信標光定位跟蹤方法、裝置、電子設備及存儲介質與流程
2023-06-24 16:44:03 2
1.本技術實施例涉及運維技術領域，尤其涉及一種信標光定位跟蹤方法、裝置、電子設備及存儲介質。
背景技術：
2.在建立雷射通信鏈路的過程中，首先使用發散角較大的信標光完成粗瞄，接收終端捕獲信標光從而調整姿態角實現兩個光通信終端的對接。受大氣湍流和衛星平臺微擾動等因素的影響，接收光斑發生漂移抖動，影響光通信鏈路，造成光通信質量下降。因此在實際的通信過程中，需要對接收端信標光的位置進行跟蹤預測，實時調整接收端姿態角。
3.通常，會使用最小二乘法對信標光的位置進行預測，將前面時刻採集到的光斑的中心進行擬合生成一個函數來預測下一時刻光斑的中心位置，為了減少計算量通常擬合成一次函數或二次函數。
4.最小二乘法預測誤差隨光斑振動頻率的變化，在低頻振動階段，最小二乘法預測誤差較小，但是隨著光斑振動頻率的增大，預測誤差增大且增速變快，因此最小二乘法不適合用於高頻振動的預測，存在較大的誤差。
技術實現要素：
5.本技術實施例提供一種信標光定位跟蹤方法、裝置、電子設備及存儲介質，以提高定位跟蹤的準確性。
6.第一方面，本技術實施例提供了一種信標光定位跟蹤方法，所述方法包括：
7.獲取前次對於所述信標光形成的光斑圖像的最優估計質心位置和本次觀測的觀測信息；
8.利用預設兩階段模型，根據獲取的前次所述最優估計質心位置預測本次預測的預測質心位置以及協方差信息；
9.利用衰減卡爾曼濾波原理，根據所述本次觀測的觀測信息、所述本次預測的預測質心位置以及所述協方差信息進行更新操作，得到本次對於所述信標光形成的光斑圖像的最優估計質心位置。
10.第二方面，本技術實施例還提供了一種信標光定位跟蹤裝置，該信標光定位跟蹤裝置包括：
11.獲取模塊，用於獲取前次對於所述信標光形成的光斑圖像的最優估計質心位置和本次觀測的觀測信息；
12.預測模塊，用於利用預設兩階段模型，根據獲取的前次所述最優估計質心位置預測本次預測的預測質心位置以及協方差信息；
13.更新模塊，用於利用衰減卡爾曼濾波原理，根據所述本次觀測的觀測信息、所述本次預測的預測質心位置以及所述協方差信息進行更新操作，得到本次對於所述信標光形成的光斑圖像的最優估計質心位置。
14.第三方面，本技術實施例還提供了一種電子設備，所述電子設備包括：
15.一個或多個處理器；
16.存儲裝置，用於存儲一個或多個程序，
17.當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如本技術任一實施例提供的信標光定位跟蹤方法。
18.第四方面，本技術實施例還提供了一種計算機可讀存儲介質，其上存儲有電腦程式，其特徵在於，該程序被處理器執行時實現如本技術任一實施例提供的信標光定位跟蹤方法。
19.本技術實施例的技術方案，首先獲取前次對於所述信標光形成的光斑圖像的最優估計質心位置和本次觀測的觀測信息；然後利用預設兩階段模型，根據獲取的前次所述最優估計質心位置預測本次預測的預測質心位置以及協方差信息；最後利用衰減卡爾曼濾波原理，根據所述本次觀測的觀測信息、所述本次預測的預測質心位置以及所述協方差信息進行更新操作，得到本次對於所述信標光形成的光斑圖像的最優估計質心位置。基於此，本技術結合了衰減卡爾曼濾波和兩階段動態模型，無論是高頻還是低頻，都能夠具有更好的預測效果。
附圖說明
20.圖1為本技術實施例一提供的信標光定位跟蹤方法的流程示意圖；
21.圖2為本技術實施例二提供的一種信標光定位跟蹤裝置的結構示意圖；
22.圖3為本技術實施例三提供的一種電子設備的結構示意圖。
具體實施方式
