无人机集的协同编队能力评估方法、装置及设备

1.本发明涉及无人机技术领域，具体涉及一种无人机集的协同编队能力评估方法、装置及设备。

背景技术：

2.多无人机协同编队是指无人机拥有计算和决策能力，能够独立承担系统部分任务，通过周围信息进行感知并与之交互，无人机之间相互协调，运动过程中逐步优化，使结果趋于一致，直至完成整个编队控制任务。
3.多无人机协同编队是自组织系统的表现，可简单描述为分布在各个位置的多架无人机，无人机只能感知自身通信范围内的无人机，无法获取到其它无人机的位置信息。多架无人机通过和邻居进行信息交互，向队形中的目标位置运动，直至所有无人机到达目标位置组成目标队形。目前对无人机集(多无人机组成的集)单项关键技术研究较多，但是对无人机集协同编队能力评估的研究还比较缺乏。
4.在无人机编队队形研究方面，美国德雷塞尔大学的desai等提出了两种类型的反馈控制器，以维持移动机器人团队的编队形成，两种控制器分别对应两种类型的编队队形的二维平面描述方式。一种是l-ψ方法，其利用编队中的各无人机与编队参考点之间的相对距离和夹角来描述编队队形；另一种就是l-l方法，其利用各无人机的位置与编队参考点在坐标轴上的距离差值来描述编队队形。
5.然而，上述两种方式均基于二维空间，需要无人机集处于同一平面才能描述编队队形以评估无人机集的协同编队能力，评估实现方式不够灵活。

技术实现要素：

6.为克服现有技术的不足，本发明提出了一种无人机集的协同编队能力评估方法、装置及设备，该方法以无人机集的形心构建三维编队坐标系来描述无人机位置，打破了协同编队能力评估的空间限制，实现了对无人机集协同编队能力的灵活评估。
7.本发明的技术解决方案，包括：
8.一种无人机集的协同编队能力评估方法，所述方法包括：
9.获取针对无人机集的测试任务，所述无人机集包括至少两个无人机，所述测试任务包括至少一个期望编队队形；
10.运行所述测试任务；其中，在所述测试任务运行过程中，所述无人机集依次按照所述至少一个期望编队队形飞行；
11.在所述无人机集飞行过程中，获取所述无人机集的形心，并以所述形心为原点构建编队坐标系；其中，所述编队坐标系为三维坐标系，且所述编队坐标系的z轴与所述无人机的重力方向平行；
12.基于所述至少一个期望编队队形和各个所述无人机的编队坐标，评估所述无人机集的协同编队能力，所述无人机的编队坐标是指所述无人机在所述编队坐标系下的坐
标。
13.可选地，所述获取所述无人机集的形心，包括：
14.针对所述无人机集中的每个无人机，以所述无人机的中心在世界坐标系下的坐标，作为所述无人机的实际坐标；
15.获取所述无人机集中所有无人机的实际坐标中相同维度的实际坐标值，并计算相应维度的实际坐标值均值；
16.以各个维度的实际坐标值均值，作为所述形心在相应维度的实际坐标值，所述形心在各个维度的实际坐标值组合成所述形心的实际坐标。
17.可选地，所述以所述形心为原点构建编队坐标系之后，还包括：
18.针对所述无人机集中的目标无人机，计算所述目标无人机与所述形心的实际坐标中相同维度的实际坐标值差值；
19.以各个维度的实际坐标值差值，作为所述目标无人机在所述编队坐标系下相应维度的坐标值，所述目标无人机在所述编队坐标系下各个维度的坐标值组合成所述目标无人机的编队坐标。
20.可选地，所述基于所述至少一个期望编队队形和各个所述无人机的编队坐标，评估所述无人机集的协同编队能力，包括：
21.在所述无人机集按照所述至少一个期望编队队形中各个期望编队队形飞行时，分别获取相应期望编队队形中参考无人机的编队坐标；
22.对每个无人机的编队坐标中所有维度的坐标值进行加权求和处理，得到相应无人机的编队位置量，并按照目标顺序对所述无人机集中所有无人机的编队位置量进行排序，得到无人机编队位置顺序；
23.对每个参考无人机的编队坐标中所有维度的坐标值进行加权求和处理，得到相应参考无人机的编队位置量，并按照所述目标顺序对相应期望编队队形中所有参考无人机的编队位置量进行排序，得到参考无人机编队位置顺序；
24.将所述无人机编队位置顺序中各个排名的无人机，与所述参考无人机编队位置顺序中相同排名的参考无人机对应；
25.基于各个所述无人机的编队坐标以及与所述无人机对应的参考无人机的编队坐标，评估所述无人机集的协同编队能力。
26.可选地，所述基于各个所述无人机的编队坐标以及与所述无人机对应的参考无人机的编队坐标，评估所述无人机集的协同编队能力，包括：
27.在所述无人机集按照所述至少一个期望编队队形中目标期望编队队形飞行时，计算各个所述无人机的编队坐标和与所述无人机对应的参考无人机的编队坐标之间的坐标误差值；
28.若所述无人机集中所有无人机对应的坐标误差值均小于误差值阈值，则启动编队稳定时间计时；
29.若所述编队稳定时间的计时时长大于预设时长，则确定所述无人机集形成所述目标期望编队队形；
30.基于所述无人机集形成所述目标期望编队队形的时刻，与所述无人机集按照所述目标期望编队队形飞行的起始时刻，计算所述无人机集形成所述目标期望编队队形
的编队耗时；其中，所述编队耗时与所述无人机集的协同编队能力呈反比例关系；
31.启动编队保持时间计时；在所述编队保持时间计时过程中，若所述无人机集中存在无人机对应的坐标误差值大于或等于所述误差值阈值，则结束所述编队保持时间计时；将所述编队保持时间的计时时长，作为所述无人机集形成所述目标期望编队队形的编队保持时长；其中，所述编队保持时长与所述无人机集的协同编队能力呈正比例关系。
32.可选地，所述在所述无人机集按照所述至少一个期望编队队形中各个期望编队队形飞行时，分别获取相应期望编队队形中参考无人机的编队坐标之前，还包括：
33.判断所述无人机集中是否存在无人机发生故障；
34.若存在无人机发生故障，则从相应期望编队队形中删除与发生故障的无人机的编号相同的参考无人机，并基于相应期望编队队形中剩余参考无人机，更新相应期望编队队形以及相应期望编队队形中各个参考无人机的编队坐标；
35.基于所述无人机集中除发生故障的无人机之外的其余无人机，更新所述无人机集的形心以及所述编队坐标系，并按照更新后的形心和编队坐标系，更新其余无人机的编队坐标。
36.可选地，所述获取所述无人机集的形心，并以所述形心为原点构建编队坐标系之后，还包括：
37.基于各个所述无人机的编队坐标，从所述无人机集中选择基准无人机；
38.计算所述无人机集中除所述基准无人机之外的其余无人机，分别与所述基准无人机之间的极角；
39.按照所述极角的取值从小至大的顺序，对除所述基准无人机之外的其余无人机进行排序，得到无人机极角位置顺序；
40.从所述基准无人机开始，逆时针递归遍历所述无人机极角位置顺序中相邻三个无人机，并计算以相邻三个无人机的中间无人机为原点组成的两个向量的旋转方向；
41.若所述旋转方向小于或等于180度，则将所述中间无人机作为所述无人机集所占空域投影外包多边形的顶点；
42.若所述旋转方向大于180度，则从所述无人机极角位置顺序中删除所述中间无人机，并继续逆时针递归遍历所述无人机极角位置顺序中相邻三个无人机；
43.直至遍历完成所述无人机极角位置顺序中所有无人机，获取所述无人机集所占空域投影外包多边形的所有顶点；
