1.一种在同一空域内多架跟踪无人机的协同防碰撞方法，其特征在于，具体包括以下步骤：步骤1，首先从无人机传感器发布的实时视频流中获取图像信息；

步骤2，使用OpenCV中的“跟踪器”定位目标在所述图像上的中心坐标(xo，yo)；

步骤3，将步骤2中的中心坐标(xo，yo)缩放得到归一化的偏移量Δx′和Δy′，使用PID算法计算无人机的速度矢量v，用于跟踪目标.

步骤4，使用速度障碍模型对v进行碰撞检测，即检查v的末端是否处于组合的速度障碍区域内，当v的末端处于组合的速度障碍区域内，目标导向的速度优化方法用于对候选速度进行调整，进行碰撞消除；

步骤5，无人机反复执行上述步骤1-4的过程，直至完成跟踪任务。

2.根据权利要求1所述协同防碰撞方法，其特征在于，跟踪无人机的方法具体为：第1步：使用机载云台等设备采集图像信息，并回传视频数据至控制端；

第2步：在视频数据中选择无人机需要跟踪的目标，提取HOG、HSV等特征；

第3步：通过OpenCV的“跟踪器”，使用步骤2提取的HOG、HSV等特征，定位目标在图像上的中心坐标(xo，yo)，即最小包围圆的圆心或最小包围矩形的中心；

第4步：计算中心坐标(xo，yo)与无人机视野中心位置(xc，yc)的在水平和竖直两个方向的绝对偏移量Δx和Δy：第5步：设置一个死区范围，宽度为w，高度为h，死区范围的中心与无人机视野中心位置重合；当|xo-xc|≤w/2时，无人机的速度方向不需调整；当|yo-yc|≤h/2时，无人机速度大小应为0，即不需要前进或者后退，否则，实施第6步；

第6步：令无人机视野画面的分辨率为xr×yr，首先对偏移量进行归一化，将Δx和Δy缩放到[-1，1]，即Δx′＝Δx/(xr/2)，Δy′＝Δy/(yr/2)，则无人机在下一个时刻的速度为：v＝vmaxΔy′

α＝αmaxΔx′

vmax为无人机的最大速度，αmax(αmax≤π/2)为无人机仅围绕Z轴旋转的最大转角，其中，当Δy′<0时，表示应该倒退，否则应该前进；同理，当Δx′<0时，表示无人机向左旋转，否则向右旋转；

此时生成了一个新的速度矢量v＝(v，α)，其方向为相对于当前正前方α，速度大小为v；

第7步：重复执行上述3-6步，直至完成跟踪任务。

3.根据权利要求1所述协同防碰撞方法，其特征在于，步骤4包括以下子步骤：当空域内有多个跟踪无人机时，还需对v进行碰撞检查。

第1步：使用碰撞锥模型对“入侵者”进行筛选，选出对本机有威胁的“威胁者”，具体过程包括：对于每个处于u0的感知范围内的无人机ui，定义相对速度v0|i＝v0-vi，定义射线：λ(p，v)＝{p+vt|t>0}

其中，无人机的状态信息以S＝(p，v)表示，p＝(px，py)表示无人机所处的位置，v表示无人机的速度信息；在无人机u0的感知范围内有u1，…，un也在执行任务，定义n个无人机u1，…，un为u0的“入侵者”，即||p0-pi||2≤ρSR，ρSR表示无人机的感知范围的半径，或者预警范围的半径；λ(p，v)表示起点在p，方向沿着v的方向的射线；

根据u0的半径大小对ui进行“膨化”，即ri′＝ri+r0，得到位置障碍物PO0|i，定义碰撞锥CC0|i为：任何相对速度vt|i位于CC0|i内，都会导致u0和ui的碰撞，通过CC0|i筛选出对u0有威胁的无人机，记为u1，…，um(m≤n)。

第2步，定义速度障碍模型：

其中 表示闵可夫斯基矢量和运算，即：

其中，VOt|i是一系列速度的集合，所述速度的集合导致u0和ui在将来某一时刻发生碰撞；为了避免多个威胁，需要对多个VO进行组合：其中，∪表示对m个VO几何区域进行组合，因此，当v0的末端位于VO内时，进行调整，选取处于VO外的速度，以避免潜在的碰撞。

第3步，速度优化，在保证速度矢量v方向不变的情况下，在VO约束下，对无人机下一个时刻的速度v(t+1)进行优化，具体步骤为：假设VO的边界曲线为Ω，定义速度v的延长线为λ(p，v)，则：P＝λ(p，v)∩Ω

其中，P表示候选速度和VO边界曲线的交点。在所有交点中，选择距离p最近的那个交点Pi，作为下一个时刻速度的末端Ev，即：其中Pi表示p与i第个VO边界曲线的交点。

优化后的无人机速度为：

v′＝(v′，α)＝(||Ev-p||2，α)。