買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜國網(wǎng)四川省電力公司電力應(yīng)急中心申請的專利一種基于激光雷達(dá)的無人機(jī)電力巡檢自主飛行的避障方法、設(shè)備及存儲介質(zhì)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119717864B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-02發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510237692.X，技術(shù)領(lǐng)域涉及：G05D1/46；該發(fā)明授權(quán)一種基于激光雷達(dá)的無人機(jī)電力巡檢自主飛行的避障方法、設(shè)備及存儲介質(zhì)是由鄧創(chuàng);李科峰;周煒;龔奕宇;丁理杰;卿東設(shè)計(jì)研發(fā)完成，并于2025-03-03向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于激光雷達(dá)的無人機(jī)電力巡檢自主飛行的避障方法、設(shè)備及存儲介質(zhì)在說明書摘要公布了：本發(fā)明公開了一種基于激光雷達(dá)的無人機(jī)電力巡檢自主飛行的避障方法、設(shè)備及存儲介質(zhì)，涉及無人機(jī)避障技術(shù)領(lǐng)域，包括在無人機(jī)上配置激光雷達(dá)和視覺傳感器，實(shí)時采集飛行環(huán)境的三維點(diǎn)云數(shù)據(jù)和圖像數(shù)據(jù)，并對點(diǎn)云數(shù)據(jù)進(jìn)行優(yōu)化后生成三維環(huán)境模型；基于三維環(huán)境模型將障礙物分類為靜態(tài)和動態(tài)，若障礙物為靜態(tài)障礙物，則通過CNN模型識別障礙物類型并進(jìn)行定位，若障礙物為動態(tài)障礙物，則通過K?Medoids聚類方法聚類運(yùn)動軌跡。本發(fā)明不僅能夠?qū)o態(tài)障礙物進(jìn)行識別與定位，還能夠通過動態(tài)障礙物預(yù)測技術(shù)對飛鳥等動態(tài)障礙物進(jìn)行運(yùn)動軌跡預(yù)測，從而生成初步飛行路徑，并在飛行過程中實(shí)時感知和避讓周圍障礙物，保證無人機(jī)能夠在電力巡檢任務(wù)中順利執(zhí)行。

本發(fā)明授權(quán)一種基于激光雷達(dá)的無人機(jī)電力巡檢自主飛行的避障方法、設(shè)備及存儲介質(zhì)在權(quán)利要求書中公布了：1.一種基于激光雷達(dá)的無人機(jī)電力巡檢自主飛行的避障方法，其特征在于：包括，在無人機(jī)上配置激光雷達(dá)和視覺傳感器，實(shí)時采集飛行環(huán)境的三維點(diǎn)云數(shù)據(jù)和圖像數(shù)據(jù)，并對點(diǎn)云數(shù)據(jù)進(jìn)行優(yōu)化后生成三維環(huán)境模型；基于三維環(huán)境模型將障礙物分類為靜態(tài)和動態(tài)，若障礙物為靜態(tài)障礙物，則通過CNN模型識別障礙物類型并進(jìn)行定位，若障礙物為動態(tài)障礙物，則通過K-Medoids聚類方法聚類運(yùn)動軌跡，通過TFBNet模型提取數(shù)據(jù)特征，基于UKF算法以及BIGRU模型和MHA進(jìn)行運(yùn)動軌跡預(yù)測；基于障礙物識別和動態(tài)預(yù)測結(jié)果生成初步飛行路徑，并在無人機(jī)飛行過程中實(shí)時感知周圍障礙物，計(jì)算避障路徑，動態(tài)調(diào)整無人機(jī)飛行路徑；所述若障礙物為動態(tài)障礙物，則通過K-Medoids聚類方法聚類運(yùn)動軌跡，通過TFBNet模型提取數(shù)據(jù)特征，基于UKF算法以及BIGRU模型和MHA進(jìn)行運(yùn)動軌跡預(yù)測包括以下步驟：收集每個時間點(diǎn)的障礙物數(shù)據(jù)構(gòu)建障礙物的狀態(tài)向量St，將從多個時間步采集的狀態(tài)向量按時間順序組織起來，形成完整的軌跡數(shù)據(jù)集，每個軌跡數(shù)據(jù)集由障礙物在多個時間步的狀態(tài)向量構(gòu)成，表示障礙物的運(yùn)動軌跡Ti；對每條軌跡進(jìn)行特征提取并對所有軌跡數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理；使用肘部法則選擇聚類數(shù)量，通過K-Medoids聚類方法對障礙物的運(yùn)動軌跡進(jìn)行聚類，使用Hausdorff距離公式衡量聚類后的軌跡之間的相似度，將障礙物的軌跡按運(yùn)動模式分組，得到包含多個軌跡類別的結(jié)果；將聚類后的軌跡數(shù)據(jù)作為TFBNet模型的輸入，通過卷積層提取軌跡數(shù)據(jù)中的空間特征，并將軌跡特征映射到高維空間；將映射到高維空間的數(shù)據(jù)輸入UKF算法中，對障礙物的當(dāng)前位置、速度和加速度進(jìn)行初步狀態(tài)估計(jì)，通過sigma點(diǎn)擴(kuò)展?fàn)顟B(tài)，使用非線性變換將當(dāng)前狀態(tài)傳播到未來時刻，對障礙物的未來軌跡進(jìn)行預(yù)測得到障礙物的初步未來軌跡；將得到的初步未來軌跡數(shù)據(jù)轉(zhuǎn)換為時間序列數(shù)據(jù)，將初步軌跡預(yù)測數(shù)據(jù)輸入BiGRU模型中進(jìn)行時序建模，得到優(yōu)化后的軌跡特征；將BiGRU生成的時序建模結(jié)果作為輸入，傳遞給MHA進(jìn)行注意力加權(quán)，MHA通過計(jì)算查詢Q、鍵K和值V，生成注意力權(quán)重，進(jìn)一步加權(quán)軌跡中的每個時間步，通過使用softmax計(jì)算每個時間步的權(quán)重，根據(jù)計(jì)算出的注意力權(quán)重進(jìn)行加權(quán)求和，得到加權(quán)后的軌跡特征后作為高斯過程回歸模型的輸入，預(yù)測未來的軌跡，生成多個預(yù)測目標(biāo)；計(jì)算每條軌跡與障礙物當(dāng)前實(shí)際位置之間的最小距離，并按照距離對軌跡進(jìn)行遞減排序，生成距離排序表；計(jì)算每條軌跡的加速度和速度，并將結(jié)果與收集的障礙物的歷史運(yùn)動模式進(jìn)行比較，若不一致則對距離排序表中的軌跡進(jìn)行排除；選擇排除后的距離排序表中的第一個軌跡作為動態(tài)障礙物的預(yù)測軌跡。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人國網(wǎng)四川省電力公司電力應(yīng)急中心，其通訊地址為：610040 四川省成都市武侯區(qū)人民南路四段63號22-27號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。