一种基于粗定向的光电扫描捕获跟踪无人机方法及系统与流程

1.本发明涉及光电侦搜领域，具体涉及一种基于粗定向的光电扫描捕获跟踪无人机方法及系统。


背景技术：

2.近年来，民用无人机特别是消费级无人机市场呈现爆发式增长态势，各类“黑飞”事件层出不穷，无人机带来的不可控风险不断增加，无人机探测与反制工作的重要性日益凸显。常见的无人机探测手段主要有雷达方案、无源探测方案、光电方案等。其中，无源探测发现，光电视觉确认的设备联动方案是比较流行的一种。
3.公布号为cn105353772a的现有发明专利文献《一种无人机机动目标定位跟踪中的视觉伺服控制方法》方法建立大地坐标系、机体坐标系、摄像机坐标系、图像坐标系、机体大地过渡坐标系，通过上述建立的坐标系之间的关系，根据目标的成像序列，进行目标的定位及目标跟踪的姿态角给定值和航线跟踪的姿态角给定值的计算，完成视觉伺服控制。由该现有技术的具体实现内容可知，该现有技术采用跟踪相机，利用定位信息和地球模型、中心透视投影模型等，处理跟踪目标坐标系及轨迹数据，以得到锁定跟踪目标所需的伺服控制信息，该现有技术算法涉及较多的模型架构以及各类坐标系，数据处理过程较繁复，参数量较多，降低了该现有方案的鲁棒性及适用性。
4.公布号为cn106154262a的现有发明专利文献《反无人机探测系统及其控制方法》包括具有光学镜头的摄像机、显示器、控制摄像机运动的自动跟踪伺服机构、雷达装置、主控制器、干扰器和存储有无人机图片信息的图像识别解码器。采用雷达装置和光学跟踪系统相结合的光电监视雷达装置，实现了雷达探测、光学图像识别和电磁干扰的一体化。由该现有方案的具体实施内容可知，该现有技术采用无人机跟踪雷达以及光学跟踪系统相结合的方式，通过相位累加等手段，将雷达探测信号和光电识别信号进行无人机探测与匹配，根据探测及匹配数据进行伺服控制及无人机信号检测。该现有技术需要采用的装置类型较多，同时需要采用特定元件及处理逻辑，将不同探测设备获取的无人机信号融合为一体信号，该现有技术使用成本较高，同时，采用不同种类设备会降低定向控制数据的误差适应性。
5.综上，现有技术存在逻辑复杂、误差适应性低以及适用成本偏高的技术问题。


技术实现要素：

6.本发明所要解决的技术问题在于如何解决逻辑复杂、误差适应性低以及适用成本偏高的技术问题。
7.本发明是采用以下技术方案解决上述技术问题的：一种基于粗定向的光电扫描捕获跟踪无人机方法包括：
8.s1、根据预置标较角度、标较旋转方向及角度误差参数，对光电扫描设备进行标较操作；
9.s2、利用不少于2种的预置搜索策略，根据各预置搜索策略的搜索角度范围和容忍角度误差参数，搜索无人机目标，据以获取无人机目标数目及无人机目标距离，其中，预置搜索策略包括：一般搜索策略、扩展搜索策略以及深度搜索策略；
10.s3、根据无人机目标数目选择搜索方式，据以对无人机目标进行轮巡搜索捕获，其中，搜索方式包括：自动搜索及手动搜索；
11.s4、根据无人机目标距离，分级处理无人机目标，以得到u型搜索目标分类，其中，u型搜索目标分类包括：远空域无人机及近空域无人机，按照u型搜索目标分类，分别对远空域无人机及近空域无人机进行u型搜索，以得到图像检测识别结果；
12.s5、根据搜索区域内的二维图像信息，利用基于深度学习的人工智能算法，对区域进行前向推理，获得各搜索区域关于无人机目标的检测识别结果；
13.s6、遍历图像检测识别结果，根据检测识别结果，利用折半递归方法逼近无人机实际位置，以克服图像延迟导致的无人机识别结果和云台状态获取时刻不一致问题；
14.s7、根据无人机实际位置，锁定跟踪无人机目标。