23.下面結合附圖和實施例對本技術作進一步的詳細說明。可以理解的是，此處所描述的具體實施例僅僅用於解釋本技術，而非對本技術的限定。另外還需要說明的是，為了便於描述，附圖中僅示出了與本技術相關的部分而非全部結構。
24.實施例一
25.圖1為本技術實施例一提供的信標光定位跟蹤方法的流程示意圖，本實施例可適用於信標光定位跟蹤的場景。該方法可以由信標光定位跟蹤裝置來執行，該裝置可採用硬體和/或軟體的方式實現,並一般可以集成在具有數據運算能力的計算機等電子設備中，具體包括如下步驟：
26.步驟101、獲取前次對於所述信標光形成的光斑圖像的最優估計質心位置和本次觀測的觀測信息。
27.需要說明的是，本技術的方案是為了實時跟蹤信標光質心，且是利用前次的最優估計質心位置以及本次觀測的觀測信息預測出本次的最優估計質心位置，因此，對於本次預測過程，前次預測出的最優估計質心位置便是本方案的輸入之一了。
28.其中，觀測信息可以包括觀測矩陣以及觀測誤差。
29.步驟102、利用預設兩階段模型，根據獲取的前次所述最優估計質心位置預測本次預測的預測質心位置以及協方差信息。
30.本步驟中，兩階段模型是兩個模型的組合，即自由的模型和保守的模型，自由模型
允許追蹤目標的運動有更大的擾動，將追蹤目標的移動看作介於隨機運動(random-walk，rw)和近似常速的運動(nearly constant velocity dynamics，ncv)。而保守模型假定追蹤目標的速率不會有突然的變化，使用自適應濾波通過先前的狀態預測當前的狀態。
31.具體的，在預測本次的預測質心位置時，可以先根據狀態轉移矩陣確定公式確定從前次指向本次的狀態轉移矩陣；再將所述狀態轉移矩陣以及獲取的前次所述最優估計質心位置發送給兩階段模型預測算法中；最後獲取所述兩階段模型預測算法輸出的本次預測的預測質心位置。
32.其中，兩階段模型預測算法為：
[0033][0034]
其中，x
(k)
為本次預測的預測質心位置；φ
(k|k-1)
為狀態轉移矩陣；v(k-1)為前次質心擺動速度；w
1,(k-1)
為標識預測過程噪聲的控制量；x(k-1)為前次所述最優估計質心位置；
[0035]
另外，γ2＝1-e-βt
[0036]
需要說明的是，狀態轉移矩陣為：
[0037][0038]
其中，
[0039]
另外，所述協方差信息包括預測噪聲協方差和觀察噪聲協方差，進一步地，確定協方差信息的過程包括：
[0040]
基於第一矩陣公式確定預測噪聲協方差，以及根據第二矩陣公式確定觀察噪聲協方差；
[0041]
所述第一矩陣公式為：
[0042]
其中，
[0043]
[0044][0045][0046]
所述第二矩陣公式為：
[0047]
其中，其中，
[0048]
步驟103、利用衰減卡爾曼濾波原理，根據所述本次觀測的觀測信息、所述本次預測的預測質心位置以及所述協方差信息進行更新操作，得到本次對於所述信標光形成的光斑圖像的最優估計質心位置。
[0049]
本步驟中，具體為，利用觀測質心位置公式，根據所述本次觀測的觀測信息確定本次觀測質心位置；根據增益矩陣公式、所述本次的協方差預測結果、所述協方差信息確定增益矩陣；根據觀測質心位置預測公式、前次所述最優估計質心位置確定本次觀測質心預測位置；根據最優估計質心位置公式、前次所述最優估計質心位置、所述增益矩陣、所述本次觀測質心位置、所述本次觀測質心預測位置確定最優估計質心位置。
[0050]
另外，本實施例還可以根據協方差預測公式、所述協方差信息、前次協方差最優估計確定前次對本次的協方差預測結果。
[0051]
具體的，觀測質心位置從式為：z
(k)
＝h
(k)
x
(k)
+w
2，(k)
，其中，h
(k)
是觀察矩陣，w
2，(k)
是觀察誤差。
[0052]
