CN103852077A - 链路失效时无人机定位信息防欺骗自主判断方法 - Google Patents

Abstract

本发明公开了一种链路失效时无人机定位信息防欺骗自主判断方法，包括以下几个步骤：第一步，飞行前航段信息规划；第二步，航点坐标信息数据采集并进行表T1信息匹配。第三步，提取飞行中地物角点特征及位置高程信息，进行任务载荷规划信息及地貌信息匹配；第四步，根据工况信息表T4数据计算加权系数和匹配阈值；第五步，加权计算，判断是否存在欺骗。本发明综合机载多传感器信息，提高机载资源利用率；本发明建立复合信息模型，提高无人机安全性。

Description

链路失效时无人机定位信息防欺骗自主判断方法

技术领域

本发明属于无人机自主控制和图像处理技术领域，具体涉及一种链路失效时无人机虚假定位信息的自主判断方法，可用于无人机防位置信息欺骗以弥补“无人”方面的不足。

背景技术

目前，无人机系统与信息化等相关技术处于不断发展之中，无人机在军事和民用方面都具有广泛的使用价值，同时应用场景也愈加复杂多变。为实现无人机自主飞行，需要导航设备提高真实可靠的空间位置信息。其中，如果数据链路通信正常，虽然机上“无人”，但整个无人机系统环路“有人”，无人机操作人员可在地面通过下行遥测数据判断飞行轨迹是否和预期吻合，如果偏离较大可采取人工遥控纠正措施。

如上段所述，一方面从技术角度而言，由于GPS信号可以被截获破解，链路失效时系统环路“无人”会存在无人机被虚假导航信息干扰的可能性。另一方面，据有关事件和相关信息也进一步说明了“无人”极有可能被欺骗，如伊朗宣称破解了美军GPS导航信号，干扰通信设备使得链路失效，通过虚假位置信息成功诱骗、捕获了美军的一架在伊朗境内执行任务的RQ-170“哨兵”无人侦察机；另外，美国奥斯汀德州大学的工程研究生在美国安全部委托进行的一项实验中，利用自制的“电子欺骗”设备成功劫持一架民用无人机，原理与伊朗捕获美军无人机类似，均是通过让无人机链路失效使其失去地面站操作人员的联系，破解导航信息格式后给予其虚假位置信息来控制无人机。

因此，提高无人机防欺骗能力是不容忽视的新问题。其中可从两个层面入手，一是提高针对无人机导航和数据链设备的抗干扰、抗截获能力，从信号、信息等层面防止无人机被外部介入控制。第二，提高无人机对虚假信息的识别能力更为重要。

发明内容

本发明的目的是为了解决上述系统“无人”问题，从人类感知事物与作出决策的方式入手，基于无人机飞行中可实时获取的数据和先验信息，提出了链路失效时无人机定位信息防欺骗自主判断方法，包括飞行前对航线、航点对应信息的提取与存储，飞行到某航点时实时获取数据并实时提取相关信息后，对多个航点之间的多源信息进行组合处理后，考虑到地理、气象和人文等复杂工况信息的影响进行加权处理自主判断无人机是否被虚假位置信息欺骗，提高无人机安全自主性。

本发明的链路失效时无人机定位信息防欺骗自主判断方法，包括以下几个步骤：

第一步，飞行前航段信息规划；

设航段的起始点为从点，到达点为到点，根据航路规划要求，在空中航段上设置N个航点，N大于等于2；

构建航段规划表T1：包括每个航点的航点号、经度、纬度、高度；

构建任务载荷规划表T2：包括在无人机拍摄图片时，无人机的平台方位角、平台俯仰角、相机焦距值；

构建地面成像区域地貌表T3：包括航点与航点之间航段地面成像区域的地物经度、地物纬度、地物高程、SUSAN角点特征；

构建工况信息表T4：包括地理G、气象V、人文H、成像分辨率R；

将航段规划表T1、任务载荷规划表T2、地面成像区域地貌表T3、工况信息表T4输入至机载飞控计算机中；

第二步，航点坐标信息数据采集并进行表T1信息匹配。

当需要进行无人机防欺骗操作时，对飞行的航点进行检测与识别，具体包括以下几个步骤：

（1）航点检测

采用SUSAN角点检测方法，对该航点对应的地面成像区域进行检测，得到α个角点特征；

获取航点的坐标信息和高程信息，坐标信息包括航点的经度、纬度，表示为P_Way-point(longitude,latitude)，高程信息包括航点的高度，表示为A_Altitude；

