买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉之江实验室;东南大学申请的专利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获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114943757B 。

龙图腾网通过国家知识产权局官网在2025-06-20发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210622959.3，技术领域涉及：G06V10/25；该发明授权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是由吴巍炜;方效林;项森伟;谢安桓;凌波;傅忱忱;卢震;高勇设计研发完成，并于2022-06-02向国家知识产权局提交的专利申请。

本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在说明书摘要公布了：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。

本发明授权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在权利要求书中公布了：1.一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，其特征在于，包括以下步骤； 步骤1：采用如下步骤定义针对密集森林场景的基于自监督学习的单目景深网络posen预测模型：所述步骤1具体包括以下步骤； 步骤1-1：构建训练特定数据集，数据集由实验用无人机在密集森林场景中行进时录制的视频逐帧截取构建； 步骤1-2：对于实验用无人机拍摄的视频进行处理得到长度为N的图像序列，将图像序列中的当前帧作为t帧，当前帧的下一帧作为待重建的下一帧t′帧； 步骤1-3：将步骤1-2中得到的当前帧t帧输入至已构造好的深度网络Dispnet中，通过全卷积网络后依次序叠加连接同尺寸的卷积层特征信息经过上采样，最终输出深度信息将步骤1-2中得到的t帧和t′帧输入至已构造好的相机位姿网络posenet中，得到估计摄像头的两帧间沿X,Y,Z轴的平移和旋转共6个标量值，直接使用卷积层和全连接层构建而成，而后基于该六个标量值基于此生成两帧间位姿变化估计矩阵继而重建t′帧； 步骤1-4：通过步骤1-3中重建的两帧，计算特定像素区位重建损失和深度平滑损失 特定像素区位重建损失构建为： 以上公式中，SSIM表示结构相似指数；深度平滑损失构建为： 最终整个模型完整损失函数为： 以上公式中，是滑损失的权重； 步骤1-5：根据相对深度根据如下公式得到实际障碍物距离摄像头的绝对深度，具体步骤为对实验中的20张非测试集陌生场景图片上多个潜在障碍物进行取点，并通过测距仪测量实际深度距离，同时获取对应图片在此区域上像素深度估计的值，基于此计算比例的值，并基于此比例还原绝对深度并计算误差； 步骤1-6：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不确定度，可有效作为快速识别整图深度估计不确定度的指标；根据SSIM和L1loss组合比重计算θ，判断阈值β，在无人机飞行过程中，如果|运动感知信息S|0or|当前控制信号C|0，根据It及It-1，计算两图平均差距 基于网络模型估计It的深度和位姿变动重建计算重建区域与原图区位平均差距 从而得到计算不确定度 步骤2：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，对步骤1中景深预测特点进行分析并设计一个基础但有效的森林场景避障算法； 步骤3：使用深度增强学习策略来解决基于自监督单目景深预测无人机避障及导航问题； 步骤4：采用基于自监督学习的YOLOV4轻量型目标检测网络模型，实现密集森林场景下人员检测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人之江实验室;东南大学，其通讯地址为：311100 浙江省杭州市余杭区之江实验室南湖总部；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。