编者按
本期介绍的论文是《Triangular Topology Sequence-Based Multi-Target Association for Aerial-Ground Unmanned Systems》，由国防科技大学智能科学学院“无人机系统”团队的李旭东，吴立珍，周慧婕，牛佳鑫及牛轶峰教授共同撰写。
研究背景
空地无人系统是一种常见类型的跨域协同多无人系统。无人机侦察范围广、机动性强，无人车负载能力强、续航时间久，空地无人系统在侦察搜索、救援等任务中具有明显优势。然而，空地无人系统在具备多视角感知优势的同时也给多目标问题带来了更多挑战，由于空地无人系统以几乎正交的视角对地探测，空地传感器存在大视差、尺度不一致、观测重叠面积小等问题。
过去常用的轨迹关联算法对传感器探测噪声比较敏感，且难以对具有相似的运动轨迹的目标进行区分。基于视觉特征的孪生神经网络需要大量的数据训练分类模型，对视觉上相似的目标关联正确率较低。因此，我们提出一种基于三角拓扑序列的空地无人系统多目标关联算法，算法仅使用目标和UGV之间的相对位置关系构造一种三角拓扑拓扑结构，实现多目标关联。
方法
算法包含三个主要步骤。
第一步，根据目标的相对位置关系，构造相邻目标和无人车组成的三角形。连续的相邻三角形组成了三角拓扑序列。这种三角拓扑具有相似变换不变性，不依赖目标的轨迹特征和视觉特征，即使空地无人系统搭载的异类传感器也适用。
第二步，提出了一种双环旋转匹配模型，将无人机传感器视角和无人车传感器视角下构建的三角拓扑序列映射到两个同心圆环上，通过同心圆环的旋转匹配两个视角下的目标。这个方法将空地视角的拓扑结构相似不变形约束转化为无约束问题。可以证明，内环在有限次旋转后将获取所有目标关联结果，且旋转总量不超过2π。
第三步，基于第而步的双环旋转匹配模型，采用一种基于拓扑相似度矩阵的目标关联算法。即根据原文公式（10）计算出空地视角下各个目标之间的相似度矩阵，在相似度矩阵中应用“最优路径”的方法，获取所有匹配的三角拓扑集合。
结果展示
算法的实验结果如下，图1所示的是20个目标内存在5个干扰目标时构建的三角拓扑结构，从左到右分别是，空中无人机视角构建的三角拓扑结构，地上的无人车视角构建的三角拓扑结构以及空地两个视角目标映射到同一坐标系之后的分布情况。
图 1 20个目标内存在5个干扰目标时构建的三角拓扑结构
图2所示的是当目标中存在干扰目标时。关联AP值表明，随着干扰目标的比例从0增加到60%，TTS的关联指标PA逐渐从100%下降到66.7%，ATS的PA值逐渐下降到53.3%。TTS在干扰目标占比15%时开始受到干扰目标的影响，而ATS在干扰目标占比35%才开始受到影响。关联AR值曲线表明，随着干扰目标的增加，ATS的PR逐渐从100%下降到44.4%，整体处于TTS曲线的下方。仅在干扰目标小于10%时，PR保持在80%以上，ATS的关联效果明显低于TTS。从干扰目标数量上分析，TTS和ATS均没有明显表现出目标数量对关联效果的影响。
图 2 干扰目标比例对三角拓扑关联结果的影响
我们在室外试验场地搭建一个小型的实验环境，实验场景中包含6个目标，UAV使用视觉传感器探测目标，UGV使用激光雷达探测目标。利用UAV视觉图像中各目标的像素坐标和UGV激光雷达地图中的目标坐标，构建三角拓扑结构对目标进行关联，在图3所示的实验场景中实现了对所有目标的正确关联。
空中视角
地面视角
图3 三角拓扑关联在真实的场景实验时的空地视角
结论
本文提出一种基于三角拓扑序列的空地无人系统多目标关联算法，算法仅使用目标和UGV之间的相对位置关系构造一种三角拓扑拓扑结构，实现多目标关联。首先，算法根据目标在传感器中的位置，提取目标相对UGV的距离和方位角，构建三角拓扑结构。然后，提出满足三角拓扑序列关联约束条件的双环匹配模型，将有约束的结构匹配问题转化为无约束问题。最后，提出了一种基于相似度关联矩阵的关联算法，通过在矩阵获取“最优路径”一次性完成拓扑结构的关联。最后，通过仿真和实验验证了算法的有效性。
论文信息：Xudong Li, Lizhen Wu, Yifeng Niu, Huijie Zhou, and Jiaxin Niu. (2025). Triangular Topology Sequence-Based Multi-Target Association for Aerial-Ground Unmanned Systems. Unmanned Systems, 13(01), 7-21.
DOI号：10.1142/S2301385025500013
