Localização de alvos por imagem eletro-óptica de drones e fatores que influenciam a precisão

  • role: First author第一作者
  • Affiliation:

    Department of Information Engineering, Army Arms University of PLA, Hefei 230031, China

  • Email:1435434521@qq.com
  • Introduction:王欢庆(1995-),男,安徽亳州人,博士,讲师,2023年于合肥工业大学获得博士学位, 现为陆军兵种大学兵器科学与技术博士后科研流动站博士后,主要从事视觉测量及目标定位方面的研究。E-mail:1435434521@qq.com
WANG Huanqing,  
  • Affiliation:

    Department of Information Engineering, Army Arms University of PLA, Hefei 230031, China

HAN Yusheng,  
  • Affiliation:

    Department of Information Engineering, Army Arms University of PLA, Hefei 230031, China

XUE Mogen,  
  • Affiliation:

    Department of Information Engineering, Army Arms University of PLA, Hefei 230031, China

WANG Feng,  
  • role: Corresponding author通信作者
  • Affiliation:

    Department of Information Engineering, Army Arms University of PLA, Hefei 230031, China

  • Email:1802019569@qq.com
  • Introduction:黄勤超(1976-),男,安徽全椒人,博士,副教授,2006年于中国科学学院等离子体物理研究所获得博士学位,主要从事光电信息处理技术方面的研究。E-mail:1802019569@qq.com
HUANG Qinchao*

Resumo

Para melhorar a precisão da localização de alvos por imagem eletro-óptica de drones, os métodos de localização e o design do sistema foram otimizados adicionalmente. Foi construído um modelo de localização de alvos por imagem eletro-óptica, alcançando a localização geométrica espacial por meio da transformação de coordenadas, utilizando a teoria da síntese de erros para avaliar a sensibilidade ao erro. O método de Monte Carlo combinado com medições reais foi utilizado para avaliar a precisão do modelo de localização e investigar o efeito de acoplamento dos erros na medição do ângulo. O método de Monte Carlo mostrou que, à medida que o número de medições aumenta, o erro de localização segue uma distribuição normal com média zero no sistema de coordenadas cartesianas terrestres, e o erro espacial de localização reduziu-se de 18,71 m para 0,28 m, aproximando-se do valor real medido. Após a análise dos fatores que influenciam a precisão, constatou-se que a influência do erro de medição de distância depende principalmente do valor do erro, enquanto a influência dos erros de ângulo e atitude está intimamente relacionada ao estado da medição. Este artigo avalia o efeito de acoplamento de erros heterogêneos de múltiplas fontes e revela os mecanismos de influência de cada fonte de erro na precisão da localização, fornecendo base teórica para o desenvolvimento de estratégias de supressão de erros na localização eletro-óptica de drones, sendo de grande importância para melhorar a precisão da medição na localização de alvos.

Palavras-chave

localização por imagem eletro-óptica;precisão da localização;modelo de localização de alvos;análise de erros