15.本发明在无人机无源探测设备粗定向的指引下，使云台相机在相关空域自动搜索到无人机图像并锁定跟踪。同时对多架无人机进行轮巡搜索捕获。本发明使光电设备在探测设备的指引下搜索捕获到无人机画面并执行锁定跟踪，方法对无人机粗定向角度有较大的误差适应性，无需雷达等高精度定位设备引导，性价比高。
16.在更具体的技术方案中，步骤s1中，利用预置无源测向设备获取粗定向角度。
17.在更具体的技术方案中，角度误差参数包括：测向设备测角误差、标较误差、联动设备间角度同步差值。
18.在更具体的技术方案中，步骤s2中，一般搜索策略的搜索角度范围的容忍角度误差区间包括：[-10
°
,+10
°
]；扩展搜索策略的容忍角度误差区间包括：[-20
°
,+20
°
]；深度搜索策略是容忍角度误差区间包括：[-30
°
,+30
°
]。
[0019]
本发明在无人机距离光电设备的特定水平距离内，粗定向角度与无人机实际方向角度误差
±
30
°
内，光电设备可以在粗定向角度指引下在相关空域内搜索捕获到无人机图像并执行锁定跟踪，从而实现光电视觉的自动确认。
[0020]
在更具体的技术方案中，步骤s3中，系统自主选择信号强度最大的无人机进行自动搜索，其中，自动搜索的方式包括：光电搜索。
[0021]
在更具体的技术方案中，步骤s3包括：在手动搜索的操作中，人工选择无源探测设备探测的无人机目标，指引预置光电设备，对该无人机目标所在的空域方向进行光电搜索。
[0022]
本发明通过选择自动或手动方式探测无人机目标，可以使光电设备轮巡搜索捕获跟踪空域中的多架次无人机，满足多目标空中入侵光电确认需要。
[0023]
在更具体的技术方案中，步骤s4包括：
[0024]
s41、对近空域无人机进行u型搜索，以得到近空域无人机识别结果；
[0025]
s42、对远空域无人机进行u型搜索，以得到远空域无人机识别结果。
[0026]
本发明采用先近后远的搜索识别策略，以u字型的方式，逐空域搜索无人机图像。近距离搜索及远距离搜索时，相机倍率、搜索回合数以及搜索时间分别与近空域及远空域无人机目标相适配。本发明的远近多级搜索确保搜索角度内的远近空域全覆盖。
[0027]
在更具体的技术方案中，步骤s5包括：
[0028]
s51、针对无人机目标特性和系统特性，改进优化基于深度学习的yolov7目标检测网络；
[0029]
s52、将优化后的检测网络结构载入系统，将迭代训练后的权重参数载入目标检测网络；
[0030]
s53、提取搜索区域内的二维图像，并根据网络要求进行图像预处理；
[0031]
s54、将预处理后的图像送入目标检测网络，执行前行推理；
[0032]
s55、解析网络输出的特征，获得无人机目标的坐标值和置信度，获得各区域图像检测识别结果。
[0033]
在更具体的方案中，步骤s51包括：
[0034]
s511、删去原yolov7网络中的32倍下采样大目标检测头，同时保留深层特征在颈部部分的特征融合；
[0035]
s512、新增4倍下采样极小目标检测头；
[0036]
s513、删除浅层特征与小目标检测头之间的直接连接。
[0037]
本发明在深度学习的基础上，对当前表现最优的yolov7目标检测网络结构做出了优化，针对无人机目标在图像中占比较小、特征不明显的特点，依次改进了网络的骨干结构部分的特征提取策略和颈部、头部部分的结构，提升了对无人机目标的检出率以及对不同背景、不同特征下无人机的检测鲁棒性。
[0038]
在更具体的技术方案中，步骤s6包括：
[0039]
s61、使无人机探测云台就位；
[0040]