44.基于所有顶点对应的无人机的平面坐标，计算所述无人机集所占空域投影面积；
45.将所述无人机集中无人机总数与所述无人机集所占空域投影面积的比值，作为所述无人机集的编队密度；其中，所述编队密度与所述无人机集的协同编队能力呈反比例关系。
46.可选地，所述获取所述无人机集的形心，并以所述形心为原点构建编队坐标系之后，还包括：
47.获取目标时长内所述无人机集中发生碰撞的碰撞无人机数量；
48.基于所述目标时长、所述碰撞无人机数量以及所述无人机集中无人机总数，计算编队时间互干扰概率密度；其中，所述编队时间互干扰概率密度与所述无人机集的协
同编队能力呈反比例关系；
49.基于所述无人机集所占空域投影面积、所述碰撞无人机数量以及所述无人机集中无人机总数，计算编队空间互干扰概率密度；其中，所述编队空间互干扰概率密度与所述无人机集的协同编队能力呈反比例关系。
50.一种无人机集的协同编队能力评估装置，所述装置包括：
51.任务获取模块，用于获取针对无人机集的测试任务，所述无人机集包括至少两个无人机，所述测试任务包括至少一个期望编队队形；
52.任务运行模块，用于运行所述测试任务；其中，在所述测试任务运行过程中，所述无人机集依次按照所述至少一个期望编队队形飞行；
53.坐标系构建模块，用于在所述无人机集飞行过程中，获取所述无人机集的形心，并以所述形心为原点构建编队坐标系；其中，所述编队坐标系为三维坐标系，且所述编队坐标系的z轴与所述无人机的重力方向平行；
54.能力评估模块，用于基于所述至少一个期望编队队形和各个所述无人机的编队坐标，评估所述无人机集的协同编队能力，所述无人机的编队坐标是指所述无人机在所述编队坐标系下的坐标。
55.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述无人机集的协同编队能力评估方法。
56.一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序由所述处理器加载并执行，以实现上述无人机集的协同编队能力评估方法。
57.一种计算机程序产品，当所述计算机程序产品在计算机设备上运行时，使得计算机设备执行如上述无人机集的协同编队能力评估方法。
58.与现有技术相比，本发明提出的方法具有以下优点及效果：
59.1.以无人机集的形心为原点构建编队坐标系，在评估无人机集的协同编队能力时基于各个无人机在编队坐标系下的坐标，一方面可以避免由于作为坐标系原点的无人机失效，而导致测试评估无法正常进行的情况；另一方面可以基于无人机集中无人机数量的改变动态调整编队信息，有效避免因某个无人机损毁或掉线等导致测试评估失败的情况。此外，本发明构建的编队坐标系为三维坐标系，无需无人机集中所有无人机飞行至同一二维平面就能描述无人机的位置，打破了无人机位置描述的空间限制，有助于实现在无人机集飞行过程中连续实时地评估协同编队能力，更加贴合实际情况下协同编队能力的评估。本发明通过三维编队坐标系的使用，简化了协同编队能力评估所需的参数，同时评估速度稳定在1000fps，足以满足连续实时的评估需求；
60.2.以编队坐标在所有维度的坐标值计算编队位置量，并通过编队位置量来获取无人机集中无人机和期望编队队形中参考无人机之间的对应关系，提升了协同编队能力评估的准确性。
附图说明
61.图1本发明一个实施例提供的无人机集的协同编队能力评估方法的流程图。
62.图2本发明一个实施例提供的期望编队队形的示意图。
63.图3本发明一个实施例提供的编队队形和期望编队队形的对比示意图。
64.图4本发明一个实施例提供的协同编队能力评估体系的示意图。
65.图5本发明一个实施例提供的无人机集所占的空域投影的示意图。
66.图6本发明一个实施例提供的无人机集的协同编队能力评估装置的框图。
具体实施方式
67.下面将结合附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明特定实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
68.本发明中无人机集的协同编队能力评估方法，如图1所示，包括如下几个步骤(步骤1至4)。
69.步骤1：获取针对无人机集的测试任务，该无人机集包括至少两个无人机，该测试任务包括至少一个期望编队队形。
70.通常，多无人机协同飞行能够实现将目标合理地分配给不同位置的无人机来完成，这就需要无人机集形成一定的编队队形，而无人机集形成编队队形的速度、质量、稳定时长等也影响着后续侦查、对抗、攻击等任务的执行质量，因此，无人机集的协同编队能力也是反映无人机集协同能力的一项重要内容。
71.为评估无人机集的协同编队能力，计算机设备首先获取针对无人机集的测试任务，该测试任务包括至少一个期望编队队形。本发明对测试任务的具体获取方式不作限定，可选地，计算机设备响应于用户的选择和输入等操作指令，获取该操作指令对应的期望编队队形组合为测试任务；或者，计算机设备从预置的数据库中，随机获取至少一个期望编队队形组合为测试任务；或者，计算机设备从预置的数据库中，获取与无人机集的类型、协同任务(如侦查、对抗、攻击等)、无人机数量等匹配的期望编队队形组合为测试任务。
72.示例性地，如图2所示，无人机集包括8个无人机，计算机设备获取的针对该无人机集的测试任务中包括4个期望编队队形，分别为：(a)所示的十字形、(b)所示的人字形、(c)所示的箭头形、(d)所示的菱形。当然，在实际应用时，期望编队队形也可以是三维编队队形，也即，期望编队队形中的无人机可以处于不同的平面，图2仅是为了便于描述，而以期望编队队形为二维编队队形为例进行说明，应理解，这并不构成对本发明的限定。
73.步骤2：运行测试任务；其中，在测试任务运行过程中，无人机集依次按照至少一个期望编队队形飞行。
74.计算机设备在获取到针对无人机集的测试任务后，运行该测试任务，以实时获取测试数据来评估无人机集的协同编队能力。其中，由于针对无人机集的测试任务包括至少一个期望编队队形，从而，在测试任务运行过程中，无人机集自主控制和决策以依次形成至少一个期望编队队形。可选地，计算机设备可以按照期望编队队形的数量，将测试任务划分为相应数量的子测试任务，每个子测试任务包括一个期望编队队形，后续计算机设备依次运行子测试任务，从而无人机集依次形成子测试任务中的期望编队队形。
75.本发明对上述子测试任务的运行顺序或期望编队队形的形成顺序不作限定，在一个示例中，计算机设备随机获取子测试任务并运行，或者计算机设备运行测试任务的过程
中无人机集随机按照期望编队队形进行编队飞行；在另一个示例中，计算机设备按照所包括的期望编队队形从简单到复杂的顺序依次获取相应子测试任务运行，或者计算机设备运行测试任务的过程中无人机集按照期望编队队形从简单到复杂的顺序进行编队飞行。
76.步骤3：在无人机集飞行过程中，获取无人机集的形心，并以形心为原点构建编队坐标系；其中，该编队坐标系为三维坐标系，且该编队坐标系的z轴与无人机的重力方向平行。
