(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210458917.0 (22)申请日 2022.04.27 (71)申请人 江西理工大 学 地址 341000 江西省赣州市章贡区红旗大 道86号 (72)发明人 樊宽刚　张雪涛　徐艺玮　孙文　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 张萌 (51)Int.Cl. G06T 7/73(2017.01) (54)发明名称 无人机检测与防御方法及系统 (57)摘要 本发明提供了一种无人机检测与 防御方法 及系统， 该方法包括： 对目标应用场景所对应的 初始三维点云进行特征提取以得到融合上下文 特征， 基于初始三维点云生成初始三维包围框， 对初始三维包围框中的关键点进行三维变换以 得到三维注 意区域， 基于融合上下文特征对三维 注意区域进行融合优化 以得到优化三维预测框 集合， 基于优化三维预测框集合对目标应用场景 中的目标无人机进行定位， 基于定位结果对目标 无人机进行防御处理。 采用本发 明可以提高无人 机的检测精度， 从而可以实现对 无人机进行针对 性防御。 权利要求书3页 说明书19页 附图6页 CN 114862952 A 2022.08.05 CN 114862952 A 1.一种无 人机检测与防御方法， 其特 征在于， 所述方法包括： 对目标应用场景所对应的初始三维点云进行特征提取， 得到用于表征无人机整体信 息 的融合上 下文特征； 其中， 所述初始三维点云是由设定雷达在探测到无 人机时所生成的； 基于所述融合上下文特征生成用于表征无人机位置信息的五元参数组和所述五元参 数组对应的三 维变换矩阵； 其中， 所述 五元参数组包括沿Z轴旋转角度的余弦值、 沿Z轴旋转 角度的正弦值、 X轴上的转换坐标值、 Y轴上的转换坐标值和Z轴上的转换坐标值； 基于所述初始三维点云生成包含关键点的初始三维包围框， 并用所述三维变换矩阵对 所述初始三维包围框中的关键点进行三维变换， 得到三维注意区域； 基于所述融合上下文特征对所述三维注意 区域进行融合优化， 得到优化三维预测框集 合； 基于所述优化三维预测框集合对所述目标应用场景中的目标无人机进行定位， 得到所 述目标无人机的第一定位信息； 基于所述目标 无人机的第一定位信息对所述目标 无人机进行防御处 理。 2.根据权利要求1所述的无 人机检测与防御方法， 其特 征在于， 所述方法还 包括： 通过一个无线电发射站向所述目标无人机发射第 一无线电波， 通过至少两个无线电波 接收站接收所述目标无人机反射的第一无线电波对应的第二无线电波； 其中， 每一个所述 第一无线电波和每一个所述第二无线电波分别具有各自的时间信息； 每一个所述无线电发 射站和每一个所述无线电波接收站分别具有 各自的位置信息； 所述位置信息包括位置坐标 和方位角； 基于每一个所述第 一无线电波的时间信 息和每一个所述第 二无线电波的时间信 息， 确 定所述目标 无人机对应的时间差参数 方程组； 基于每一个所述无线电发射站的位置信 息和每一个所述无线电波接收站的位置信 息， 确定所述目标 无人机对应的方位角参数 方程组； 基于所述 时间差参数方程组和所述方位角参数方程组， 确定所述目标无人机的第 二定 位信息， 以应用所述第二定位信息修 正所述第一定位信息 。 3.根据权利要求1所述的无人机检测与防御方法， 其特征在于， 所述对目标应用场景所 对应的初始 三维点云进行特征提取， 得到用于表征无人机整体信息的融合上下文 特征的步 骤， 包括： 对所述初始三维点云进行第 一卷积处理， 得到用于表征无人机轮廓信 息的三维上下文 特征； 对所述目标应用场景所对应的初始图像集合进行第 二卷积处理， 得到用于表征无人机 细节信息的二 维上下文 特征； 其中， 所述初始图像集合中的每一个图像均含有 无人机； 所述 细节信息包括以下至少之一： 无 人机的颜色信息、 型号信息、 搭 载设备信息； 对所述三维上下文特征与 所述二维上下文特征进行特征融合， 得到所述融合上下文特 征。 