（2）航点匹配

访问地面成像区域地貌表T3，获取对应航点的β个角点特征，将步骤（1）获取的α个角点特征，与β个角点特征进行匹配，若

则匹配成功，M₀＝1，否则，匹配失败，M₀＝0；

同时，访问航段规划表T1，获取对应航点的坐标信息和高程信息，坐标信息包括航点的经度、纬度，表示为P′_Way-point(longitude,latitude)，高程信息包括航点的高度，表示为A′_Altitude；将步骤（1）得到的P_Way-point(longitude,latitude)、A_Altitude与P′_Way-point(longitude,latitude)、A′_Altitude进行匹配，计算二者的差值，得到结果M₁、M₂：

M_P＝|P_Way-point(longitude,latitude)-P′_Way-point(longitude,latitude)|

M_A＝|A_Altitude-A′_Altitude|

M_P表示航点坐标值之差，M_A表示航点高度值之差，若经纬度的差值均在0.1范围内，则M₁＝1，否则M₁＝0，同时若高度差值在10米范围内，则M₂＝1，否则M₂＝0；

第三步，提取飞行中地物角点特征及位置高程信息，进行任务载荷规划信息及地貌信息匹配；

已到达指定航点，结合先验图像信息或地理信息系统，根据任务载荷规划表T2中航点对应无人机的参数，调整无人机摄像机角度，采集多源数据；

多源数据包括：

A：图像信息：根据任务载荷规划表T2，调整CCD摄像机姿态，获得航点对应地貌的高清航拍图像；

B：导航信息：利用组合导航数据，获取实时的地貌位置数据；

C：高程信息：采用激光测距，获得多点高度信息；

然后进行多源数据匹配，包括：

（1）地貌信息匹配

首先对航拍图像进行预处理；其次，计算航拍图像N个角点特征；最后，访问机载地貌数据库，提取当前位置的多个角点特征，与N个角特征点匹配，计算得到地貌图像数据和航拍图像数据的匹配特征点数M，若

则认为匹配成功，M₃＝1，否则为M₃＝0。

（2）位置与高程数据匹配

首先，对采集获得的地貌图像坐标信息及多点高度信息，地貌坐标信息包括地貌的经度、纬度，表示为P′_Object(longitude,latitude)，获取机载当前地貌坐标信息，表示为P_Object(longitude,latitude)，差值若M_O在A范围内，返回M₅=1，否则为0；

M_O＝|P_Object(longitude,latitude)-P′_Object(longitude,latitude)|

对于高度信息匹配，计算其均值和方差，分别为α₁、β₁，然后访问机载高程数据库，提取当前位置对应点的高程数据，并计算其均值方差，记为α₂、β₂；

M₄＝|α₁-α₂|+|β₁-β₂|

第四步，根据工况信息表T4数据计算加权系数和匹配阈值；

根据工况信息表T4，给予不同特征匹配加权系数λ和匹配阈值V：

λ＝2*(G+V+H+R)

$V=\frac{2}{G+V+H+R}+10$

第五步，加权计算，判断是否存在欺骗。

当P大于阈值V，则无人机未被欺骗，反之，无人机被欺骗：

P＝λ*M₀*M₁*M₂*M₃*M₅/M₄

本发明的优点在于：

（1）综合机载多传感器信息，提高机载资源利用率；

（2）建立复合信息模型，提高无人机安全性；

附图说明

图1是本发明的方法流程图；

图2是本发明的图像信息匹配流程图；

具体实施方式

下面将结合附图对本发明的具体实施方式进行详细说明。

本发明的链路失效时无人机定位信息防欺骗自主判断方法，流程如图1所示，包括以下几个步骤：

第一步，飞行前航段信息规划；

设航段的起始点为从点，到达点为到点，根据航路规划要求，在空中航段上设置N个航点，N大于等于2；

构建航段规划表T1：航段规划表T1包括每个航点的航点号、经度、纬度、高度，例如，包括从点航点和到点航点的航段规划表如表T1所示：

表T1航段规划表

其中：From-Num为从点航点号，From-Lon为从点经度，From-Lat为从点纬度，From-Alt为从点高度，Arrive-Num为到点航点号，Arrive-Lon为到点经度，Arrive-Lat为到点纬度，Arrive-Alt为到点高度；