77.为连续实时获取各个无人机的位置，以实现动态描述无人机集的编队队形，在无人机集飞行过程中，计算机设备实时获取无人机集的形心，并以形心为原点构建编队坐标系。其中，无人机集的形心是指无人机集的几何中心，在无人机集飞行过程中，形心可能会与无人机集中某个无人机的中心相重合。相比于以某个无人机的中心为原点构建坐标系来描述各个无人机的位置，本发明以无人机集的形心为原点构建编队坐标系，一方面可以避免由于作为坐标系原点的无人机失效，而导致测试评估无法正常进行的情况；另一方面可以基于无人机集中无人机数量的改变动态调整编队信息，有效避免因某个无人机损毁或掉线等导致测试评估失败的情况。
78.另外，为了实现在无人机集飞行过程中随时描述无人机的位置，本发明中，计算机设备构建的编队坐标系为三维坐标系，这样无需无人机集中所有无人机飞行至同一二维平面就能描述无人机的位置，打破了无人机位置描述的空间限制。其中，编队坐标系的z轴与无人机的重力方向平行，也即编队坐标系的z轴竖直向下或竖直向上；编队坐标系的x轴和y轴组成的平面与编队坐标系的z轴垂直，可选地，编队坐标系的x轴为无人机集的飞行前进方向、且y轴与无人机集的飞行前进方向垂直，或者，编队坐标系的y轴为无人机集的飞行前进方向、且x轴与无人机集的飞行前进方向垂直。
79.在一个示例中，上述获取无人机集的形心，包括如下几个子步骤(步骤3.1至3.3)。
80.步骤3.1：针对无人机集中的每个无人机，以无人机的中心在世界坐标系下的坐标，作为无人机的实际坐标。
81.无人机通常体积较大、形状复杂，为抽象描述无人机的位置，需要获取与无人机相关的空间点来确定无人机的坐标，又由于编队坐标系以无人机集的形心为坐标原点，为了确保计算准确性，计算机设备通过无人机集中各个无人机的中心来计算无人机集的形心。基于此，针对每个无人机，计算机设备以无人机的中心在世界坐标系下的坐标，作为无人机的实际坐标。其中，无人机的中心又可以称为无人机的形心，是指无人机的几何中心，其可能与无人机的质心或重心相重合。
82.步骤3.2：获取无人机集中所有无人机的实际坐标中相同维度的实际坐标值，并计算相应维度的实际坐标值均值。
83.对于实际坐标的每个维度，计算机设备从实际坐标中获取无人机集中所有无人机在该维度的实际坐标值，并通过平均处理计算该维度的实际坐标值均值。
84.步骤3.3：以各个维度的实际坐标值均值，作为形心在相应维度的实际坐标值。
85.无人机集中所有无人机在各个维度的实际坐标值均值，为无人机集的形心在相应维度的实际坐标值，形心在各个维度的实际坐标值组合成形心的实际坐标。
86.示例性地，无人机集中无人机数量为n(n为大于1的正整数)，通过f
xyz
来表示无
人机集中各个无人机的实际坐标，其中，通过xi、yi和zi表示无人机集中第i(i为小于或等于n的正整数)个无人机的中心在各个维度的实际坐标值，则f
xyz
的表达公式如下所示。
[0087][0088]
基于此，实际坐标中三个维度的实际坐标值均值的计算公式如下：
[0089][0090][0091][0092]
假设通过c
xyz
来表示无人机集的形心的实际坐标，则c
xyz
的表达公式如下所示。
[0093][0094]
在计算出无人机集的形心的实际坐标之后，通过形心的实际坐标和各个无人机的实际坐标的比较，即可计算出各个无人机在以形心为原点的编队坐标系下的坐标。也即，上述以形心为原点构建编队坐标系之后，还包括：针对无人机集中的目标无人机，计算目标无人机与形心的实际坐标中相同维度的实际坐标值差值；以各个维度的实际坐标值差值，作为目标无人机在编队坐标系下相应维度的坐标值。其中，目标无人机在编队坐标系下各个维度的坐标值组合成目标无人机的编队坐标，目标无人机的编队坐标是指目标无人机在编队坐标系下的坐标。
[0095]
示例性地，假设无人机集中各个无人机的实际坐标为上述f
xyz
、无人机集的形心为上述c
xyz
，通过来表示无人机集中各个无人机的编队坐标，通过x
i-c
x
、y
i-cy和z
i-cz表示无人机集中第i个无人机在编队坐标系下各个维度的坐标值，则的表达公式如下所示。
[0096][0097]
步骤4：基于至少一个期望编队队形和各个无人机的编队坐标，评估无人机集的协同编队能力；无人机的编队坐标是指无人机在编队坐标系下的坐标。
[0098]
各个无人机的编队坐标可以反映无人机集的编队队形，在无人机集飞行过程中，通过比较无人机集的编队队形和测试任务中至少一个期望编队队形，可以获取无人机集形成期望编队队形的时长、形成期望编队队形后的保持时长、形成期望编队队形后与期望编队队形之间的误差、所能形成的期望编队队形的数量等，通过这些数据来评估无人机集的协同编队能力。本发明对无人机集的编队队形和期望编队队形的具体比较方式不作限定，可选地，计算机设备可以先基于各个无人机的编队坐标计算无人机集的编
队队形，再对无人机集的编队队形与期望编队队形的形状、大小等进行比较；或者，计算机设备可以先按照期望编队队形计算期望编队队形中各个参考无人机的编队坐标，再对各个无人机的编队坐标和各个参考无人机的编队坐标进行比较。
[0099]
在一个示例中，上述步骤4包括如下几个子步骤(步骤4.1至4.5)。
[0100]
步骤4.1：在无人机集按照至少一个期望编队队形中各个期望编队队形飞行时，分别获取相应期望编队队形中参考无人机的编队坐标。
[0101]
本发明将期望编队队形中的无人机称为参考无人机，以区别于无人机集中的无人机。为实现期望编队队形和无人机集的编队队形的比较，一方面，在无人机集飞行过程中，计算机设备实时获取(包括每隔一段时间，如0.01秒、0.1秒、1秒等)各个无人机的编队坐标；另一方面，在无人机集按照某个期望编队队形飞行(也即无人机集协同编队以形成某个期望编队队形)时，计算机设备还需获取该期望编队队形中各个参考无人机的编队坐标。可选地，各个参考无人机的编队坐标可以预先设置存储并由计算机设备直接获取，如期望编队队形中各个参考无人机的编队坐标和期望编队队形共同预置在数据库中，计算机设备从预置的数据库中获取期望编队队形时，也获取到该期望编队队形中各个参考无人机的编队坐标；或者，各个参考无人机的编队坐标由计算机设备计算后获取，如计算机设备在按照某个期望编队队形运行测试任务时，或在即将按照某个期望编队队形运行测试任务时，计算该期望编队队形中各个参考无人机的编队坐标。其中，各个参考无人机的编队坐标的计算方式与各个无人机的编队坐标的计算方式相类似，也即，先获取期望编队队形的形心并以形心为原点构建编队坐标系，再计算各个参考无人机在该编队坐标系下的坐标，具体计算过程可以参见各个无人机的编队坐标的计算方式，此处不多赘述。
[0102]
在实际测试过程中，无人机集可能会出现某个无人机损毁、掉线等情况，在这种情况下若仍然按照针对初始的无人机集所获取的期望编队队形来执行测试任务，则将导致无人机集无法形成期望编队队形，计算机设备无法对无人机集中剩余无人机的协同编队能力进行评估，进而导致评估失败。基于此，可选地，为了提升评估成功率和准确率，上述步骤4.1之前，还包括：判断无人机集中是否存在无人机发生故障(包括无人机损毁、掉线、失效等)；若存在无人机发生故障，则从相应期望编队队形中删除与发生故障的无人机的编号相同的参考无人机，并基于相应期望编队队形中剩余参考无人机，更新相应期望编队队形以及相应期望编队队形中各个参考无人机的编队坐标；基于无人机集中除发生故障的无人机之外的其余无人机，更新无人机集的形心以及编队坐标系，并按照更新后的形心和编队坐标系，更新其余无人机的编队坐标。