另外，增益矩陣公式為：l
(k)
＝p
(k|k-1)
(p
(k|k-1)
+q
2，(k)
)-1
，其中，p
(k|k-1)
為本次的協方差預測結果，q
2，(k)
為觀察噪聲協方差。
[0053]
觀測質心位置預測公式為：其中，φ
(k|k-1)
為該預測模型的狀態轉移矩陣，為前次所述最優估計質心位置，代表輸入的速率，是當前噪聲的均值；ψ
(k|k-1)
代表k-1時刻(前次)對k時刻(本次)的預測。
[0054]
最優估計質心位置公式為：
[0055]
其中，為前次所述最優估計質心位置、l
(k)
為所述增益矩陣、z
(k)
為所述本次觀測質心位置、為所述本次觀測質心預測位置、φ
(k|k-1)
為該預測模型的狀態轉移矩陣。
[0056]
協方差預測公式為p
(k|k)
＝(i-l
(k)
)p
(k|k-1)
，其中，l
(k)
為所述增益矩陣，p
(k|k-1)
為本
次的協方差預測結果，i為單位矩陣。
[0057]
本實施例中，首先獲取前次對於所述信標光形成的光斑圖像的最優估計質心位置和本次觀測的觀測信息；然後利用預設兩階段模型，根據獲取的前次所述最優估計質心位置預測本次預測的預測質心位置以及協方差信息；最後利用衰減卡爾曼濾波原理，根據所述本次觀測的觀測信息、所述本次預測的預測質心位置以及所述協方差信息進行更新操作，得到本次對於所述信標光形成的光斑圖像的最優估計質心位置。基於此，本技術結合了衰減卡爾曼濾波和兩階段動態模型，無論是高頻還是低頻，都能夠具有更好的預測效果。
[0058]
實施例二
[0059]
圖2為本技術實施例二提供的一種信標光定位跟蹤裝置的結構示意圖。本技術實施例所提供的信標光定位跟蹤裝置可執行本技術任意實施例所提供的信標光定位跟蹤方法，具備執行方法相應的功能模塊和有益效果。該裝置可採用軟體和/或硬體的方式實現，如圖2所示，信標光定位跟蹤裝置具體包括：獲取模塊201、預測模塊202、更新模塊203。
[0060]
其中，獲取模塊，用於獲取前次對於所述信標光形成的光斑圖像的最優估計質心位置和本次觀測的觀測信息；
[0061]
預測模塊，用於利用預設兩階段模型，根據獲取的前次所述最優估計質心位置預測本次預測的預測質心位置以及協方差信息；
[0062]
更新模塊，用於利用衰減卡爾曼濾波原理，根據所述本次觀測的觀測信息、所述本次預測的預測質心位置以及所述協方差信息進行更新操作，得到本次對於所述信標光形成的光斑圖像的最優估計質心位置。
[0063]
本實施例中，首先獲取前次對於所述信標光形成的光斑圖像的最優估計質心位置和本次觀測的觀測信息；然後利用預設兩階段模型，根據獲取的前次所述最優估計質心位置預測本次預測的預測質心位置以及協方差信息；最後利用衰減卡爾曼濾波原理，根據所述本次觀測的觀測信息、所述本次預測的預測質心位置以及所述協方差信息進行更新操作，得到本次對於所述信標光形成的光斑圖像的最優估計質心位置。基於此，本技術結合了衰減卡爾曼濾波和兩階段動態模型，無論是高頻還是低頻，都能夠具有更好的預測效果。
[0064]
進一步的，預測模塊具體用於：
[0065]
根據狀態轉移矩陣確定公式確定從前次指向本次的狀態轉移矩陣；
[0066]
將所述狀態轉移矩陣以及獲取的前次所述最優估計質心位置發送給兩階段模型預測算法中；
[0067]
獲取所述兩階段模型預測算法輸出的本次預測的預測質心位置。
[0068]
進一步地，所述兩階段模型預測算法為：
[0069][0070]
其中，x
(k)
為本次預測的預測質心位置；φ
(k|k-1)
為狀態轉移矩陣；v(k-1)為前次質心擺動速度；w
1,(k-1)
為標識預測過程噪聲的控制量；x(k-1)為前次所述最優估計質心位置；