构建任务载荷规划表T2：任务载荷规划表T2包括在无人机拍摄图片时，无人机的平台方位角、平台俯仰角、相机焦距值，例如，任务载荷规划表T2如表T2所示：

表T2任务载荷规划表

其中，Platform-Azimuth为平台方位角，Platform-Pitching Angle为平台俯仰角，Camera Focal Length Value为相机焦距值；

构建地面成像区域地貌表T3：获取航点与航点之间航段的空中飞行时地面成像区域，基于先验图像数据或地理信息系统得到其中的标志性实体地物，诸如信号灯塔、山川、河流或者地面建筑物等。提取上述地物的角点特征和坐标位置信息数据后，生成地面成像区域地貌表T3，地面成像区域地貌表T3包括航点与航点之间航段地面成像区域的地物经度、地物纬度、地物高程、SUSAN角点特征，例如，地面成像区域地貌表T3如表T3所示：

表T3地面成像区域地貌表

其中：Marker-Lon为地物经度，Marker-Lat为地物纬度，Marker-Alt为地物高程，Marker-feature为角点特征；

构建工况信息表T4：将航点的工况信息按照等级填入工况信息表T4，工况信息包括地理G、气象V、人文H、成像分辨率R；地理等级分为建筑、山脉、湖泊，气象等级分为晴朗、阴天、雾霾、雨雪，人文等级分为城市、郊区，成像分辨率等级分为高分辨率、中分辨率、低分辨率，

例如，将地理、气象、人文、成像分辨率等工况信息各分为N（1，3，5，7等）个等级存入表T4，其中，地理G分为建筑：1，山脉：3，湖泊：5，……，气象V分为晴朗：1，阴天：3，雾霾：5，雨雪：7，……，人文H分为城市：1，郊区：3，……，图像分辨率R分为高分辨率：1，中分辨率：3，低分辨率：5，……；工况信息表T4所示：

表T4工况信息表

将航段规划表T1、任务载荷规划表T2、地面成像区域地貌表T3、工况信息表T4输入至机载飞控计算机中；

其中，表T1、T2、T3和T4可以按照表5方式注入到机载飞控计算机中。将航段规划表T1信息记录到表T5，表现为航点编号、坐标和高度信息，将任务载荷规划表T2信息记录到表T5，表现为载荷规划信息，将地面成像区域地貌表T3信息记录到表T5，表现为SUSAN特征及其地物坐标高度信息，最后将工况信息表4记录到表T5中，表现为工况信息。

表T5综合信息表

第二步，航点坐标信息数据采集并进行表T1信息匹配。

无人机在实际飞行过程中，处于UVA巡航模式时，当需要进行无人机防欺骗操作时，对飞行的航点进行检测与识别，具体包括以下几个方面：

（1）航点检测

采用SUSAN角点检测方法，对该航点对应的地面成像区域进行检测，得到α个角点特征；

由于SUSAN角点检测方法具有算法简单、位置准确、抗噪声能力强等特点，所以本发明利用该检测方法对航点地标进行检测。

获取航点的坐标信息和高程信息，坐标信息包括航点的经度、纬度，表示为P_Way-point(longitude,latitude)，高程信息包括航点的高度，表示为A_Altitude；

（2）航点匹配

访问地面成像区域地貌表T3中，获取对应航点的β个角点特征，将步骤（1）获取的α个角点特征，与β个角点特征进行匹配，若

则匹配成功，M₀＝1，否则，匹配失败，M₀＝0；

同时，访问航段规划表T1，获取对应航点的坐标信息和高程信息，坐标信息包括航点的经度、纬度，表示为P′_Way-point(longitude,latitude)，高程信息包括航点的高度，表示为A′_Altitude；将步骤（1）得到的P_Way-point(longitude,latitude)、A_Altitude与P′_Way-point(longitude,latitude)、A′_Altitude进行匹配，计算二者的差值，得到结果M₁、M₂：