[0103]
步骤4.2：对每个无人机的编队坐标中所有维度的坐标值进行加权求和处理，得到相应无人机的编队位置量，并按照目标顺序对无人机集中所有无人机的编队位置量进行排序，得到无人机编队位置顺序。
[0104]
在实际测试过程中，可能会出现这样一种情况：无人机集的编队队形和期望编队队形在形状和大小等方面一致，但是存在两个位置上的无人机的编号和参考无人机的编号相反，通常，在这种情况下也认为无人机集形成了期望编队队形。例如，如图3所示，以无人机集包括4个无人机、期望编队队形为菱形为例，图3中，(1)为期望编队队形的示意图，假设在无人机集飞行过程中，无人机集形成了(2)所示的编队队形，(2)所示的编队队形和(1)所示的期望编队队形在形状和大小等方面一致，然而，(2)所示的编队队形中编
号为b和c的无人机，与(1)所示的期望编队队形中编号为b和c的参考无人机，位置正好相反。若在比较无人机集的编队队形和期望编队队形时，以编号来获取无人机集中无人机和期望编队队形中参考无人机之间的对应关系，则在上述情况下会导致计算机设备认为无人机集未形成期望编队队形，从而影响评估的准确性。
[0105]
为提升协同编队能力评估的准确性，本发明中，计算机设备以编队坐标在所有维度的坐标值计算编队位置量，并通过编队位置量来获取无人机集中无人机和期望编队队形中参考无人机之间的对应关系。
[0106]
基于此，一方面，计算机设备对无人机集中每个无人机的编队坐标中所有维度的坐标值进行加权求和处理，得到相应无人机的编队位置量。可选地，在进行坐标值加权求和处理时，不同维度的坐标值的权重可以根据期望编队队形来确定，为使编队位置量能够准确反映和区分不同无人机之间的位置特征，可以适当提升对期望编队队形的形状影响较大的维度对应的权重。例如，针对沿着x轴飞行的三角形编队，x轴可能无法有效区分并排飞行的两个无人机，而y轴相较于x轴有着更明显的位置特征，则可以将y轴对应的权重设置的更大一些(如设置y轴对应的权重为0.5，x轴对应的权重为0.2，z轴对应的权重为0.3)。在计算出无人机集中所有无人机的编队位置量之后，计算机设备按照目标顺序对编队位置量进行排序，得到无人机编队位置顺序。其中，目标顺序为编队位置量从大到小，或者为编队位置量从小到大。
[0107]
步骤4.3：对每个参考无人机的编队坐标中所有维度的坐标值进行加权求和处理，得到相应参考无人机的编队位置量，并按照目标顺序对相应期望编队队形中所有参考无人机的编队位置量进行排序，得到参考无人机编队位置顺序。
[0108]
另一方面，计算机设备对期望编队队形中每个参考无人机的编队坐标中所有维度的坐标值进行加权求和处理，得到相应参考无人机的编队位置量。应理解，步骤4.3对坐标值进行加权求和处理时各个维度的坐标值的权重，与上述步骤4.2对坐标值进行加权求和处理时各个维度的坐标值的权重相同。在计算出期望编队队形中所有参考无人机的编队位置量之后，计算机设备按照目标顺序对编队位置量进行排序，得到参考无人机编队位置顺序。应理解，步骤4.3对编队位置量排序所依据的目标顺序，与步骤4.2对编队位置量排序所依据的目标顺序也相同。
[0109]
需要说明的一点是，本发明对上述步骤4.2和4.3的执行先后顺序不作限定，可选地，步骤4.2在步骤4.3之前执行，或者在步骤4.3之后执行，或者与步骤4.3同时执行。上述实施例仅是为了便于描述，而将步骤4.2位于步骤4.3之前说明，应理解，这并不构成对本发明的限定。
[0110]
步骤4.4：将无人机编队位置顺序中各个排名的无人机，与参考无人机编队位置顺序中相同排名的参考无人机对应。
[0111]
通过无人机编队位置顺序和参考无人机编队位置顺序的排名比较，可以确定无人机集中各个无人机与期望编队队形中各个参考无人机之间的对应关系。具体地，计算机设备在无人机编队位置顺序和参考无人机编队位置顺序中，位于同一排名的无人机和参考无人机之间建立对应关系。
[0112]
步骤4.5：基于各个无人机的编队坐标以及与无人机对应的参考无人机的编队坐标，评估无人机集的协同编队能力。
[0113]
通过比较各个无人机的编队坐标以及与无人机对应的参考无人机的编队坐标，计算机设备可以获取无人机集形成期望编队队形的时长、形成期望编队队形后的保持时长、形成期望编队队形后与期望编队队形之间的误差、所能形成的期望编队队形的数量等，这些数据可用于评估无人机集的协同编队能力。
[0114]
在一个示例中，上述步骤4.5包括：在无人机集按照至少一个期望编队队形中目标期望编队队形飞行时，计算各个无人机的编队坐标和与无人机对应的参考无人机的编队坐标之间的坐标误差值；若无人机集中所有无人机对应的坐标误差值均小于误差值阈值，则启动编队稳定时间计时；若编队稳定时间的计时时长大于预设时长，则确定无人机集形成目标期望编队队形；基于无人机集形成目标期望编队队形的时刻，与无人机集按照目标期望编队队形飞行的起始时刻，计算无人机集形成目标期望编队队形的编队耗时。
[0115]
其中，坐标误差值的计算方式包括但不限于：两个编队坐标之间的欧式距离、曼哈顿距离、切比雪夫距离等。误差值阈值可以根据对无人机集的协同编队能力要求的不同而灵活设置，如对协同编队能力要求严格的情况下，预先设置较小的误差值阈值。在无人机集中所有无人机对应的坐标误差值均小于误差值阈值时，认为无人机集形成期望编队队形，但为了避免无人机集仅仅是偶然形成期望编队队形，本发明还设置了编队稳定时间计时，如启动编队稳定时间的计时器，只有在编队稳定时间的计时时长大于预设时长时，才确定无人机集实际形成了期望编队队形，并停止编队稳定时间的计时。其中，预设时长也可以根据对无人机集的协同编队能力要求的不同而灵活设置，如对协同编队能力要求严格的情况下，预先设置较大的预设时长。之后，计算机设备通过计算无人机集实际形成期望编队队形的时刻与无人机集按照期望编队队形飞行的起始时刻的时间差，即可获取无人机集形成期望编队队形的编队耗时。其中，编队耗时与无人机集的协同编队能力呈反比例关系，也就是说，编队耗时越长，协同编队能力越低；编队耗时越短，协同编队能力越高。
[0116]
示例性地，以无人机集按照目标期望编队队形飞行为例，设置误差值阈值为2米、预设时长为3秒，则无人机集中所有无人机对应的坐标误差值均小于2米，并保持队形3秒以上，认为无人机集实际形成目标期望编队队形。假设无人机集实际形成目标期望编队队形的时刻为ts，无人机集按照目标期望编队队形飞行的起始时刻为ti，则无人机集形成目标期望编队队形的编队耗时t
ps
的计算公式如下所示。
[0117]
t
ps
＝t
s-ti[0118]
需要说明的一点是，在编队稳定时间的计时过程中(编队稳定时间的计时时长小于或等于预设时长)，若无人机集中存在无人机对应的坐标误差值大于或等于误差值阈值，则重置编队稳定时间的计时条件，也就是说，计算机设备重新判断是否所有无人机对应的坐标值误差均小于误差值阈值，若是，则重新开始编队稳定时间计时。
[0119]