4.根据权利要求1所述的无人机检测与防御方法， 其特征在于， 所述基于所述融合上下 文特征生成用于表征无人机位置信息的五元参数组和所述五元参数组对应的三维变换矩 阵的步骤， 包括： 将所述融合上下文特征输入预先训练好的递归网络， 通过所述递归网络输出第一特权　利　要　求　书 1/3 页 2 CN 114862952 A 2征； 将所述第一特征输入预先训练好的全连接网络， 通过所述全连接网络输出所述五元参 数组和所述 三维变换矩阵。 5.根据权利要求1所述的无人机检测与防御方法， 其特征在于， 所述基于所述初始三维 点云生成包 含关键点的初始三维包围框的步骤， 包括： 采用最远点采样法对初始三维点云进行采样， 得到关键点云； 对所述关键点云进行体素特征提取， 得到关键体素特征； 其中， 所述关键体素特征为具 有位置信息的不 规则的点云特 征； 对所述关键点云进行三维稀疏 卷积编码处 理， 得到第一网格化特 征图； 将所述第一网格化特 征图投影到鸟瞰图上， 得到鸟瞰图特 征； 通过三层感知机对所述鸟瞰图特征的关键点权重进行预测， 得到所述关键点云中关键 点的权重； 其中， 所述鸟瞰图特征的关键点包括前景点和背 景点， 所述前景点的权重大于所 述背景点的权 重； 对所述鸟瞰图特 征的关键点进行栅格化处 理， 得到栅格化 点特征； 对所述栅格化点特征进行两层感知机的处 理， 得到所述初始三维包围框 。 6.根据权利要求1所述的无人机检测与防御方法， 其特征在于， 所述基于所述融合上下 文特征对所述 三维注意区域进行融合优化， 得到优化 三维预测框集 合的步骤， 包括： 按照预设采样规则对所述 三维注意区域进行重采样处 理， 得到优化 三维注意区域； 基于所述融合上下文特征对所述优化三维注意区域进行融合优化， 得到优化三维预测 框集合。 7.根据权利要求6所述的无人机检测与防御方法， 其特征在于， 所述基于所述融合上下 文特征对所述优化 三维注意区域进行融合优化， 得到优化 三维预测框集 合的步骤， 包括： 采用特征金字塔算法对所述融合上下文特征和所述优化三维注意 区域进行融合， 得到 包含多个第一融合特 征图的第一融合特 征图集合； 对所述第一融合特征图集合中的所有第 一融合特征图进行卷积融合， 得到所述优化三 维预测框集 合。 8.根据权利要求1所述的无人机检测与防御方法， 其特征在于， 所述基于所述优化三维 预测框集 合对目标 无人机进行定位， 得到所述目标 无人机的第一定位信息的步骤， 包括： 通过IoU网络获取所述优化三维预测框集合中每个优化三维预测框的IoU预测值； 其 中， 所述IoU预测值用于表征 所述优化 三维预测框的定位精度； 根据所述优化三维预测框集合中每个优化三维预测框的IoU预测值， 采用NMS算法对所 述优化三维预测框集 合进行后处 理， 得到最终三维预测框； 根据所述 最终三维预测框的位置坐标， 确定所述第一定位信息 。 9.根据权利要求1 ‑8任一项所述的无人机检测与防御 方法， 其特征在于， 所述基于所述 目标无人机的第一定位信息对所述目标 无人机进行防御处 理的步骤， 包括： 基于所述第一定位信息， 确定所述第一定位信息对应的防御指令； 所述防御指令用于 控制反制设备摧毁所述目标 无人机和/或控制反制设备向所述目标 无人机发送干扰信号。 10.一种无人机检测与防御系统， 其特征在于， 所述系统包括： 目标检测子系统、 定位跟 踪子系统和防御子系统； 所述目标检测子系统包括特征提取模块、 目标定位模块、 三 维变换权　利　要　求　书 2/3 页 3 CN 114862952 A 3