-
公开(公告)号：CN119469165B
公开(公告)日：2025-03-28
申请号：CN202510034798.X
申请日：2025-01-09
Applicant: 中国民用航空飞行学院
Abstract: 本发明涉及无人机航迹规划技术领域，公开面向高密度运行场景的无人机集群四维航迹规划方法，包括步骤：构建城市空域四维网格模型，完成无人机的四维时空数据重构；所述城市空域四维网格模型包括固定四维体模型、无人机四维点模型、航迹四维线模型；构建无人机四维航迹规划模型；基于4D‑A*搜寻算法改进自适应启发式函数；基于改进自适应启发式函数获得的运行成本和运行风险，得到无人机最优航迹。本发明能够有效的完成城市无人机集群高密度运行无冲突实时四维航迹规划，提高了运行效率并降低运行风险。
-
公开(公告)号：CN119469165A
公开(公告)日：2025-02-18
申请号：CN202510034798.X
申请日：2025-01-09
Applicant: 中国民用航空飞行学院
Abstract: 本发明涉及无人机航迹规划技术领域，公开面向高密度运行场景的无人机集群四维航迹规划方法，包括步骤：构建城市空域四维网格模型，完成无人机的四维时空数据重构；所述城市空域四维网格模型包括固定四维体模型、无人机四维点模型、航迹四维线模型；构建无人机四维航迹规划模型；基于4D‑A*搜寻算法改进自适应启发式函数；基于改进自适应启发式函数获得的运行成本和运行风险，得到无人机最优航迹。本发明能够有效的完成城市无人机集群高密度运行无冲突实时四维航迹规划，提高了运行效率并降低运行风险。
-
Patent Agency Ranking
公开(公告)号：CN116088585B
公开(公告)日：2023-06-13
申请号：CN202310363117.5
申请日：2023-04-07
Applicant: 中国民用航空飞行学院
IPC: G05D1/10
Abstract: 本发明涉及基于匈牙利算法的多无人机起降次序规划系统和方法，包括步骤：获取处于等待降落点的无人机的编号、无人机到达等待降落点时的电量、无人机到达等待降落点的时间、执行任务批次、无人机从等待降落点至地面降落点所需时间；计算n架处于等待降落点的无人机在不同降落次序时的代价成本，并组成n*n的代价成本矩阵A；利用匈牙利算法在代价成本矩阵A中获取无人机的最优降落次序；根据处于等待降落点的无人机的最优降落次序，判断处于地面降落点且具有起飞请求的无人机是否需要更改或延后起飞时间。本发明对无人机降落次序进行最优分配，并同时考虑无人机起飞的冲突，使无人机起降得到合理、高效的规划，实现无人机起降成本综合达到最小。
-
公开(公告)号：CN116088585A
公开(公告)日：2023-05-09
申请号：CN202310363117.5
申请日：2023-04-07
Applicant: 中国民用航空飞行学院
IPC: G05D1/10
Abstract: 本发明涉及基于匈牙利算法的多无人机起降次序规划系统和方法，包括步骤：获取处于等待降落点的无人机的编号、无人机到达等待降落点时的电量、无人机到达等待降落点的时间、执行任务批次、无人机从等待降落点至地面降落点所需时间；计算n架处于等待降落点的无人机在不同降落次序时的代价成本，并组成n*n的代价成本矩阵A；利用匈牙利算法在代价成本矩阵A中获取无人机的最优降落次序；根据处于等待降落点的无人机的最优降落次序，判断处于地面降落点且具有起飞请求的无人机是否需要更改或延后起飞时间。本发明对无人机降落次序进行最优分配，并同时考虑无人机起飞的冲突，使无人机起降得到合理、高效的规划，实现无人机起降成本综合达到最小。
-
公开(公告)号：CN119148745A
公开(公告)日：2024-12-17
申请号：CN202411621597.1
申请日：2024-11-14
Applicant: 中国民用航空飞行学院
IPC: G05D1/46 , G05D109/20
Abstract: 本发明公开了一种基于深度强化学习与时间约束的低空航空器冲突解脱方法，属于航空安全技术领域，包括如下步骤：设置静态障碍物和非合作目标航空器，以构建低空运行环境；构建低空运行环境中航空器的状态空间和动作空间；构建带有时间约束的奖励函数；根据带有时间约束的奖励函数、低空运行环境中航空器的状态空间和动作空间，基于深度强化学习模型在低空运行环境中进行低空航空器冲突解脱训练，得到训练好深度强化学习模型；获取本体航空器在执行实际冲突解脱任务中的当前状态，并利用训练好的深度强化学习模型输出奖励值最高时对应的动作，以避免冲突的同时及时达到目标位置。本发明解决了低空航空器的冲突解脱能力和准点率不足的问题。
-
公开(公告)号：CN119723392A
公开(公告)日：2025-03-28
申请号：CN202411899336.6
申请日：2024-12-23
Applicant: 中国民用航空飞行学院
IPC: G06V20/17 , G06V10/26 , G06V10/40 , G06V10/80 , G06V10/764 , G06N3/0464
Abstract: 本发明涉及计算机视觉中语义分割技术领域，公开一种面向城市场景的无人机航拍图像的语义分割方法，包括步骤：收集大量无人机航拍图像数据，形成语义分割标签集；将语义分割标签集作为特征提取模块的输入，对特征提取模块进行训练；将所述语义分割标签集作为拉普拉斯金字塔模块的输入，对拉普拉斯金字塔模块进行训练；将特征提取模块输出的特征图和拉普拉斯金字塔模块输出的特征分量一同作为特征融合模块的输入，对特征融合模块进行训练；将语义分割标签集输入细节标签处理模块，得到语义分割边缘细节标签图；计算语义分割模型的损失。本发明解决了城市场景下无人机航拍图像的语义分割问题，以提高无人机在城市环境中的安全性和实用性。
-
公开(公告)号：CN119148745B
公开(公告)日：2025-01-24
申请号：CN202411621597.1
申请日：2024-11-14
Applicant: 中国民用航空飞行学院
IPC: G05D1/46 , G05D109/20
Abstract: 本发明公开了一种基于深度强化学习与时间约束的低空航空器冲突解脱方法，属于航空安全技术领域，包括如下步骤：设置静态障碍物和非合作目标航空器，以构建低空运行环境；构建低空运行环境中航空器的状态空间和动作空间；构建带有时间约束的奖励函数；根据带有时间约束的奖励函数、低空运行环境中航空器的状态空间和动作空间，基于深度强化学习模型在低空运行环境中进行低空航空器冲突解脱训练，得到训练好深度强化学习模型；获取本体航空器在执行实际冲突解脱任务中的当前状态，并利用训练好的深度强化学习模型输出奖励值最高时对应的动作，以避免冲突的同时及时达到目标位置。本发明解决了低空航空器的冲突解脱能力和准点率不足的问题。
-
-
-
-
-
-
Search Results
7
records
(took 0.026 seconds)