[0071]
另外，γ2＝1-e-βt
[0072]
進一步地，所述狀態轉移矩陣為：
[0073][0074]
其中，
[0075]
進一步地，所述協方差信息包括預測噪聲協方差和觀察噪聲協方差，裝置還包括：
[0076]
方差信息確定模塊，用於基於第一矩陣公式確定預測噪聲協方差，以及根據第二矩陣公式確定觀察噪聲協方差；
[0077]
所述第一矩陣公式為：
[0078]
其中，
[0079][0080][0081][0082]
所述第二矩陣公式為：
[0083]
其中，其中，
[0084]
進一步地，更新模塊具體用於：
[0085]
利用觀測質心位置公式，根據所述本次觀測的觀測信息確定本次觀測質心位置；
[0086]
根據增益矩陣公式、所述本次的協方差預測結果、所述協方差信息確定增益矩陣；
[0087]
根據觀測質心位置預測公式、前次所述最優估計質心位置確定本次觀測質心預測位置；
[0088]
根據最優估計質心位置公式、前次所述最優估計質心位置、所述增益矩陣、所述本
次觀測質心位置、所述本次觀測質心預測位置確定最優估計質心位置。
[0089]
進一步地，裝置還包括：
[0090]
協方差預測模塊，用於根據協方差預測公式、所述協方差信息、前次協方差最優估計確定前次對本次的協方差預測結果。
[0091]
實施例三
[0092]
圖3為本技術實施例三提供的一種電子設備的結構示意圖，如圖3所示，該電子設備包括處理器310、存儲器320、輸入裝置330和輸出裝置340；電子設備中處理器310的數量可以是一個或多個，圖3中以一個處理器310為例；電子設備中的處理器310、存儲器320、輸入裝置330和輸出裝置340可以通過總線或其他方式連接，圖3中以通過總線連接為例。
[0093]
存儲器320作為一種計算機可讀存儲介質，可用於存儲軟體程序、計算機可執行程序以及模塊，如本發明實施例中的信標光定位跟蹤方法對應的程序指令/模塊(例如，信標光定位跟蹤裝置中的獲取模塊201、預測模塊202、更新模塊203)。處理器310通過運行存儲在存儲器320中的軟體程序、指令以及模塊，從而執行電子設備的各種功能應用以及數據處理，即實現上述的信標光定位跟蹤方法：
[0094]
獲取前次對於所述信標光形成的光斑圖像的最優估計質心位置和本次觀測的觀測信息；
[0095]
利用預設兩階段模型，根據獲取的前次所述最優估計質心位置預測本次預測的預測質心位置以及協方差信息；
[0096]
利用衰減卡爾曼濾波原理，根據所述本次觀測的觀測信息、所述本次預測的預測質心位置以及所述協方差信息進行更新操作，得到本次對於所述信標光形成的光斑圖像的最優估計質心位置。
[0097]
首先獲取前次對於所述信標光形成的光斑圖像的最優估計質心位置和本次觀測的觀測信息；然後利用預設兩階段模型，根據獲取的前次所述最優估計質心位置預測本次預測的預測質心位置以及協方差信息；最後利用衰減卡爾曼濾波原理，根據所述本次觀測的觀測信息、所述本次預測的預測質心位置以及所述協方差信息進行更新操作，得到本次對於所述信標光形成的光斑圖像的最優估計質心位置。基於此，本技術結合了衰減卡爾曼濾波和兩階段動態模型，無論是高頻還是低頻，都能夠具有更好的預測效果。
[0098]
進一步地，所述利用預設兩階段模型，根據獲取的前次所述最優估計質心位置預測本次預測的預測質心位置，包括：
[0099]
根據狀態轉移矩陣確定公式確定從前次指向本次的狀態轉移矩陣；
[0100]
將所述狀態轉移矩陣以及獲取的前次所述最優估計質心位置發送給兩階段模型預測算法中；
[0101]
獲取所述兩階段模型預測算法輸出的本次預測的預測質心位置。
[0102]
進一步地，所述兩階段模型預測算法為：