References

  1. 1.
    LING ZH CH, LEI ZH K, HUANG D Q, et al. UAV target positioning integrating multi-dimensional attitude adaptive sensing[J]. Opt. Precision Eng., 2024, 32(14): 2272-2285. (in Chinese). doi:
  2. 2.
    LV G M, LI Q, CHEN Y T, et al. An improved scheme and numerical simulation of segmented planar imaging detector for electro-optical reconnaissance[J]. Optical Review, 2019, 26(6): 664-675. doi:
  3. 3.
    XIONG Y P, CHEN SH Y, HUANG CH, et al. Large field optical imaging system based on freeform surface optics[J]. Opt. Precision Eng., 2024, 32(9): 1261-1272. (in Chinese). doi:
  4. 4.
    SONG L D, LI H W, WANG M H, et al. EIS for ground-based imaging systems supporting scene switching perception[J]. Opt. Precision Eng., 2024, 32(22): 3383-3394. (in Chinese). doi:
  5. 5.
    DING D, SHI F, LI Y. Low-illumination color imaging: progress and challenges[J]. Optics & Laser Technology, 2025, 184: 112553. doi:
  6. 6.
    DAI D CH, ZHENG L N, ZHANG Y, et al. Sharpness detection method for aerial camera images based on digital elevation model[J]. Acta Optica Sinica, 2023, 43(6): 0610001. (in Chinese). doi:
  7. 7.
    QIAO CH, DING Y L, XU Y S, et al. Ground target geolocation based on digital elevation model for airborne wide-area reconnaissance system[J]. Journal of Applied Remote Sensing, 2018, 12(1): 1. doi:
  8. 8.
    LEE W, BANG H, LEEGHIM H. Cooperative localization between small UAVs using a combination of heterogeneous sensors[J]. Aerospace Science and Technology, 2013, 27(1): 105-111. doi:
  9. 9.
    SHI K, YANG H T, PENG J W, et al. High-speed target location based on photoelectric imaging and laser ranging with fast steering mirror deflection[J]. Photonics, 2025, 12(2): 108. doi:
  10. 10.
    ZHANG Z Y, LI N, YAN G M, et al. The development of distributed cooperative localization algorithms for Multi-UAV systems in the past decade[J]. Measurement, 2025, 256: 118040. doi:
  11. 11.
    TANG X S, YANG L, WANG D, et al. A collaborative navigation algorithm for UAV Ad Hoc network based on improved sequence quadratic programming and unscented Kalman filtering in GNSS denied area[J]. Measurement, 2025, 242: 115977. doi:
  12. 12.
    ZHENG J Y, DING F. A filtering-based recursive extended least squares algorithm and its convergence for finite impulse response moving average systems[J]. International Journal of Robust and Nonlinear Control, 2024, 34(9): 6063-6082. doi:
  13. 13.
    YAN X J, ZHU H M, SUN SH Y, et al. An improved mutant firefly algorithm optimized particle filter algorithm for UAV target positioning[J]. Acta Armamentarii, 2025, 46(5): 76-88. (in Chinese)
  14. 14.
    LI ZH J, LI C, LIU H, et al. Review of optoelectronic tracking systems for aerospace targets[J]. Chinese Journal of Lasers, 2025, 52(6): 0600002. (in Chinese)
  15. 15.
    ZHANG ZH H, DU L X, HOU Y, et al. Multi-feature cross UAV image detection algorithm under cross-layer attentional interaction[J]. Opt. Precision Eng., 2024, 32(24): 3616-3631. (in Chinese). doi:
  16. 16.
    ZHANG H, QIAO CH, KUANG H P. Target geo-location based on laser range finder for airborne electro-optical imaging systems[J]. Opt. Precision Eng., 2019, 27(1): 8-16. (in Chinese). doi:
  17. 17.
    GUO R Z, SUN X Y, SUN B, et al. Calibration and guidance-positioning method for UAV-mounted laser rangefinders[J]. Chinese Journal of Scientific Instrument, 2025, 46(4): 44-55. (in Chinese)
  18. 18.
    XING X Y, ZHONG Z W, LI X T, et al. Node selection and path optimization for passive target localization via UAVs[J]. Sensors, 2025, 25(3): 780. doi:
  19. 19.
    DU Y L, DING Y L, XU Y S, et al. Geo-location algorithm for TDI-CCD aerial panoramic camera[J]. Acta Optica Sinica, 2017, 37(3): 0328003. (in Chinese). doi:
  20. 20.
    LUO X L, JIANG W P. A modified adaptive Monte Carlo method for nonlinear function error propagation[J]. Journal of Geomatics, 2024, 49(1): 36-41. (in Chinese)
  21. 21.
    YE J, ZHANG Y, CHEN Y J. An improved Monte Carlo tree search algorithm with dynamic classification for multi-spacecraft multi-target allocation[J]. Advances in Space Research, 2025, 76(1): 412-428. doi:
  22. 22.
    JIN ZH F, LEI ZH K, XU Y. Target orientation accuracy analysis based on UAV photoelectric imaging platform[J]. Optical Instruments, 2014, 36(4): 346-351. (in Chinese)

Leia o texto completo

The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website