在另一个示例中，上述示例确定无人机集形成目标期望编队队形之后，还包括：启动编队保持时间计时；在编队保持时间计时过程中，若无人机集中存在无人机对应的坐标误差值大于或等于误差值阈值，则结束编队保持时间计时；将编队保持时间的计时时长，作为无人机集形成目标期望编队队形的编队保持时长。其中，编队保持时长与无人机集的协同编队能力呈正比例关系，也就是说，编队保持时长越长，协同编队能力越高；编
队保持时长越短，协同编队能力越低。
[0120]
示例性地，假设无人机集实际形成目标期望编队队形的时刻为ts，计算机设备在ts时刻启动编队保持时间计时，在编队保持时间计时过程中，若检测到无人机集中存在无人机对应的坐标误差值大于或等于误差值阈值，则结束编队保持时间计时，进一步假设编队保持时间计时的结束时刻为te，则无人机集形成目标期望编队队形的编队保持时长t
fk
的计算公式如下所示。
[0121]
t
fk
＝t
e-ts[0122]
在无人机集飞行过程中，计算机设备还可以实时计算无人机集的编队误差。示例性地，假设无人机集中无人机数量为n，第i个无人机的编队坐标为计算机设备获取测试任务中当前运行的期望编队队形，该期望编队队形中第i个参考无人机的编队坐标为则无人机集的编队误差e
p
的实时计算公式如下所示。进一步地，计算机设备还可以对整个测试任务运行过程中计算的编队误差进行统计处理(如平均处理、加权平均处理、求和处理、赋值转化后求和处理等)，得到编队误差统计值，其中，该编队误差统计值与无人机集的协同编队能力呈反比例关系，也就是说，该编队误差统计值越小，协同编队能力越高；该编队误差统计值越大，协同编队能力越低。
[0123][0124]
另外，在上述编队耗时的计算过程中，计算机设备还可以同时统计无人机集的队形支持数。示例性地，计算机设备依次按照至少一个期望编队队形运行测试任务，并在开始运行测试任务时初始化队形支持数(即将队形支持数置零)；在按照每个期望编队队形运行测试任务时，无人机集自主控制和决策以形成相应期望编队队形；若确定无人机集实际形成了相应期望编队队形(确定方式可参见上述编队耗时中的介绍说明)，则对队形支持数进行加一处理；直至测试任务运行完成，输出队形支持数。其中，队形支持数与无人机集的协同编队能力呈正比例关系，也就是说，队形支持数越大，协同编队能力越高；队形支持数越小，协同编队能力越低。可选地，计算机设备可以设置期望编队队形的最长运行时长，若在该最长运行时长内，无人机集未形成相应期望编队队形，则确定无人机集不支持相应期望编队队形，并继续按照下一个期望编队队形运行测试任务。其中，不同期望编队队形的最长运行时长可以相同，也可以不相同，例如，可以按照期望编队队形的复杂程度设置不同的最长运行时长，较复杂的期望编队队形设置较长的最长运行时长。
[0125]
为丰富协同编队能力的评估方式、实现更加完善和准确的能力评估，本发明还提供了细粒度的评估体系，将协同编队能力进一步划分为协同能力和编队能力，其中，编队能力重点关注无人机集是否支持期望编队队形，协同能力重点关注无人机之间的协同合作(如通过无人机是否发生碰撞来体现)。基于此，如图4所示，编队能力可以通过上述编队耗时、编队保持时长、编队误差、队形支持数等来评估，协同能力可以通过编队密度、编队时间互干扰概率密度、编队空间互干扰概率密度来评估。下面，分别对协同能力中各个评估指标的计算进行介绍说明。
[0126]
在一个示例中，上述步骤3之后还包括如下几个步骤(步骤5.1至5.8)。
[0127]
步骤5.1：基于各个无人机的编队坐标，从无人机集中选择基准无人机。
[0128]
基准无人机的选择可以依据编队坐标系的任意坐标轴，将该坐标轴上坐标值最小
的无人机作为基准无人机，若该坐标轴上坐标值最小的无人机有两个及以上，则从另外两个坐标轴中选择一个坐标轴上坐标值最小的无人机作为基准无人机。示例性地，选择无人机集中编队坐标的y轴坐标值最小的无人机作为基准无人机，若y轴坐标值最小的无人机有两个及以上，则选择x轴坐标值最小的无人机作为基准无人机。
[0129]
步骤5.2：计算无人机集中除基准无人机之外的其余无人机，分别与基准无人机之间的极角。
[0130]
其中，极角是指在极坐标系中平面上任何一点到极点的连线和极轴的夹角。本示例中，将无人机集中各个无人机抽象为平面中的点，极点即对应于上述基准无人机，计算机设备分别计算无人机集中其余无人机对应的平面点与基准无人机对应的极点之间极角。
[0131]
步骤5.3：按照极角的取值从小至大的顺序，对除基准无人机之外的其余无人机进行排序，得到无人机极角位置顺序。
[0132]
按照极角的取值，计算机设备对无人机集中其余无人机升序排序，得到无人机极角位置顺序。可选地，在极角位置顺序中，计算机设备对其余无人机从1开始编号，以便于后续的遍历处理。
[0133]
步骤5.4：从基准无人机开始，逆时针递归遍历无人机极角位置顺序中相邻三个无人机，并计算以相邻三个无人机的中间无人机为原点组成的两个向量的旋转方向。
[0134]
计算机设备从基准无人机开始，逆时针遍历无人机极角位置顺序中相邻三个无人机，也即，从极角取值最小的三个无人机(极角位置顺序中编号为1、2、3的无人机)开始遍历。每次遍历时，计算机设备均以相邻三个无人机的中间无人机为原点构建两个向量，也即，一个向量基于中间无人机与极角位置顺序中前一个无人机构建，另一个向量基于中间无人机与极角位置顺序中后一个无人机构建。之后，计算机设备可以通过向量叉乘运算来计算这两个向量的旋转方向。
[0135]
步骤5.5：若旋转方向小于或等于180度，则将中间无人机作为无人机集所占空域投影外包多边形的顶点；若旋转方向大于180度，则从无人机极角位置顺序中删除中间无人机，并继续逆时针递归遍历无人机极角位置顺序中相邻三个无人机。
[0136]
在通过向量叉乘运算来计算两个向量的旋转方向时，若叉乘结果为正，表示两个向量的旋转方向小于或等于180度，则将中间无人机作为无人机集所占空域投影外包多边形的顶点，并加入凸包顶点堆栈保存；若叉乘结果为负，表示两个向量的旋转方向大于180度，则中间无人机位于无人机集所占空域投影外包多边形内，将中间无人机从无人机极角位置顺序中删除，并继续逆时针递归向前遍历。
[0137]
步骤5.6：直至遍历完成无人机极角位置顺序中所有无人机，获取无人机集所占空域投影外包多边形的所有顶点。
[0138]
直至遍历完成无人机极角位置顺序中所有无人机，计算机设备将凸包顶点堆栈中的无人机，作为无人机集所占空域投影外包多边形的所有顶点。应理解，无人机极角位置顺序中的第一个无人机和最后一个无人机，以及基准无人机默认保存在凸包顶点堆栈中。
[0139]
示例性地，如图5所示，基准无人机为u0，无人机极角位置顺序中其余无人机分别为u1至u
13
，计算机设备从u1、u2、u3开始逆时针遍历；其中，向量和的叉乘结果为负，则将无人机u2从无人机极角位置顺序中删除，并继续逆时针向前遍历u1、u3、u4；其中，向量
和的叉乘结果为正，则将无人机u3作为无人机集所占空域投影外包多边形的顶点，并继续逆时针向前遍历u3、u4、u5……
直至遍历完成无人机极角位置顺序中所有无人机，获取到无人机集所占空域投影外包多边形的所有顶点为u0、u1、u3、u4、u8、u
10
、u
11
、u
13
。
[0140]
步骤5.7：基于所有顶点对应的无人机的平面坐标，计算无人机集所占空域投影面积。
[0141]