[0103][0104]
其中，x
(k)
為本次預測的預測質心位置；φ
(k|k-1)
為狀態轉移矩陣；v(k-1)為前次質心擺動速度；w
1,(k-1)
為標識預測過程噪聲的控制量；x(k-1)為前次所述最優估計質心位置；
[0105]
另外，γ2＝1-e-βt
[0106]
進一步地，所述狀態轉移矩陣為：
[0107][0108]
其中，
[0109]
進一步地，所述協方差信息包括預測噪聲協方差和觀察噪聲協方差，確定協方差信息的過程包括：
[0110]
基於第一矩陣公式確定預測噪聲協方差，以及根據第二矩陣公式確定觀察噪聲協方差；
[0111]
所述第一矩陣公式為：
[0112]
其中，
[0113][0114][0115][0116]
所述第二矩陣公式為：
[0117]
其中，其中，
[0118]
進一步地，利用衰減卡爾曼濾波原理，根據所述本次觀測的觀測信息、所述本次預
測的預測質心位置以及所述協方差信息進行更新操作，得到本次對於所述信標光形成的光斑圖像的最優估計質心位置，包括：
[0119]
利用觀測質心位置公式，根據所述本次觀測的觀測信息確定本次觀測質心位置；
[0120]
根據增益矩陣公式、所述本次的協方差預測結果、所述協方差信息確定增益矩陣；
[0121]
根據觀測質心位置預測公式、前次所述最優估計質心位置確定本次觀測質心預測位置；
[0122]
根據最優估計質心位置公式、前次所述最優估計質心位置、所述增益矩陣、所述本次觀測質心位置、所述本次觀測質心預測位置確定最優估計質心位置。
[0123]
進一步地，所述方法還包括：
[0124]
根據協方差預測公式、所述協方差信息、前次協方差最優估計確定前次對本次的協方差預測結果。
[0125]
存儲器320可主要包括存儲程序區和存儲數據區，其中，存儲程序區可存儲作業系統、至少一個功能所需的應用程式；存儲數據區可存儲根據終端的使用所創建的數據等。此外，存儲器320可以包括高速隨機存取存儲器，還可以包括非易失性存儲器，例如至少一個磁碟存儲器件、快閃記憶體器件、或其他非易失性固態存儲器件。在一些實例中，存儲器320可進一步包括相對於處理器310遠程設置的存儲器，這些遠程存儲器可以通過網絡連接至電子設備。上述網絡的實例包括但不限於網際網路、企業內部網、區域網、移動通信網及其組合。
[0126]
實施例四
[0127]
本技術實施例四還提供一種包含計算機可執行指令的存儲介質，計算機可執行指令在由計算機處理器執行時用於執行一種信標光定位跟蹤方法，該方法包括：
[0128]
獲取前次對於所述信標光形成的光斑圖像的最優估計質心位置和本次觀測的觀測信息；
[0129]
利用預設兩階段模型，根據獲取的前次所述最優估計質心位置預測本次預測的預測質心位置以及協方差信息；
[0130]
利用衰減卡爾曼濾波原理，根據所述本次觀測的觀測信息、所述本次預測的預測質心位置以及所述協方差信息進行更新操作，得到本次對於所述信標光形成的光斑圖像的最優估計質心位置。
[0131]
首先獲取前次對於所述信標光形成的光斑圖像的最優估計質心位置和本次觀測的觀測信息；然後利用預設兩階段模型，根據獲取的前次所述最優估計質心位置預測本次預測的預測質心位置以及協方差信息；最後利用衰減卡爾曼濾波原理，根據所述本次觀測的觀測信息、所述本次預測的預測質心位置以及所述協方差信息進行更新操作，得到本次對於所述信標光形成的光斑圖像的最優估計質心位置。基於此，本技術結合了衰減卡爾曼濾波和兩階段動態模型，無論是高頻還是低頻，都能夠具有更好的預測效果。
[0132]
進一步地，所述利用預設兩階段模型，根據獲取的前次所述最優估計質心位置預測本次預測的預測質心位置，包括：
[0133]
