī)噪聲確定當(dāng)前的探索任務(wù)權(quán)重和搜索任務(wù)權(quán)重；根據(jù)所述概率期望決策矩陣、所述新鮮度決策矩陣、所述探索任務(wù)權(quán)重和所述搜索任務(wù)權(quán)重，確定行動(dòng)決策矩陣；根據(jù)所述行動(dòng)決策矩陣確定使所述新鮮度值最小、所述概率值最大的目標(biāo)柵格，并根據(jù)所述目標(biāo)柵格所在的位置確定所述無人機(jī)下一步的運(yùn)動(dòng)方向。本方案使用概率期望矩陣表示各個(gè)柵格存在目標(biāo)的概率值，使用新鮮度矩陣表示柵格被無人機(jī)訪問的狀態(tài)，同時(shí)利用了目標(biāo)位置概率信息和之前收集的先驗(yàn)信息，既可以搜索位置已知的目標(biāo)，同樣可以搜索位置未知的目標(biāo)，這使得該算法可以在現(xiàn)實(shí)的場景下表現(xiàn)的更加良好，對目標(biāo)的搜索更加高效和準(zhǔn)確。