在计算极角的过程中，计算机设备已经将各个无人机抽象为平面中的点，从而无人机的编队坐标转化为平面坐标。在通过步骤5.6获取到所有顶点之后，基于所有顶点对应的无人机的平面坐标，计算无人机集所占空域投影面积。示例性地，无人机集所占空域投影面积rf通过shoelace公式(又称为鞋带公式、高斯面积公式)来计算，如下所示。其中，所有顶点的数量为m(m为大于或等于3的整数)，xk是指所有顶点中第k个顶点的x轴坐标，y
k+1
和y
k-1
分别为所有顶点中第k+1个顶点和第k-1个顶点的y轴坐标。
[0142][0143]
步骤5.8：将无人机集中无人机总数与无人机集所占空域投影面积的比值，作为无人机集的编队密度；其中，编队密度与无人机集的协同编队能力呈反比例关系。
[0144]
计算机设备采用无人机集中无人机总数除以无人机集所占空域投影面积，得到无人机集的编队密度，编队密度也可以反映无人机集的协同编队能力，编队密度越小，表示无人机集中各个无人机之间的距离越近，进而无人机之间越容易出现碰撞。基于此，编队密度与无人机集的协同编队能力呈反比例关系，也就是说，编队密度越大，协同编队能力越低；编队密度越小，协同编队能力越高。示例性地，编队密度df的计算公式如下所示。
[0145][0146]
在另一个示例中，上述步骤3之后还包括如下几个步骤(步骤6.1至6.3)。
[0147]
步骤6.1：获取目标时长内无人机集中发生碰撞的碰撞无人机数量。
[0148]
计算机设备可以统计预设的目标时长内无人机的碰撞情况，若各个无人机均绑定了碰撞传感器，则可以直接读取传感器数据以获取无人机集中发生碰撞的碰撞无人机数量；否则可以基于无人机之间的欧式距离来确定是否发生碰撞。可选地，若两个无人机之间的距离小于无人机半径，则认为这两个无人机发生碰撞。
[0149]
示例性地，以目标时长内第t时刻碰撞无人机数量的统计为例。假设无人机半径为r
uav
，无人机集中无人机数量为n，第i个无人机与第j个无人机之间的欧式距离为e
ij
，则无人机集中任意两个无人机(包括无人机和其自身)之间的欧式距离可通过间距矩阵d
t
来表示，如下所示。基于此，统计间距矩阵d
t
中取值不为零且小于无人机半径r
uav
的数量c
t
，该数量c
t
与碰撞无人机数量相等。
[0150][0151]ct
＝num(d，＜r
uav
)
[0152]
步骤6.2：基于目标时长、碰撞无人机数量以及无人机集中无人机总数，计算编
队时间互干扰概率密度；其中，编队时间互干扰概率密度与无人机集的协同编队能力呈反比例关系。
[0153]
某个时刻无人机集中碰撞无人机数量与无人机总数的比值，反映了该时刻无人机发生碰撞的概率，计算机设备通过对目标时长内各个时刻无人机发生碰撞的概率进行平均处理，即可以计算得到无人机集的编队时间互干扰概率密度。其中，编队时间互干扰概率密度与无人机集的协同编队能力呈反比例关系，也就是说，编队时间互干扰概率密度越大，协同编队能力越低；编队时间互干扰概率密度越小，协同编队能力越高。示例性地，假设目标时长为t(t为正整数)，目标时长内第t时刻的碰撞无人机数量为c
t
，无人机集中无人机数量为n，则目标时长内无人机集的编队时间互干扰概率密度p
fs
的计算公式如下所示。
[0154][0155]
步骤6.3：基于无人机集所占空域投影面积、碰撞无人机数量以及无人机集中无人机总数，计算编队空间互干扰概率密度；其中，编队空间互干扰概率密度与无人机集的协同编队能力呈反比例关系。
[0156]
计算机设备通过对目标时长内各个时刻无人机发生碰撞的概率求和后，计算求和结果与无人机集所占空域投影面积的比值，即可得到无人机集的编队空间互干扰概率密度。其中，编队空间互干扰概率密度与无人机集的协同编队能力呈反比例关系，也就是说，编队空间互干扰概率密度越小，协同编队能力越高；编队空间互干扰概率密度越大，协同编队能力越低。示例性地，假设目标时长为t(t为正整数)，目标时长内第t时刻的碰撞无人机数量为c
t
，无人机集中无人机数量为n，无人机集所占空域投影面积为rf，则目标时长内无人机集的编队空间互干扰概率密度p
fk
的计算公式如下所示。
[0157][0158]
需要说明的一点是，本发明中，计算机设备在从编队耗时、编队保持时长、编队误差、队形支持数、编队密度、编队时间互干扰概率密度、编队空间互干扰概率密度等中的一项或多项评估指标对无人机集的协同编队能力进行评估时，可以如上述实施例所示，以各个评估指标独立评估协同编队能力，也可以多个评估指标联合评估协同编队能力，本发明对此不作限定。示例性地，计算机设备一方面基于编队耗时、编队保持时长、编队误差和队形支持数这四个评估指标的评估值计算无人机集的编队能力评估值，另一方面基于编队密度、编队时间互干扰概率密度和编队空间互干扰概率密度这三个评估指标的评估值计算无人机集的协同能力评估值，再联合编队能力评估值和协同能力评估值这两个方面来评估无人机集的协同编队能力。
[0159]
综上所述，本发明以无人机集的形心为原点构建编队坐标系，在评估无人机集的协同编队能力时基于各个无人机在编队坐标系下的坐标，一方面可以避免由于作为坐标系原点的无人机失效，而导致测试评估无法正常进行的情况；另一方面可以基于无人机集中无人机数量的改变动态调整编队信息，有效避免因某个无人机损毁或掉线等导致测
试评估失败的情况。此外，本发明构建的编队坐标系为三维坐标系，无需无人机集中所有无人机飞行至同一二维平面就能描述无人机的位置，打破了无人机位置描述的空间限制，有助于实现在无人机集飞行过程中连续实时地评估协同编队能力，更加贴合实际情况下协同编队能力的评估。本发明通过三维编队坐标系的使用，简化了协同编队能力评估所需的参数，同时评估速度稳定在1000fps，足以满足连续实时的评估需求。
[0160]
另外，在实际测试过程中，可能会出现这样一种情况：无人机集的编队队形和期望编队队形在形状和大小等方面一致，但是存在两个位置上的无人机的编号和参考无人机的编号相反，通常，在这种情况下也认为无人机集形成了期望编队队形。若在比较无人机集的编队队形和期望编队队形时，以编号来获取无人机集中无人机和期望编队队形中参考无人机之间的对应关系，则在上述情况下会导致计算机设备认为无人机集未形成期望编队队形，从而影响评估的准确性。本发明中，计算机设备以编队坐标在所有维度的坐标值计算编队位置量，并通过编队位置量来获取无人机集中无人机和期望编队队形中参考无人机之间的对应关系，提升了协同编队能力评估的准确性。
[0161]
参考图6，其示出了本发明一个实施例提供的无人机集的协同编队能力评估装置的框图。该装置可以为计算机设备，也可以设置在计算机设备中。如图6所示，该装置600包括：任务获取模块610、任务运行模块620、坐标系构建模块630和能力评估模块640。
[0162]
任务获取模块610，用于获取针对无人机集的测试任务，所述无人机集包括至少两个无人机，所述测试任务包括至少一个期望编队队形。
[0163]
任务运行模块620，用于运行所述测试任务；其中，在所述测试任务运行过程中，所述无人机集依次按照所述至少一个期望编队队形飞行。
[0164]