s62、利用无人机探测云台，根据检测识别结果，利用折半递归方法逼近无人机实际位置。
[0041]
在更具体的技术方案中，步骤s62包括：
[0042]
s621、利用光电云台从近处空域的第一点开始搜索，至第二点停止，在远处空域等待预设时长，并判断第一点至第二点的搜索阶段是否检测到无人机图像；
[0043]
s622、若否，等待结束，执行下一阶段搜索；
[0044]
s623、若是，等待结束，对无人机执行折半递归查找操作，将云台相机自第二点移动至第三点；
[0045]
s624、判断第二点至第三点的搜索阶段是否检测到无人机图像；
[0046]
s625、若是，递归第三点至第四点的搜索阶段；
[0047]
s626、若否，在第一点至第二点的搜索阶段进行递归查找，直至递归搜索到无人机。
[0048]
本发明在云台就位后，等待、遍历图像检测识别结果，并根据检测识别结果折半递归逼近无人机真实位置，提高了无人机位置检测精度。
[0049]
在更具体的技术方案中，一种基于粗定向的光电扫描捕获跟踪无人机系统包括：
[0050]
标较模块，用以根据预置标较角度、标较旋转方向及角度误差参数，对光电扫描设备进行标较操作；
[0051]
差异策略搜索模块，用以利用不少于2种的预置搜索策略，根据各预置搜索策略的搜索角度范围和容忍角度误差参数，搜索无人机目标，据以获取无人机目标数目及无人机目标距离，其中，预置搜索策略包括：一般搜索策略、扩展搜索策略以及深度搜索策略，差异
策略搜索模块与标较模块连接；
[0052]
轮巡捕获模块，用以根据无人机目标数目选择搜索方式，据以对无人机目标进行轮巡搜索捕获，其中，搜索方式包括：自动搜索及手动搜索，轮巡捕获模块与差异策略搜索模块连接；
[0053]
u型搜索模块，用以根据无人机目标距离，分级处理无人机目标，以得到u型搜索目标分类，其中，u型搜索目标分类包括：远空域无人机及近空域无人机，按照u型搜索目标分类，分别对远空域无人机及近空域无人机进行u型搜索，以得到图像检测识别结果，u型搜索模块与差异策略搜索模块连接；
[0054]
图像检测模块，用以针对无人机目标和系统的特性，对基于深度学习的yolov7智能检测网络进行改进优化，对各搜索区域图像执行前向推理，获取图像内无人机目标的坐标等信息，得到图像检测识别结果；
[0055]
折半逼近模块，用以遍历图像检测识别结果，根据检测识别结果，利用折半递归方法逼近无人机实际位置，折半逼近模块与u型搜索模块及图像检测模块连接；
[0056]
锁定跟踪模块，用以根据无人机实际位置，锁定跟踪无人机目标，折半逼近模块与折半逼近模块连接。
[0057]
本发明相比现有技术具有以下优点：本发明在无人机无源探测设备粗定向的指引下，使云台相机在相关空域自动搜索到无人机图像并锁定跟踪。同时对多架无人机进行轮巡搜索捕获。本发明使光电设备在探测设备的指引下搜索捕获到无人机画面并执行锁定跟踪，方法对无人机粗定向角度有较大的误差适应性，无需雷达等高精度定位设备引导，性价比高。
[0058]
本发明在无人机距离光电设备的特定水平距离内，粗定向角度与无人机实际方向角度误差
±
30
°
内，光电设备可以在粗定向角度指引下在相关空域内搜索捕获到无人机图像并执行锁定跟踪，从而实现光电视觉的自动确认。
[0059]
本发明通过选择自动或手动方式探测无人机目标，可以使光电设备轮巡搜索捕获跟踪空域中的多架次无人机，满足多目标空中入侵光电确认需要。
[0060]
本发明采用先近后远的搜索识别策略，以u字型的方式，逐空域搜索无人机图像。近距离搜索及远距离搜索时，相机倍率、搜索回合数以及搜索时间分别与近空域及远空域无人机目标相适配。本发明的远近多级搜索确保搜索角度内的远近空域全覆盖。