M_P＝|P_Way-point(longitude,latitude)-P′_Way-point(longitude,latitude)|

M_A＝|A_Altitude-A′_Altitude|

M_P表示航点坐标值之差，M_A表示航点高度值之差，若经纬度的差值均在0.1范围内，则M₁＝1，否则M₁＝0，同时若高度差值在10米范围内，则M₂＝1，否则M₂＝0；

第三步，提取飞行中地物角点特征及位置高程信息，进行任务载荷规划信息及地貌信息匹配；

已到达指定航点，结合先验图像信息或地理信息系统，根据任务载荷规划表T2中航点对应无人机的参数，调整无人机摄像机角度，采集多源数据；

多源数据包括：

A：图像信息：根据任务载荷规划表T2，调整CCD摄像机姿态，获得航点对应地貌的高清航拍图像；

B：导航信息：利用组合导航数据（主要为GPS）等，获取实时的地貌位置数据；

C：高程信息：采用激光测距，获得多点高度信息；

然后进行多源数据匹配，包括：

（1）地貌信息匹配

如图2所示，由于无人机飞行中受天气，温度，湿度等因素的影响，当前航拍图像与机载地貌数据库存在一定差异，因此首先对航拍图像进行预处理，包括中值滤波去噪、灰度增强方法；其次，计算航拍图像N个角点特征；最后，访问机载地貌数据库，提取当前位置的多个角点特征，与N个角特征点匹配，计算得到地貌图像数据和航拍图像数据的匹配特征点数M，若

则认为匹配成功，M₃＝1，否则为M₃＝0。

（2）位置与高程数据匹配

首先，对采集获得的地貌图像坐标信息机多点高度信息，对于坐标信息匹配，同第二步（2）中所述，地貌坐标信息包括地貌的经度、纬度，表示为P′_Object(longitude,latitude)，获取机载当前地貌坐标信息，表示为P_Object(longitude,latitude)，差值若M_O在0.1范围内，返回M₅=1，否则为0；对于高度信息匹配，则计算其均值和方差，分别为α₁、β₁，然后访问机载高程数据库，提取当前位置对应点的高程数据，并计算其均值方差，记为α₂、β₂；

M_O＝|P_Object(longitude,latitude)-P′_Object(longitude,latitude)|

M₄＝|α₁-α₂|+|β₁-β₂|

第四步，根据工况信息表T4数据计算加权系数和匹配阈值；

不同工况信息条件下，图像特征的提取与匹配结果有所不同，如气象条件差时图像角点特征提取较少，匹配结果不理想。因此根据工况信息表T4，根据工况信息，给予不同特征匹配加权系数λ和匹配阈值V，λ与工况信息等级成正比，而V与等级成反比：

λ＝2*(G+V+H+R)

$V=\frac{2}{G+V+H+R}+10$

第五步，加权计算，判断是否存在欺骗。

无人机飞行高度和当前位置的地貌环境会随着拍摄时间天气等因素发生变化，在位置匹配上容许一定的误差存在，综合上述采集得到的数据，经实验验证，选取下面的公式，P满足大于阈值V的情况下，认为无人机未被欺骗，反之，则认为被欺骗，启动应急措施。

P＝λ*M₀*M₁*M₂*M₃*M₅/M₄

本发明针对无人机防欺骗的实际应用需求，提出了一种不依赖数据通信链路，无人机定位信息防欺骗自主判断技术方案，根据机载设备测量数据和自身携带的先验数据，进行自主位置识别，判断是否被欺骗。

Claims (3)

