公开(公告)号：CN115016534B

公开(公告)日：2025-04-25

申请号：CN202210620004.4

申请日：2022-06-02

Applicant: 之江实验室 ,  东南大学

Inventor： 凌波 ,  项森伟 ,  谢安桓 ,  吴巍炜 ,  傅忱忱 ,  徐学永 ,  张运涛 ,  魏宁 ,  高勇

IPC: G05D1/46 ,  G05D109/20

Abstract: 本发明公开了一种基于记忆增强学习的无人机自主避障导航方法，克服了传统深度强化学习导航方法在部分可测环境中极易陷入局部困境的问题。首先把无人机自主避障导航问题建模为目标驱动的马尔可夫决策过程，提出动态相对目标的目标特征提取方法，引导无人机学习导航问题的本质特征；然后考虑到传统导航方法由于没有保存历史信息，导致无人机在部分可测环境中极易陷入局部困境，本发明设计了一种保存动作记忆和空间信息的记忆增强模块，在决策时额外考虑历史的观测以及动作序列，使无人机更易脱离困境；最后本发明提出基于高斯分布探索增强的深度强化学习算法，使其能够在提高算法收敛速度的前提下保持并提高无人机避障导航的成功率。

公开(公告)号：CN114943757A

公开(公告)日：2022-08-26

申请号：CN202210622959.3

申请日：2022-06-02

Applicant: 之江实验室 ,  东南大学

Inventor： 吴巍炜 ,  方效林 ,  项森伟 ,  谢安桓 ,  凌波 ,  傅忱忱 ,  卢震 ,  高勇

IPC: G06T7/50 ,  G06V20/17 ,  G06V40/10 ,  G06V10/774 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06F30/27 ,  G05D1/10 ,  G06F111/04

Abstract: 本发明提供了一种基于单目景深预测和深度增强学习的无人机森林探索系统。本发明逻辑上主要包括四个部分，景深预测识别优化、增强学习规则避障、目标检测以及以RESTful服务形式组建可扩展的感知、计算、控制无人机链路。流程上首先建立了针对森林场景的单目景深预测模型，并根据一种整图不确定度估计方法，通过对方差进行估计来表示景深预测模型结果的不确定度，解决了无人机飞行样例中景深预测失效的问题；然后构建在单目前向无人机硬件约束下的以森林场景下的小型障碍物规避为规划目标的避障模式；最后使用PPO深度增强学习算法来实现无人机避障及导航，解决了策略训练后可能出现的陷入局部最优区域的问题，并通过部署轻量级目标检测网络实现人员搜寻。

公开(公告)号：CN115115785B

公开(公告)日：2025-04-29

申请号：CN202210857288.9

申请日：2022-07-20

Applicant: 东南大学

Inventor： 吴巍炜 ,  高勇 ,  凌波 ,  余森泽 ,  徐学永 ,  傅忱忱 ,  夏羽 ,  徐宇航 ,  陈越

IPC: G06T17/00 ,  G06T3/4038 ,  G06V10/46 ,  G06V10/75 ,  G06V10/762

Abstract: 本发明公开了一种面向野外山林环境搜救的多机协同三维建模系统及方法，其中，地面站控制模块用于与无人机通信，将初步生成的粗飞轨迹发送给无人机，控制无人机飞行并接收无人机回传的状态信息；航拍影像实时拼接模块基于特征匹配的影像进行实时拼接；深度估计模块基于深度学习的单目图像深度估计模型，获得拼接图像的全局深度图；多机协同路径规划模块获取全局场景下高度较高的区域作为重点区域，对重点区域生成倾斜摄影轨迹，再利用改进的k聚类算法将所有轨迹点划分成任务量均衡的类别，让无人机能够经过每一类点集的所有轨迹点，根据无人机回传的图像建立待搜索区域的三维重建模型。

公开(公告)号：CN115115785A

公开(公告)日：2022-09-27

申请号：CN202210857288.9

申请日：2022-07-20

Applicant: 东南大学

Inventor： 吴巍炜 ,  高勇 ,  凌波 ,  余森泽 ,  徐学永 ,  傅忱忱 ,  夏羽 ,  徐宇航 ,  陈越

IPC: G06T17/00 ,  G06T3/40 ,  G06V10/46 ,  G06V10/75 ,  G06V10/762

Abstract: 本发明公开了一种面向野外山林环境搜救的多机协同三维建模系统及方法，其中，地面站控制模块用于与无人机通信，将初步生成的粗飞轨迹发送给无人机，控制无人机飞行并接收无人机回传的状态信息；航拍影像实时拼接模块基于特征匹配的影像进行实时拼接；深度估计模块基于深度学习的单目图像深度估计模型，获得拼接图像的全局深度图；多机协同路径规划模块获取全局场景下高度较高的区域作为重点区域，对重点区域生成倾斜摄影轨迹，再利用改进的k聚类算法将所有轨迹点划分成任务量均衡的类别，让无人机能够经过每一类点集的所有轨迹点，根据无人机回传的图像建立待搜索区域的三维重建模型。

公开(公告)号：CN115016534A

公开(公告)日：2022-09-06

申请号：CN202210620004.4

申请日：2022-06-02

Applicant: 之江实验室 ,  东南大学

Inventor： 凌波 ,  项森伟 ,  谢安桓 ,  吴巍炜 ,  傅忱忱 ,  徐学永 ,  张运涛 ,  魏宁 ,  高勇

IPC: G05D1/10

Abstract: 本发明公开了一种基于记忆增强学习的无人机自主避障导航方法，克服了传统深度强化学习导航方法在部分可测环境中极易陷入局部困境的问题。首先把无人机自主避障导航问题建模为目标驱动的马尔可夫决策过程，提出动态相对目标的目标特征提取方法，引导无人机学习导航问题的本质特征；然后考虑到传统导航方法由于没有保存历史信息，导致无人机在部分可测环境中极易陷入局部困境，本发明设计了一种保存动作记忆和空间信息的记忆增强模块，在决策时额外考虑历史的观测以及动作序列，使无人机更易脱离困境；最后本发明提出基于高斯分布探索增强的深度强化学习算法，使其能够在提高算法收敛速度的前提下保持并提高无人机避障导航的成功率。