[0061]
本发明对当前表现最优的基于深度学习的目标检测网络yolov7进行优化，针对无人机目标在图像中的特性，改进了网络的各部分结构。对各个区域内的场景，获取其二维图像，送入改进优化后的目标检测网络，获取各区域内精确的图像检测识别结果。
[0062]
本发明在云台就位后，等待、遍历图像检测识别结果，并根据检测识别结果折半递归逼近无人机真实位置，提高了无人机位置检测精度。本发明解决了现有技术中存在的逻辑复杂、误差适应性低以及适用成本偏高的技术问题。
附图说明
[0063]
图1为本发明实施例1的一种基于粗定向的光电扫描捕获跟踪无人机方法基本步骤示意图；
[0064]
图2为本发明实施例1的光电云台远近多级搜索示意图；
[0065]
图3为本发明实施例1的无人机光电搜索捕获锁定跟踪界面示意图。
[0066]
图4为本发明实施例1的改进的无人机目标检测识别网络结构示意图。
具体实施方式
[0067]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0068]
实施例1
[0069]
如图1所示，本发明提供的一种基于粗定向的光电扫描捕获跟踪无人机方法，包括以下基本步骤：
[0070]
s1、设备标较；
[0071]
在本实施例中，无源测向设备内置指北针，默认以正北方向为探测0度，顺时针旋转一圈为360度。光电设备有用户可自定义的水平零度角和垂直零度角，需将光电水平零度设置到正北方向，垂直零度设置到水平，即可完成两设备标较。指北针误差、测向角度误差及标较误差都将直接影响设备间的联动效果。
[0072]
s2、采用搜索策略对无人机进行搜索，搜索策略包括：一般搜索、扩展搜索以及深度搜索；
[0073]
s3、利用手动或自动方式对无人机进行搜索；
[0074]
s4、进行远近空域u型搜索；
[0075]
s5、根据搜索区域内的二维图像信息，利用基于深度学习的人工智能算法，对区域进行前向推理，获得各搜索区域关于无人机目标的检测识别结果；
[0076]
s6、遍历图像检测识别结果，并根据检测识别结果折半递归逼近无人机真实位置，逼近无人机真实位置；
[0077]
s7、对无人机进行锁定跟踪。
[0078]
在本实施例中，光电搜索捕获无人机的操作，由无源测向设备提供粗定向角度，光电设备在粗定向角度的相关空域内进行无人机搜索。角度误差是指测向设备角度坐标系与光电设备角度坐标系已经标较完成前提下，以光电设备角度坐标系为基准，由测向设备测角误差、标较误差、联动设备间角度同步引起的角度差值，一般不超过10度，最大不超过30度。
[0079]
在本实施例中，以水平面正北方向为0度，顺时针旋转一周记为360度，在设备标较完成后，测向设备0度方向指北，光电云台设备0度方向指北的情况下，仍然存在无人机粗定向角度与无人机实际方向的角度误差。误差主要包括测向设备的无人机测角误差，设备标较误差及两台设备联动角度同步误差等，一般在
±
30度以内。
[0080]
在本实施例中，光电搜索捕获无人机方法，分为一般搜索、扩展搜索和深度搜索三种策略。一般搜索策略搜索角度范围20
°
，即容忍角度误差
±
10
°
。扩展搜索策略搜索角度范围40
°
，即容忍角度误差
±
20
°
。深度搜索策略搜索角度范围60
°
，即容忍角度误差
±
30
°
。在本实施例中，光电搜索捕获跟踪无人机流程首先判断搜索策略，默认为一般搜索，即搜索角度范围为20
°
。
[0081]
