在无人机监视技术飞速发展的当下，高效、自主的监视系统已成为国防与安防领域的核心需求。隐身院最新发布的《无人机利用AI技术识别地面目标流程研究》，聚焦配备光电视觉传感器的无人空中监视系统，通过优化空中探测与目标跟踪的规划方法，大幅提升系统自主化水平与整体运行性能，破解复杂场景下的监视难题。全文约97200字(中文)
在基于信息的规划研究中，采用多种信息测度，专门解决仅方位估计的最优轨迹规划难题——简单来说，就是如何操控无人机，在利用视觉传感器观测目标的同时，实现对目标位置的最优估计，并为此提出基于信息滤波与微分熵的两种核心方法，其中信息滤波方法还被用于构建全新探测框架，可同时兼顾无人机飞行轨迹与传感器指向的协同控制，让信息获取更高效、定位更精准。
在贝叶斯目标搜索方面，围绕“已知目标先验位置信息下，快速发现目标”这一核心需求，针对搭载有限视场可控视觉传感器的无人机，分别提出基于梯度搜索与组合优化的两种求解方法，有效提升了目标搜索的效率与成功率，可适配不同复杂程度的搜索场景。
本研究聚焦无人机监视的实际应用场景，尤其针对国际任务中的车队防护——通过无人机自主沿任务路线搜索威胁，在车队周围及前方构建“动态防护区”，大幅降低操作员的工作压力，无论是高压力的复杂场景，还是单调的长期监视任务，都能稳定发挥作用。该无人机搭载可转向云台传感器系统，配备可见光视频和/或红外传感器，适配固定翼、垂直起降等多种机型，实用性极强。
针对实际应用中的关键痛点，还给出了切实可行的解决方案：利用地图、卫星图像、地理信息数据等先验信息，提升目标跟踪与规划的准确性，即便未检测到目标，也可借助环境先验知识排除不合理的目标位置假设；通过优化无人机运动轨迹，实现目标信息获取的最大化，为目标分类、识别、重识别提供高质量图像数据；基于科学模型优化目标搜索策略，提升目标检测概率；针对多目标场景，解决传感器指向控制与目标跟踪顺序规划问题，避免目标丢失。
整项研究分为四个核心部分，从规划与目标跟踪的背景铺垫，到基于信息的规划、贝叶斯目标搜索两种核心方法的深入研发，再到多种方法的集成与仿真验证，形成了完整的技术体系。所有研究成果均经过系统验证，仿真结果表明，集成后的规划方法能显著提升无人机监视系统的性能，为无人机自主监视提供了可靠的技术支撑，可广泛应用于国防、安防等多个领域，具有极高的推广价值与应用前景。
图 1 无人机及传感器示例：（a）RQ-7无人机；（b）带红外传感器的陀螺稳定传感器云台
图 3 先验信息示例：地图（a）、正射影像（b）、卫星图像及地理信息数据均可用于提升目标搜索与跟踪效果；若在同一区域常态化执行监视任务，还可合理假设具备三维模型（c）
图 4 无人机接近位于林地边缘的已探测目标时的红外图像序列。距离目标越近，能够获取的信息就越多
图 5 上左图：道路网络信息与遮挡模型基于瑞典林雪平附近区域构建，同时提供了可用于逼真光电/红外/激光传感器仿真的合成三维模型；上右图：蒙特卡洛仿真中使用的道路网络，目标真实起始位置的均值用圆形表示，传感器的固定位置用星形表示，目标沿道路1、2、3行驶；下图：采用与右图相同的网络模型，但增加了遮挡模型，道路两侧以“墙体”形式表示遮挡区域
需要英文原文及更多国外装备伪装隐身技术资料欢迎联系13810077682（微信同号）
长按识别二维码，获取更多精彩内容
免责声明：本公众号目前所载内容为本公众号原创、网络转载或根据非密公开性信息资料编辑整理，相关内容仅供参考及学习交流使用。由于部分文字、图片等来源于互联网，无法核实真实出处，如涉及相关争议，请跟我们联系。我们致力于保护作者知识产权或作品版权，本公众号所载内容的知识产权或作品版权归原作者所有。本公众号拥有对此声明的最终解释权。