坐标系构建模块630，用于在所述无人机集飞行过程中，获取所述无人机集的形心，并以所述形心为原点构建编队坐标系；其中，所述编队坐标系为三维坐标系，且所述编队坐标系的z轴与所述无人机的重力方向平行。
[0165]
能力评估模块640，用于基于所述至少一个期望编队队形和各个所述无人机的编队坐标，评估所述无人机集的协同编队能力，所述无人机的编队坐标是指所述无人机在所述编队坐标系下的坐标。
[0166]
可选地，所述坐标系构建模块630，用于：针对所述无人机集中的每个无人机，以所述无人机的中心在世界坐标系下的坐标，作为所述无人机的实际坐标；获取所述无人机集中所有无人机的实际坐标中相同维度的实际坐标值，并计算相应维度的实际坐标值均值；以各个维度的实际坐标值均值，作为所述形心在相应维度的实际坐标值，所述形心在各个维度的实际坐标值组合成所述形心的实际坐标。
[0167]
可选地，所述装置600还包括编队坐标计算模块(图6中未示出)，用于：针对所述无人机集中的目标无人机，计算所述目标无人机与所述形心的实际坐标中相同维度的实际坐标值差值；以各个维度的实际坐标值差值，作为所述目标无人机在所述编队坐标系下相应维度的坐标值，所述目标无人机在所述编队坐标系下各个维度的坐标值组合成所述目标无人机的编队坐标。
[0168]
可选地，所述能力评估模块640，用于：在所述无人机集按照所述至少一个期望编队队形中各个期望编队队形飞行时，分别获取相应期望编队队形中参考无人机的编队坐标；对每个无人机的编队坐标中所有维度的坐标值进行加权求和处理，得到相应无人机的
编队位置量，并按照目标顺序对所述无人机集中所有无人机的编队位置量进行排序，得到无人机编队位置顺序；对每个参考无人机的编队坐标中所有维度的坐标值进行加权求和处理，得到相应参考无人机的编队位置量，并按照所述目标顺序对相应期望编队队形中所有参考无人机的编队位置量进行排序，得到参考无人机编队位置顺序；将所述无人机编队位置顺序中各个排名的无人机，与所述参考无人机编队位置顺序中相同排名的参考无人机对应；基于各个所述无人机的编队坐标以及与所述无人机对应的参考无人机的编队坐标，评估所述无人机集的协同编队能力。
[0169]
可选地，所述能力评估模块640，用于：在所述无人机集按照所述至少一个期望编队队形中目标期望编队队形飞行时，计算各个所述无人机的编队坐标和与所述无人机对应的参考无人机的编队坐标之间的坐标误差值；若所述无人机集中所有无人机对应的坐标误差值均小于误差值阈值，则启动编队稳定时间计时；若所述编队稳定时间的计时时长大于预设时长，则确定所述无人机集形成所述目标期望编队队形；基于所述无人机集形成所述目标期望编队队形的时刻，与所述无人机集按照所述目标期望编队队形飞行的起始时刻，计算所述无人机集形成所述目标期望编队队形的编队耗时；其中，所述编队耗时与所述无人机集的协同编队能力呈反比例关系；启动编队保持时间计时；在所述编队保持时间计时过程中，若所述无人机集中存在无人机对应的坐标误差值大于或等于所述误差值阈值，则结束所述编队保持时间计时；将所述编队保持时间的计时时长，作为所述无人机集形成所述目标期望编队队形的编队保持时长；其中，所述编队保持时长与所述无人机集的协同编队能力呈正比例关系。
[0170]
可选地，所述装置600还包括故障监测模块(图6中未示出)，用于：判断所述无人机集中是否存在无人机发生故障；若存在无人机发生故障，则从相应期望编队队形中删除与发生故障的无人机的编号相同的参考无人机，并基于相应期望编队队形中剩余参考无人机，更新相应期望编队队形以及相应期望编队队形中各个参考无人机的编队坐标；基于所述无人机集中除发生故障的无人机之外的其余无人机，更新所述无人机集的形心以及所述编队坐标系，并按照更新后的形心和编队坐标系，更新其余无人机的编队坐标。
[0171]
可选地，所述能力评估模块640，用于：基于各个所述无人机的编队坐标，从所述无人机集中选择基准无人机；计算所述无人机集中除所述基准无人机之外的其余无人机，分别与所述基准无人机之间的极角；按照所述极角的取值从小至大的顺序，对除所述基准无人机之外的其余无人机进行排序，得到无人机极角位置顺序；从所述基准无人机开始，逆时针递归遍历所述无人机极角位置顺序中相邻三个无人机，并计算以相邻三个无人机的中间无人机为原点组成的两个向量的旋转方向；若所述旋转方向小于或等于180度，则将所述中间无人机作为所述无人机集所占空域投影外包多边形的顶点；若所述旋转方向大于180度，则从所述无人机极角位置顺序中删除所述中间无人机，并继续逆时针递归遍历所述无人机极角位置顺序中相邻三个无人机；直至遍历完成所述无人机极角位置顺序中所有无人机，获取所述无人机集所占空域投影外包多边形的所有顶点；基于所有顶点对应的无人机的平面坐标，计算所述无人机集所占空域投影面积；将所述无人机集中无人机总数与所述无人机集所占空域投影面积的比值，作为所述无人机集的编队密度；其中，所述编队密度与所述无人机集的协同编队能力呈反比例关系。
[0172]
可选地，所述能力评估模块640，用于：获取目标时长内所述无人机集中发生碰
撞的碰撞无人机数量；基于所述目标时长、所述碰撞无人机数量以及所述无人机集中无人机总数，计算编队时间互干扰概率密度；其中，所述编队时间互干扰概率密度与所述无人机集的协同编队能力呈反比例关系；基于所述无人机集所占空域投影面积、所述碰撞无人机数量以及所述无人机集中无人机总数，计算编队空间互干扰概率密度；其中，所述编队空间互干扰概率密度与所述无人机集的协同编队能力呈反比例关系。
[0173]
有关装置模块的具体执行过程、有益效果等阐述，请参见上述方法实施例的介绍说明，此处不多赘述。
[0174]
在示例性实施例中，还提供了一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序由所述处理器加载并执行，以实现上述无人机集的协同编队能力评估方法。
[0175]
在示例性实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述无人机集的协同编队能力评估方法。
[0176]
在示例性实施例中，还提供了一种计算机程序产品，当所述计算机程序产品在计算机设备上运行时，使得计算机设备执行如上述无人机集的协同编队能力评估方法。
[0177]
以上实施例仅用以说明本发明的技术方案而非对其进行限制，本领域的普通技术人员可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明的精神和范围，本发明的保护范围应以权利要求书所述为准。

技术特征：

