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！

龙图腾网获悉云南民族大学申请的专利基于深度强化学习的无人机路线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：CN118896610B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202410940842.9，技术领域涉及：G01C21/20；该发明授权基于深度强化学习的无人机路线规划方法及系统是由周思达;施炀;唐嘉宁;马孟星;姜国然设计研发完成，并于2024-07-15向国家知识产权局提交的专利申请。

本基于深度强化学习的无人机路线规划方法及系统在说明书摘要公布了：本发明提出基于深度强化学习的无人机路线规划方法，方法包括：利用基于梯度的柏林噪声和数字高程图构建三维非结构化地图；构建基于固定翼无人机的含约束的无人机自主探索的部分可观测马尔可夫决策过程模型对固定翼无人机的飞行路线进行约束；根据部分可观测马尔可夫决策过程模型构建基于深度学习的路线规划模型，并采用PPO算法对所述路线规划模型进行优化。本发明使用深度神经网络，拟合强化学习的动作价值函数、策略、模型等组成部分，构建从局部观测到值函数和策略函数的深度神经网络近似映射，建立部分可观测马尔可夫决策过程模型，完成强化学习框架搭建，提高模型在应对大规模状态空间时的鲁棒性与泛化能力。

本发明授权基于深度强化学习的无人机路线规划方法及系统在权利要求书中公布了：1.基于深度强化学习的无人机路线规划方法，其特征在于，所述方法包括： S1、利用基于梯度的柏林噪声和数字高程图构建三维非结构化地图； S2、构建基于固定翼无人机的含约束的无人机自主探索的部分可观测马尔可夫决策过程模型对固定翼无人机的飞行路线进行约束； S3、根据部分可观测马尔可夫决策过程模型构建基于深度学习的路线规划模型，并采用PPO算法对所述路线规划模型进行优化； 所述基于梯度的柏林噪声先生成覆盖全图的晶格矩形网格，并在每个晶格点上都随机初始化一个梯度向量，具体如下： 假设晶格内的一个待计算点为，该待计算点所属的四个晶格点分别记作、、、，则其梯度向量为,,,； 计算出点分别距离四个晶格点的偏移量,,,，再对每个晶格点上的梯度向量与距离向量的点积求累和即可得到点的随机噪声值，计算公式表示如下： ； 其中，表示高次曲线函数，用以提升柏林噪声的平滑性，计算如下： ； 其中，表示高次曲线函数的自变量； 使用单个频率产生噪声，然后通过叠加多个不同频率的噪声进行计算，同时使用持续度来代表每个频率分量的振幅，计算公式表示如下： ； ； ； 其中，表示频率，表示振幅，表示在每个点取不同值的频率和振幅进行的柏林噪声运算，即第k个被叠加的噪声函数，N表示倍频数，表示持续度，表示表示在N倍频下的柏林噪声，表示待计算点； 所述数字高程图构建如下： 对随机地图进行归一化出来，并将其映射到[0，1]内，表示如下： ； 其中，Y表示归一化后得到的值，X表示输入的原始值，表示地图数据集合中的最大值，表示地图数据集合中的最小值； 在对每个点上的高程数据采用8位二进制整型变量进行记录，均匀量化出256级高程值； 将三维非结构化地图进行三维仿真交互，具体包括： 截取与无人机起飞的起始点位于同一水平面的三维环境制作布尔型切片地图； 设定初始生成半径，在布尔型切片地图中以候选点为中心，截取边长为的正方形矩阵记作，并与同维度的矩阵进行点乘，其中内元素取值满足如下公式： ； 其中，分别表示候选点的横纵坐标，、分别表示候选点距中心候选点的横向距离和纵向距离； 根据的结果中的最大值判断该候选点是否为可行起始飞行点；若最大值不大于0则说明候选点附近较为空旷，适合作为起始飞行点，并将其添加到候选点队列中供后续研究随机采样；反之，则说明该点附近存在较近的障碍物，不适合作为起始飞行点。

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云南民族大学，其通讯地址为：650500 云南省昆明市呈贡区吴家营街道月华街2929号云南民族大学；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”。