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！

龙图腾网获悉吉林大学申请的专利基于双模态障碍物特征提取的智能无人机导航方法与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：CN120506958B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202511008380.8，技术领域涉及：G01C21/20；该发明授权基于双模态障碍物特征提取的智能无人机导航方法与系统是由玄玉波;邓荣荣;毛彦博设计研发完成，并于2025-07-22向国家知识产权局提交的专利申请。

本基于双模态障碍物特征提取的智能无人机导航方法与系统在说明书摘要公布了：本申请属于无人机自主导航技术领域，涉及基于双模态障碍物特征提取的智能无人机导航方法与系统，包括：获取多模态传感器数据；通过时空对齐网络将多模态传感器信息在时空上进行对齐；通过融合定位失效自适应策略的卡尔曼滤波器获得无人机实时位姿信息；采用双流障碍物特征提取网络从多模态传感器数据中提取包含动态障碍物特征和静态障碍物特征的复合环境向量；采用基于课程学习改进的强化学习训练方法，训练基于最大熵的SAC模型，获得SAC策略网络；将复合环境向量与无人机实时位姿信息输入SAC策略网络，以端对端的方式获得无人机的最优控制，本申请具备良好的路径规划性能，有效提升了无人机在复杂环境下的任务执行能力和安全性。

本发明授权基于双模态障碍物特征提取的智能无人机导航方法与系统在权利要求书中公布了：1.一种基于双模态障碍物特征提取的智能无人机导航方法，其特征在于，所述方法包括： 获取多模态传感器数据，所述多模态传感器数据包括激光雷达采集的点云数据、双目相机采集的图像数据、GPS实时测量的无人机位置信息和惯性测量单元采集的IMU数据； 通过时空对齐网络将多模态传感器信息在时空上进行对齐； 通过融合定位失效自适应策略的卡尔曼滤波器获得无人机实时位姿信息； 采用双流障碍物特征提取网络从多模态传感器数据中提取包含动态障碍物特征和静态障碍物特征的复合环境向量，包括： 采用基于卷积神经网络的目标检测算法，识别环境中的动态障碍物，分离无人机当前范围内的动态障碍物与静态障碍物； 提取静态障碍物的点云数据，通过预设固定内存的3D体素网格划分环境空间，采用哈希表存储空间占用状态，构建出反映无人机周围环境障碍物信息的3D体素地图；根据最新点云数据更新每个体素的占用概率； 采用3D射线投影从无人机的当前位置对3D体素地图进行采样，射线以无人机为中心在水平面和垂直平面全方向投射，根据垂直平面内的每个投射角度记录水平面内所有射线的长度向量，超出最大范围的射线设定为最大范围加小偏移的长度向量，长度向量作为静态障碍物的特征； 提取动态障碍物的图像数据，获得深度图像，转化为U深度图，从U深度图识别动态障碍物的轮廓，生成3D边界盒表示动态障碍物的高度、宽度和长度，将带有3D边界盒信息的图像输入长短期记忆网络中，通过时序建模获得动态障碍物的未来位置概率分布，作为动态障碍物的特征； 静态障碍物的特征和动态障碍物的特征拼接成复合环境向量； 采用基于课程学习改进的强化学习训练方法，训练基于最大熵的SAC模型，获得SAC策略网络； 将复合环境向量与无人机实时位姿信息输入SAC策略网络，以端对端的方式获得无人机的最优控制。

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吉林大学，其通讯地址为：130012 吉林省长春市朝阳区前进大街2699号；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”。

以上内容由龙图腾AI智能生成。