在本实施例中，本发明能够同时对多架无人机进行轮巡搜索捕获。在本实施例中，分为自动搜索和手动搜索。自动搜索是系统自主选择信号强度最大即距离最近的无人机进行光电搜索。手动搜索是人工选择无源探测设备探测的无人机，从而指引光电设备在此空域方向进行光电搜索。在本实施例中，光电搜索捕获跟踪无人机流程第二步判断搜索方法，默认为自动搜索，单架无人机情况下，自动搜索等价于手动搜索。
[0082]
在本实施例中，光电搜索捕获无人机的方式，分为远近多级搜索，u字型逐空域搜索无人机图像。近距离搜索时，相机倍率小，搜索回合少，所用时间短。远距离搜索时，相机倍率大，搜索回合多，所用时间长。远近多级搜索确保搜索角度内的远近空域全覆盖。
[0083]
在本实施例中，由于相机解码、传输、算法延迟等原因，画面检测识别结果完成时间迟滞于云台就位时间，云台就位后需等待、遍历图像检测识别结果，并根据检测识别结果折半递归逼近无人机真实位置。
[0084]
在本实施例中，在系统搜索捕获到无人机后，可以执行锁定，使云台随着无人机的位置变化而变动，确保无人机始终以特定尺寸位于画面正中心。
[0085]
在本实施例中，对无人机的搜索分为远近多级搜索，u字型逐空域搜索无人机图像。近距离搜索时，相机倍率小，搜索回合少，所用时间短。远距离搜索时，相机倍率大，搜索回合多，所用时间长。远近多级搜索确保搜索角度内的远近空域全覆盖。
[0086]
在本实施例中，以6.6-350mm焦距，53倍变倍激光云台相机，近远两级搜索，一般搜索策略为例。近距离搜索时，zoom选择5，此时，相机视场角为10
°
，为了覆盖20
°
搜索范围，需搜索2次。从近距离空域左上角垂直方向40
°
开始自上向下搜索，搜索至垂直方向0
°
即水平角度为止。云台水平向右移动10
°
，自右下角垂直方向0
°
即水平角度向上搜索，搜索至垂直方向40
°
为止。
[0087]
远距离搜索时，zoom选择10，此时，相机视场角为5
°
，为了覆盖20
°
搜索范围，需搜索4次。从近距离空域左上角垂直方向40
°
开始自上向下搜索，搜索至垂直方向0
°
即水平角度为止。云台水平向右移动5
°
，自垂直方向0
°
即水平角度向上搜索，搜索至垂直方向40
°
为止，如此重复2次，合计搜索4次。
[0088]
上述实施例内容中搜索策略可以满足距光电设备水平距离300米内的无人机光电搜索捕获任务，如需覆盖更远距离，可将远近两级搜索改成更多级搜索。
[0089]
在本实施例中，由于相机解码、传输、算法延迟等原因，画面检测识别结果时间迟滞于云台就位时间，云台就位后需等待、遍历图像检测识别结果，并根据检测识别结果折半递归逼近无人机真实位置。
[0090]
如图2所示，在本实施例中，光电云台从近处空域a点开始搜索，至b点停止，此时，不可立即向右转向执行下一阶段搜索，而是在远处等待，如等待200ms，等待时间根据总体延迟时间确定。等待同时，判断a至b阶段是否有检测识别到无人机图像。若无，等待结束执行下一阶段搜索，若有，等待结束进入折半递归查找。递归查找阶段，云台相机自b移动至c，停止等待，判断b至c阶段是否有检测识别到无人机图像，若有，继续递归c至d阶段。若无，在a至c段递归查找，直至递归搜索到无人机。若递归搜索未搜索到无人机，则进入下一阶段搜索。
[0091]
光电检测识别无人机方法，是基于ai智能识别的无人机图像算法实现的，算法可以自动识别画面中的多旋翼无人机图像并框选。在本实施例中，无人机图像智能识别算法
可以选用基于深度学习yolov7模型的无人机智能识别算法。
[0092]
