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！

龙图腾网获悉国网浙江省电力有限公司宁波供电公司;中国电力科学研究院有限公司;国网浙江省电力有限公司申请的专利一种无人机机巢选址规划方法及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：CN120633953B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202511120214.7，技术领域涉及：G06Q10/04；该发明授权一种无人机机巢选址规划方法及系统是由彭国政;陈蕾;莫文昊;胡方舟;谈元鹏;徐重酉;孙益辉;刘英杰设计研发完成，并于2025-08-12向国家知识产权局提交的专利申请。

本一种无人机机巢选址规划方法及系统在说明书摘要公布了：本发明提供一种无人机机巢选址规划方法及系统，涉及无人机机巢选址技术领域，所述方法包括：获取杆塔群内的所有杆塔的UTM坐标；通过特征提取模块，根据UTM坐标进行升维处理，得到杆塔群的高维坐标数据；对高维坐标数据进行特征提取，得到杆塔群的坐标特征；通过聚类模块，对坐标特征进行映射，确定杆塔在每个聚类的概率分布；根据杆塔在每个聚类的概率分布，调整聚类的聚类数，确定杆塔群中每个杆塔对应的聚类中心，得到无人机机巢规划方案。本发明通过特征提取模块以及聚类模块改善了无人机选址在复杂环境中的局限性，使其能够更好地适应环境变化，对聚类进行筛选，从而优化无人机机巢的布局。

本发明授权一种无人机机巢选址规划方法及系统在权利要求书中公布了：1.一种无人机机巢选址规划方法，其特征在于，包括： 获取杆塔群内的所有杆塔的UTM坐标； 通过特征提取模块，根据所述UTM坐标进行升维处理，得到所述杆塔群的高维坐标数据；其中，所述特征提取模块包括数据嵌入层、稀疏注意力层和中间层； 所述通过特征提取模块，根据所述UTM坐标进行升维处理，得到所述杆塔群的高维坐标数据，具体包括：根据所述杆塔群内的所有杆塔的UTM坐标，得到所述杆塔群的点群坐标矩阵；将所述点群坐标矩阵输入所述数据嵌入层；通过所述数据嵌入层对所述点群坐标矩阵进行映射，将点群坐标矩阵的初始维度映射至预设高阶维度；将所述预设高阶维度的所述点群坐标矩阵作为所述高维坐标数据； 对所述高维坐标数据进行特征提取，得到所述杆塔群的坐标特征；其中，具体包括：将所述高维坐标数据输入所述稀疏注意力层，通过滑动窗口注意力和全局注意力进行并行计算，得到所述高维坐标数据的局部注意力特征和全局注意力特征，再将所述局部注意力特征和所述全局注意力特征进行归一化处理，得到融合特征表示；将所述融合特征表示输入所述中间层，通过多头注意力机制对所述融合特征表示进行特征增强，得到增强特征表示，再对所述增强特征表示进行残差链接和层归一化处理，得到所述坐标特征； 通过聚类模块，对所述坐标特征进行映射，确定所述杆塔在每个聚类的概率分布；其中，所述聚类模块包括全连接层和Softmax层；所述通过聚类模块，对所述坐标特征进行映射，确定所述杆塔在每个聚类的概率分布，具体包括：通过所述全连接层，将所述坐标特征的特征维度按照所述聚类的最大聚类数进行映射，得到所述杆塔的聚类权重；通过所述Softmax层，对每个所述杆塔的所述聚类权重进行归一化处理，得到所述杆塔在每个所述聚类的概率分布； 根据所述杆塔在每个所述聚类的概率分布，调整所述聚类的聚类数，确定所述杆塔群中每个所述杆塔对应的聚类中心，得到无人机机巢规划方案；其中，具体包括：根据所述杆塔在每个所述聚类的概率分布对所述聚类进行筛选，调整所述聚类的聚类数，并为筛选后的所述聚类分配对应的所述杆塔；根据每个所述聚类中的所述杆塔对应的所述概率分布进行加权平均，确定所述聚类的所述聚类中心；将所述聚类中心和每个所述杆塔的聚类分配结果作为所述无人机机巢规划方案。

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国网浙江省电力有限公司宁波供电公司;中国电力科学研究院有限公司;国网浙江省电力有限公司，其通讯地址为：315000 浙江省宁波市海曙区丽园北路1408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。