1.链路失效时无人机定位信息防欺骗自主判断方法，包括以下几个步骤：

第一步，飞行前航段信息规划；

设航段的起始点为从点，到达点为到点，根据航路规划要求，在空中航段上设置N个航点，N大于等于2；

构建航段规划表T1：包括每个航点的航点号、经度、纬度、高度；

构建任务载荷规划表T2：包括在无人机拍摄图片时，无人机的平台方位角、平台俯仰角、相机焦距值；

构建地面成像区域地貌表T3：包括航点与航点之间航段地面成像区域的地物经度、地物纬度、地物高程、SUSAN角点特征；

构建工况信息表T4：包括地理G、气象V、人文H、成像分辨率R；

将航段规划表T1、任务载荷规划表T2、地面成像区域地貌表T3、工况信息表T4输入至机载飞控计算机中；

第二步，航点坐标信息数据采集并进行表T1信息匹配。

当需要进行无人机防欺骗操作时，对飞行的航点进行检测与识别，具体包括以下几个步骤：

（1）航点检测

采用SUSAN角点检测方法，对该航点对应的地面成像区域进行检测，得到α个角点特征；

获取航点的坐标信息和高程信息，坐标信息包括航点的经度、纬度，表示为P_Way-point(longitude,latitude)，高程信息包括航点的高度，表示为A_Altitude；

（2）航点匹配

访问地面成像区域地貌表T3，获取对应航点的β个角点特征，将步骤（1）获取的α个角点特征，与β个角点特征进行匹配，若

则匹配成功，M₀＝1，否则，匹配失败，M₀＝0；

同时，访问航段规划表T1，获取对应航点的坐标信息和高程信息，坐标信息包括航点的经度、纬度，表示为P′_Way-point(longitude,latitude)，高程信息包括航点的高度，表示为A′_Altitude；将步骤（1）得到的P_Way-point(longitude,latitude)、A_Altitude与P′_Way-point(longitude,latitude)、A′_Altitude进行匹配，计算二者的差值，得到结果M₁、M₂：

M_P＝|P_Way-point(longitude,latitude)-P′_Way-point(longitude,latitude)|

M_A＝|A_Altitude-A′_Altitude|

M_P表示航点坐标值之差，M_A表示航点高度值之差，若经纬度的差值均在0.1范围内，则M₁＝1，否则M₁＝0，同时若高度差值在10米范围内，则M₂＝1，否则M₂＝0；

第三步，提取飞行中地物角点特征及位置高程信息，进行任务载荷规划信息及地貌信息匹配；

已到达指定航点，结合先验图像信息或地理信息系统，根据任务载荷规划表T2中航点对应无人机的参数，调整无人机摄像机角度，采集多源数据；

多源数据包括：

A：图像信息：根据任务载荷规划表T2，调整CCD摄像机姿态，获得航点对应地貌的高清航拍图像；

B：导航信息：利用组合导航数据，获取实时的地貌位置数据；

C：高程信息：采用激光测距，获得多点高度信息；

然后进行多源数据匹配，包括：

（1）地貌信息匹配

首先对航拍图像进行预处理；其次，计算航拍图像N个角点特征；最后，访问机载地貌数据库，提取当前位置的多个角点特征，与N个角特征点匹配，计算得到地貌图像数据和航拍图像数据的匹配特征点数M，若

则认为匹配成功，M₃＝1，否则为M₃＝0。

（2）位置与高程数据匹配

首先，对采集获得的地貌图像坐标信息及多点高度信息，地貌坐标信息包括地貌的经度、纬度，表示为P′_Object(longitude,latitude)，获取机载当前地貌坐标信息，表示为P_Object(longitude,latitude)，差值若M_O在A范围内，返回M₅=1，否则为0；

M_O＝|P_Object(longitude,latitude)-P′_Object(longitude,latitude)|

对于高度信息匹配，计算其均值和方差，分别为α₁、β₁，然后访问机载高程数据库，提取当前位置对应点的高程数据，并计算其均值方差，记为α₂、β₂；

M₄＝|α₁-α₂|+|β₁-β₂|

第四步，根据工况信息表T4数据计算加权系数和匹配阈值；

根据工况信息表T4，给予不同特征匹配加权系数λ和匹配阈值V：

λ＝2*(G+V+H+R)

$V=\frac{2}{G+V+H+R}+10$

第五步，加权计算。

当P大于阈值V，则无人机未被欺骗，反之，无人机被欺骗：

P＝λ*M₀*M₁*M₂*M₃*M₅/M₄

2.根据权利要求1所述的链路失效时无人机定位信息防欺骗自主判断方法，所述的A=0.1。

3.根据权利要求1所述的链路失效时无人机定位信息防欺骗自主判断方法，所述的B=10。

Images