如图3所示，在本实施例中，采用改进的yolov7模型对无人机目标进行检测与识别。网络共分为4个部分组成，从上至下依次为输入部分、骨干部分、颈部部分和头部部分，其中输入部分代表传输至网络的各搜索区域图像；骨干部分代表网络的主体网络，用于提取不同阶段不同尺寸的图像特征，离输入越近，称特征越浅；颈部部分用于融合多阶段多尺度信息；头部部分用于输出不同下采样率的特征，负责检测不同大小的目标。从骨干网络提取的浅层特征对应于头部部分的低下采样率的小目标检测头，用于检测图像中占比更小的目标，反之深层特征对应于高下采样率的大目标检测头，用于检测图像中占比更大的目标。
[0093]
在本实施例中，考虑到无人机目标的尺寸因素和目标跟踪特性，无人机不会出现在输入图像中占比过大的情况，还要与雾气、树叶等干扰因素区分，因此综合对比了多种基于深度学习的目标检测网络，选用了目前效果最优的yolov7网络，并针对性地进行了结构上的改进优化，以适应特定无人机目标的检测需求。
[0094]
在本实施例中，删去了yolov7的高下采样率的大目标检测头，但仍然保留高下采样率的深层特征在颈部区域进行特征融合，在保证网络仍能进行充分的信息融合的前提下，可以有效降低网络的计算资源开销，提升系统的运行效率。
[0095]
在本实施例中，相比较于原版yolov7的8倍、16倍、32倍下采样的检测头，新增了4倍下采样率的极小目标检测头，用于检测由于遮挡、缩放等问题可能导致的占比过小的无人机目标。提取的浅层特征参与了颈部的特征融合与头部的特征输出，因此删除了浅层特征与小目标检测头之间的直接连接，提升了系统对于微小型目标的检出率，增加了系统在复杂环境下的鲁棒性。
[0096]
上述实施例中的网络结构删除标示为图中带有文字“删除”的虚线矩形框，网络结构新增标示为图中带有文字“新增”的虚线矩形框，且新增的部分用粗实线标记。
[0097]
改进优化后的网络通过三个检测头输出特征feature1、feature2、feature3，对特征进行解析，或获取本输入图像中多个目标的类别、置信度以及坐标等信息，即可最终获得本搜索区域内的图像检测识别结果。
[0098]
如图4所示，在本实施例中，光电搜索捕获锁定跟踪无人机画面，是指系统搜索捕获到无人机后，可以执行锁定，使云台随着无人机的位置变化而变动，确保无人机始终以特定尺寸位于画面正中心。
[0099]
无人机锁定跟踪状态下，系统实时检测分析无人机图像在云台相机画面中的水平位置、垂直位置及大小，进而调整云台角度及相机变倍值，使无人机始终以特定尺寸位于相机画面的正中心。
[0100]
综上，本发明在无人机无源探测设备粗定向的指引下，使云台相机在相关空域自动搜索到无人机图像并锁定跟踪。同时对多架无人机进行轮巡搜索捕获。本发明使光电设备在探测设备的指引下搜索捕获到无人机画面并执行锁定跟踪，方法对无人机粗定向角度有较大的误差适应性，无需雷达等高精度定位设备引导，性价比高。
[0101]
本发明在无人机距离光电设备的特定水平距离内，粗定向角度与无人机实际方向角度误差
±
30
°
内，光电设备可以在粗定向角度指引下在相关空域内搜索捕获到无人机图像并执行锁定跟踪，从而实现光电视觉的自动确认。
[0102]
本发明通过选择自动或手动方式探测无人机目标，可以使光电设备轮巡搜索捕获
跟踪空域中的多架次无人机，满足多目标空中入侵光电确认需要。
[0103]
本发明采用先近后远的搜索识别策略，以u字型的方式，逐空域搜索无人机图像。近距离搜索及远距离搜索时，相机倍率、搜索回合数以及搜索时间分别与近空域及远空域无人机目标相适配。本发明的远近多级搜索确保搜索角度内的远近空域全覆盖。
[0104]
本发明在云台就位后，等待、遍历图像检测识别结果，并根据检测识别结果折半递归逼近无人机真实位置，提高了无人机位置检测精度。本发明解决了现有技术中存在的逻辑复杂、误差适应性低以及适用成本偏高的技术问题。