根據狀態轉移矩陣確定公式確定從前次指向本次的狀態轉移矩陣；
[0134]
將所述狀態轉移矩陣以及獲取的前次所述最優估計質心位置發送給兩階段模型預測算法中；
[0135]
獲取所述兩階段模型預測算法輸出的本次預測的預測質心位置。
[0136]
進一步地，所述兩階段模型預測算法為：
[0137][0138]
其中，x
(k)
為本次預測的預測質心位置；φ
(k|k-1)
為狀態轉移矩陣；v(k-1)為前次質心擺動速度；w
1,(k-1)
為標識預測過程噪聲的控制量；x(k-1)為前次所述最優估計質心位置；
[0139]
另外，γ2＝1-e-βt
[0140]
進一步地，所述狀態轉移矩陣為：
[0141][0142]
其中，
[0143]
進一步地，所述協方差信息包括預測噪聲協方差和觀察噪聲協方差，確定協方差信息的過程包括：
[0144]
基於第一矩陣公式確定預測噪聲協方差，以及根據第二矩陣公式確定觀察噪聲協方差；
[0145]
所述第一矩陣公式為：
[0146]
其中，
[0147][0148][0149][0150]
所述第二矩陣公式為：
[0151]
其中，其中，
[0152]
進一步地，利用衰減卡爾曼濾波原理，根據所述本次觀測的觀測信息、所述本次預測的預測質心位置以及所述協方差信息進行更新操作，得到本次對於所述信標光形成的光斑圖像的最優估計質心位置，包括：
[0153]
利用觀測質心位置公式，根據所述本次觀測的觀測信息確定本次觀測質心位置；
[0154]
根據增益矩陣公式、所述本次的協方差預測結果、所述協方差信息確定增益矩陣；
[0155]
根據觀測質心位置預測公式、前次所述最優估計質心位置確定本次觀測質心預測位置；
[0156]
根據最優估計質心位置公式、前次所述最優估計質心位置、所述增益矩陣、所述本次觀測質心位置、所述本次觀測質心預測位置確定最優估計質心位置。
[0157]
進一步地，所述方法還包括：
[0158]
根據協方差預測公式、所述協方差信息、前次協方差最優估計確定前次對本次的協方差預測結果。
[0159]
當然,本技術實施例所提供的一種包含計算機可執行指令的存儲介質,其計算機可執行指令不限於如上的方法操作,還可以執行本技術任意實施例所提供的信標光定位跟蹤方法中的相關操作。
[0160]
通過以上關於實施方式的描述，所屬領域的技術人員可以清楚地了解到，本技術可藉助軟體及必需的通用硬體來實現，當然也可以通過硬體實現，但很多情況下前者是更佳的實施方式。基於這樣的理解，本技術的技術方案本質上或者說對現有技術做出貢獻的部分可以以軟體產品的形式體現出來，該計算機軟體產品可以存儲在計算機可讀存儲介質中，如計算機的軟盤、只讀存儲器(read-only memory,rom)、隨機存取存儲器(random access memory,ram)、快閃記憶體(flash)、硬碟或光碟等，包括若干指令用以使得一臺計算機設備(可以是個人計算機，伺服器，或者網絡設備等)執行本技術各個實施例的方法。
[0161]
值得注意的是，上述搜索裝置的實施例中，所包括的各個單元和模塊只是按照功能邏輯進行劃分的，但並不局限於上述的劃分，只要能夠實現相應的功能即可；另外，各功能單元的具體名稱也只是為了便於相互區分，並不用於限制本技術的保護範圍。
[0162]
注意，上述僅為本技術的較佳實施例及所運用技術原理。本領域技術人員會理解，本技術不限於這裡的特定實施例，對本領域技術人員來說能夠進行各種明顯的變化、重新調整和替代而不會脫離本技術的保護範圍。因此，雖然通過以上實施例對本技術進行了較為詳細的說明，但是本技術不僅僅限於以上實施例，在不脫離本技術構思的情況下，還可以包括更多其他等效實施例，而本技術的範圍由所附的權利要求範圍決定。