1.一种无人机集的协同编队能力评估方法，其特征在于，所述方法包括：获取针对无人机集的测试任务，所述无人机集包括至少两个无人机，所述测试任务包括至少一个期望编队队形；运行所述测试任务；其中，在所述测试任务运行过程中，所述无人机集依次按照所述至少一个期望编队队形飞行；在所述无人机集飞行过程中，获取所述无人机集的形心，并以所述形心为原点构建编队坐标系；其中，所述编队坐标系为三维坐标系，且所述编队坐标系的z轴与所述无人机的重力方向平行；基于所述至少一个期望编队队形和各个所述无人机的编队坐标，评估所述无人机集的协同编队能力，所述无人机的编队坐标是指所述无人机在所述编队坐标系下的坐标。2.如权利要求1所述的方法，其特征在于，所述获取所述无人机集的形心，包括：针对所述无人机集中的每个无人机，以所述无人机的中心在世界坐标系下的坐标，作为所述无人机的实际坐标；获取所述无人机集中所有无人机的实际坐标中相同维度的实际坐标值，并计算相应维度的实际坐标值均值；以各个维度的实际坐标值均值，作为所述形心在相应维度的实际坐标值，所述形心在各个维度的实际坐标值组合成所述形心的实际坐标。3.如权利要求2所述的方法，其特征在于，所述以所述形心为原点构建编队坐标系之后，还包括：针对所述无人机集中的目标无人机，计算所述目标无人机与所述形心的实际坐标中相同维度的实际坐标值差值；以各个维度的实际坐标值差值，作为所述目标无人机在所述编队坐标系下相应维度的坐标值，所述目标无人机在所述编队坐标系下各个维度的坐标值组合成所述目标无人机的编队坐标。4.如权利要求1所述的方法，其特征在于，所述基于所述至少一个期望编队队形和各个所述无人机的编队坐标，评估所述无人机集的协同编队能力，包括：在所述无人机集按照所述至少一个期望编队队形中各个期望编队队形飞行时，分别获取相应期望编队队形中参考无人机的编队坐标；对每个无人机的编队坐标中所有维度的坐标值进行加权求和处理，得到相应无人机的编队位置量，并按照目标顺序对所述无人机集中所有无人机的编队位置量进行排序，得到无人机编队位置顺序；对每个参考无人机的编队坐标中所有维度的坐标值进行加权求和处理，得到相应参考无人机的编队位置量，并按照所述目标顺序对相应期望编队队形中所有参考无人机的编队位置量进行排序，得到参考无人机编队位置顺序；将所述无人机编队位置顺序中各个排名的无人机，与所述参考无人机编队位置顺序中相同排名的参考无人机对应；基于各个所述无人机的编队坐标以及与所述无人机对应的参考无人机的编队坐标，评估所述无人机集的协同编队能力。5.如权利要求4所述的方法，其特征在于，所述基于各个所述无人机的编队坐标以及与
所述无人机对应的参考无人机的编队坐标，评估所述无人机集的协同编队能力，包括：在所述无人机集按照所述至少一个期望编队队形中目标期望编队队形飞行时，计算各个所述无人机的编队坐标和与所述无人机对应的参考无人机的编队坐标之间的坐标误差值；若所述无人机集中所有无人机对应的坐标误差值均小于误差值阈值，则启动编队稳定时间计时；若所述编队稳定时间的计时时长大于预设时长，则确定所述无人机集形成所述目标期望编队队形；基于所述无人机集形成所述目标期望编队队形的时刻，与所述无人机集按照所述目标期望编队队形飞行的起始时刻，计算所述无人机集形成所述目标期望编队队形的编队耗时；其中，所述编队耗时与所述无人机集的协同编队能力呈反比例关系；启动编队保持时间计时；在所述编队保持时间计时过程中，若所述无人机集中存在无人机对应的坐标误差值大于或等于所述误差值阈值，则结束所述编队保持时间计时；将所述编队保持时间的计时时长，作为所述无人机集形成所述目标期望编队队形的编队保持时长；其中，所述编队保持时长与所述无人机集的协同编队能力呈正比例关系。6.如权利要求4所述的方法，其特征在于，所述在所述无人机集按照所述至少一个期望编队队形中各个期望编队队形飞行时，分别获取相应期望编队队形中参考无人机的编队坐标之前，还包括：判断所述无人机集中是否存在无人机发生故障；若存在无人机发生故障，则从相应期望编队队形中删除与发生故障的无人机的编号相同的参考无人机，并基于相应期望编队队形中剩余参考无人机，更新相应期望编队队形以及相应期望编队队形中各个参考无人机的编队坐标；基于所述无人机集中除发生故障的无人机之外的其余无人机，更新所述无人机集的形心以及所述编队坐标系，并按照更新后的形心和编队坐标系，更新其余无人机的编队坐标。7.如权利要求1-6任一项所述的方法，其特征在于，所述获取所述无人机集的形心，并以所述形心为原点构建编队坐标系之后，还包括：基于各个所述无人机的编队坐标，从所述无人机集中选择基准无人机；计算所述无人机集中除所述基准无人机之外的其余无人机，分别与所述基准无人机之间的极角；按照所述极角的取值从小至大的顺序，对除所述基准无人机之外的其余无人机进行排序，得到无人机极角位置顺序；从所述基准无人机开始，逆时针递归遍历所述无人机极角位置顺序中相邻三个无人机，并计算以相邻三个无人机的中间无人机为原点组成的两个向量的旋转方向；若所述旋转方向小于或等于180度，则将所述中间无人机作为所述无人机集所占空域投影外包多边形的顶点；若所述旋转方向大于180度，则从所述无人机极角位置顺序中删除所述中间无人机，并继续逆时针递归遍历所述无人机极角位置顺序中相邻三个无人机；直至遍历完成所述无人机极角位置顺序中所有无人机，获取所述无人机集所占空域
投影外包多边形的所有顶点；基于所有顶点对应的无人机的平面坐标，计算所述无人机集所占空域投影面积；将所述无人机集中无人机总数与所述无人机集所占空域投影面积的比值，作为所述无人机集的编队密度；其中，所述编队密度与所述无人机集的协同编队能力呈反比例关系。8.如权利要求1-6任一项所述的方法，其特征在于，所述获取所述无人机集的形心，并以所述形心为原点构建编队坐标系之后，还包括：获取目标时长内所述无人机集中发生碰撞的碰撞无人机数量；基于所述目标时长、所述碰撞无人机数量以及所述无人机集中无人机总数，计算编队时间互干扰概率密度；其中，所述编队时间互干扰概率密度与所述无人机集的协同编队能力呈反比例关系；基于所述无人机集所占空域投影面积、所述碰撞无人机数量以及所述无人机集中无人机总数，计算编队空间互干扰概率密度；其中，所述编队空间互干扰概率密度与所述无人机集的协同编队能力呈反比例关系。9.一种无人机集的协同编队能力评估装置，其特征在于，所述装置包括：任务获取模块，用于获取针对无人机集的测试任务，所述无人机集包括至少两个无人机，所述测试任务包括至少一个期望编队队形；任务运行模块，用于运行所述测试任务；其中，在所述测试任务运行过程中，所述无人机集依次按照所述至少一个期望编队队形飞行；坐标系构建模块，用于在所述无人机集飞行过程中，获取所述无人机集的形心，并以所述形心为原点构建编队坐标系；其中，所述编队坐标系为三维坐标系，且所述编队坐标系的z轴与所述无人机的重力方向平行；能力评估模块，用于基于所述至少一个期望编队队形和各个所述无人机的编队坐标，评估所述无人机集的协同编队能力，所述无人机的编队坐标是指所述无人机在所述编队坐标系下的坐标。10.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行如权利要求1-8中任一所述方法。

技术总结

本发明公开了一种无人机集的协同编队能力评估方法、装置及设备，涉及无人机技术领域。所述方法包括：获取针对无人机集的测试任务，无人机集包括至少两个无人机，测试任务包括至少一个期望编队队形；运行测试任务；其中，在测试任务运行过程中，无人机集依次按照至少一个期望编队队形飞行；在无人机集飞行过程中，获取无人机集的形心，并以形心为原点构建编队坐标系；其中，编队坐标系为三维坐标系，且编队坐标系的Z轴与无人机的重力方向平行；基于至少一个期望编队队形和各个无人机的编队坐标，评估无人机集的协同编队能力，无人机的编队坐标是指无人机在编队坐标系下的坐标。本发明实现了对无人机集协同编队能力的灵活评估。能力的灵活评估。能力的灵活评估。