[0105]
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

技术特征：
1.一种基于粗定向的光电扫描捕获跟踪无人机方法，其特征在于，所述方法包括：s1、根据预置标较角度、标较旋转方向及角度误差参数，对光电扫描设备进行标较操作；s2、利用不少于2种的预置搜索策略，根据各所述预置搜索策略的搜索角度范围和容忍角度误差参数，搜索无人机目标，据以获取无人机目标数目及无人机目标距离，其中，所述预置搜索策略包括：一般搜索策略、扩展搜索策略以及深度搜索策略；s3、根据所述无人机目标数目选择搜索方式，据以对所述无人机目标进行轮巡搜索捕获，其中，所述搜索方式包括：自动搜索及手动搜索；s4、根据所述无人机目标距离，分级处理所述无人机目标，以得到u型搜索目标分类，其中，所述u型搜索目标分类包括：远空域无人机及近空域无人机，按照所述u型搜索目标分类，分别对所述远空域无人机及所述近空域无人机进行u型搜索，以得到图像检测识别结果；s5、针对无人机目标和系统的特性，对基于深度学习的yolov7智能检测网络进行改进优化，对各搜索区域图像执行前向推理，获取图像内无人机目标的坐标等信息，得到图像检测识别结果；s6、遍历所述图像检测识别结果，根据所述检测识别结果，利用折半递归方法逼近无人机实际位置；s7、根据无人机实际位置，锁定跟踪所述无人机目标。2.根据权利要求1所述的一种基于粗定向的光电扫描捕获跟踪无人机方法，其特征在于，所述步骤s1中，利用预置无源测向设备获取粗定向角度。3.根据权利要求1所述的一种基于粗定向的光电扫描捕获跟踪无人机方法，其特征在于，所述角度误差参数包括：测向设备测角误差、标较误差、联动设备间角度同步差值。4.根据权利要求1所述的一种基于粗定向的光电扫描捕获跟踪无人机方法，其特征在于，所述步骤s2中，所述一般搜索策略的搜索角度范围的容忍角度误差区间包括：[-10
°
,+10
°
]；所述扩展搜索策略的容忍角度误差区间包括：[-20
°
,+20
°
]；所述深度搜索策略是容忍角度误差区间包括：[-30
°
,+30
°
]。5.根据权利要求1所述的一种基于粗定向的光电扫描捕获跟踪无人机方法，其特征在于，所述步骤s3中，系统自主选择信号强度最大的无人机进行所述自动搜索，其中，所述自动搜索的方式包括：光电搜索。6.根据权利要求1所述的一种基于粗定向的光电扫描捕获跟踪无人机方法，其特征在于，所述步骤s3包括：在所述手动搜索的操作中，人工选择无源探测设备探测的所述无人机目标，指引预置光电设备，对该所述无人机目标所在的空域方向进行光电搜索。7.根据权利要求1所述的一种基于粗定向的光电扫描捕获跟踪无人机方法，其特征在于，所述步骤s4包括：s41、对所述近空域无人机进行u型搜索，以得到近空域无人机识别结果；s42、对所述远空域无人机进行u型搜索，以得到远空域无人机识别结果。8.根据权利要求1所述的一种基于粗定向的光电扫描捕获跟踪无人机方法，其特征在于，所述步骤s5包括：s51、针对无人机目标特性和系统特性，改进优化基于深度学习的yolov7目标检测网
络，其中，所述步骤s51包括：s511、删去原yolov7网络中的32倍下采样大目标检测头，同时保留深层特征在颈部部分的特征融合；s512、新增4倍下采样极小目标检测头；s513、删除浅层特征与小目标检测头之间的直接连接；s52、将优化后的检测网络结构载入系统，将迭代训练后的权重参数载入目标检测网络；s53、提取搜索区域内的二维图像，并根据网络要求进行图像预处理；s54、将预处理后的图像送入目标检测网络，执行前行推理；s55、解析网络输出的特征，获得无人机目标的坐标值和置信度，获得各区域图像检测识别结果。9.根据权利要求1所述的一种基于粗定向的光电扫描捕获跟踪无人机方法，其特征在于，所述步骤s6包括：s61、使无人机探测云台就位；s62、利用所述无人机探测云台，根据所述检测识别结果，利用折半递归方法逼近所述无人机实际位置，所述步骤s62包括：s621、利用所述光电云台从近处空域的第一点开始搜索，至第二点停止，在远处空域等待预设时长，并判断所述第一点至第二点的搜索阶段是否检测到无人机图像；s622、若否，等待结束，执行下一阶段搜索；s623、若是，等待结束，对无人机执行折半递归查找操作，将云台相机自所述第二点移动至第三点；s624、判断所述第二点至所述第三点的搜索阶段是否检测到所述无人机图像；s625、若是，递归所述第三点至第四点的搜索阶段；s626、若否，在所述第一点至所述第二点的搜索阶段进行递归查找，直至递归搜索到所述无人机。10.一种基于粗定向的光电扫描捕获跟踪无人机系统，其特征在于，所述系统包括：标较模块，用以根据预置标较角度、标较旋转方向及角度误差参数，对光电扫描设备进行标较操作；差异策略搜索模块，用以利用不少于2种的预置搜索策略，根据各所述预置搜索策略的搜索角度范围和容忍角度误差参数，搜索无人机目标，据以获取无人机目标数目及无人机目标距离，其中，所述预置搜索策略包括：一般搜索策略、扩展搜索策略以及深度搜索策略，所述差异策略搜索模块与所述标较模块连接；轮巡捕获模块，用以根据所述无人机目标数目选择搜索方式，据以对所述无人机目标进行轮巡搜索捕获，其中，所述搜索方式包括：自动搜索及手动搜索，所述轮巡捕获模块与所述差异策略搜索模块连接；u型搜索模块，用以根据所述无人机目标距离，分级处理所述无人机目标，以得到u型搜索目标分类，其中，所述u型搜索目标分类包括：远空域无人机及近空域无人机，按照所述u型搜索目标分类，分别对所述远空域无人机及所述近空域无人机进行u型搜索，以得到图像检测识别结果，所述u型搜索模块与所述差异策略搜索模块连接；
图像检测模块，用以针对无人机目标和系统的特性，对基于深度学习的yolov7智能检测网络进行改进优化，对各搜索区域图像执行前向推理，获取图像内无人机目标的坐标等信息，得到图像检测识别结果；折半逼近模块，用以遍历所述图像检测识别结果，根据所述检测识别结果，利用折半递归方法逼近无人机实际位置，所述折半逼近模块与所述u型搜索模块及所述图像检测模块连接；锁定跟踪模块，用以根据无人机实际位置，锁定跟踪所述无人机目标，所述折半逼近模块与所述折半逼近模块连接。

技术总结
本发明提供一种基于粗定向的光电扫描捕获跟踪无人机方法及系统，方法包括：设备标较；采用搜索策略对无人机进行搜索，搜索策略包括：一般搜索、扩展搜索以及深度搜索；利用手动或自动方式对无人机进行搜索；进行远近空域U型搜索；针对无人机目标和系统的特性，对基于深度学习的YOLOv7智能检测网络进行改进优化，对各搜索区域图像执行前向推理，获取图像内无人机目标的坐标等信息，得到图像检测识别结果；遍历图像检测识别结果，并根据检测识别结果折半递归逼近无人机真实位置，逼近无人机真实位置；对无人机进行锁定跟踪。本发明解决了逻辑复杂、误差适应性低以及适用成本偏高的技术问题。术问题。术问题。


技术研发人员：马彪彪 程剑 姜少波 商国军 杨丽红 房思思 卢安安 王崇海 刘正丽 张琦珺 刘海涛
受保护的技术使用者：中国电子科技集团公司第三十八研究所
技术研发日：2022.11.29
技术公布日：2023/7/13