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！

龙图腾网获悉湖南大学申请的专利一种基于深度学习的无人机集群分布规划的方法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：CN121113094B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511660716.9，技术领域涉及：G01C21/20；该发明授权一种基于深度学习的无人机集群分布规划的方法是由华和安;陈欣;王耀南;常浩;钟杭;梁鸿涛;张辉设计研发完成，并于2025-11-13向国家知识产权局提交的专利申请。

本一种基于深度学习的无人机集群分布规划的方法在说明书摘要公布了：本发明公开了一种基于深度学习的无人机集群分布规划的方法，包括：根据飞行任务所在环境构建数字矩阵地图，确定起点和终点坐标；利用基于A‑Star算法的最大间隙路径规划算法动态规划集群几何中心的轨迹位置点；获取轨迹位置点周边区域的图像，处理后输入用于规划集群形状的深度神经网络模型，输出规划的集群形状信息；再根据集群的形状信息和轨迹点周围环境，得到规划集群形状偏转角度模型的输入数据组，输出得到集群在轨迹点的偏转角度，从而确定集群实时环境自适应的分布。本发明构建了端到端的“轨迹‑形状‑方向”分布规划机制，显著提高了无人机集群在动态环境下的分布合理性与规划效率，为集群智能化、自主化运行提供了技术支撑。

本发明授权一种基于深度学习的无人机集群分布规划的方法在权利要求书中公布了：1.一种基于深度学习的无人机集群分布规划的方法，其特征在于，包括以下步骤： S1，对飞行任务所在环境的地理空间数据进行标准化处理后划分为栅格单元，从而构建数字矩阵地图，并在数字矩阵地图中标记可通行区域和障碍物区域，然后在数字矩阵地图中确定无人机集群任务的起点和终点坐标； S2，利用数字矩阵地图，基于可通行区域与障碍物区域之间的距离得到间隙代价场，再基于间隙代价场，以A-Star算法的最大间隙路径规划算法来确保路径在满足可行性的同时远离障碍物，从而规划出路径，并从路径中提取出无人机集群几何中心的轨迹点； S3，获取轨迹点周边区域的RGB俯视图像并进行预处理：根据数字矩阵地图中的可通行区域和障碍物区域来将RGB俯视图像转换为相应的统一颜色；然后输入用于规划无人机的集群形状的深度神经网络模型，输出规划的集群形状信息； S4，根据集群形状信息和轨迹点周围环境，得到规划集群形状偏转角度模型的输入数据组，输入模型后得到集群在轨迹点的偏转角度，从而确定集群实时环境自适应的分布； 所述步骤S2包括： S201，利用S1中的数字矩阵地图，构建间隙代价场：基于可通行区域，通过距离变换方法计算每个可通行区域栅格单元到最近的障碍物区域栅格单元的欧式距离值来作为最小间隙值，进而获得全局障碍物距离场，并以全局障碍物距离场作为间隙代价场，用于量化路径规划中每个点与周围障碍物的安全裕度； S202，执行基于间隙引导的A-Star路径搜索：在构建的间隙代价场基础上，定义路径代价函数为当前路径节点所处位置的最小间隙值，并融合启发函数以同时考虑从当前节点至目标节点的欧式距离以及间隙值的反向引导效应，通过最大化路径最小间隙值来确保路径在满足可行性前提下尽可能远离障碍物边缘，从而形成改进型A-Star搜索策略来规划路径； S203，在路径规划完成后，对路径上的轨迹点每间隔预定数量个后提取一个轨迹点，作为无人机集群几何中心的动态轨迹点集合，构成时间有序的集群几何中心参考轨迹； 所述步骤S3包括： S301，采集基于步骤S203中每个动态轨迹点周边区域的RGB俯视图像； S302，对RGB俯视图像进行图像预处理，包括以下子步骤： 1缩放图像至预设的输入分辨率尺寸； 2在图像中心位置绘制一个边长为预设像素个数的具有颜色的正方形，用以标识集群几何中心所在位置； 3将图像中原始的环境区域按照栅格单元的可通行区域或障碍物区域标记进行重新编码：将可通行区域和障碍物区域转为不同的颜色，且均与集群几何中心正方形的颜色不同； S303，将预处理后的图像输入至集群形状识别模型S-DNN，所述S-DNN为训练完成的深度神经网络模型；S-DNN对图像处理后得到一个多维向量，其中维数表示预设的队形数量，向量中的每个值表示选择某种队形的概率，并以最大的向量值所对应的队形作为规划的集群形状； 步骤S4包括： S401，根据S-DNN输出的规划的集群形状，以当前正在规划集群分布的动态轨迹点到下一个集群轨迹点的前进方向作为基准角，生成一张集群形状在预处理后的RGB俯视图像中的图像，同时生成两张将集群形状在RGB俯视图像中基于基准角互相以相反的方向旋转预设角度的图像，并以这三张图像作为集群偏转角度规划模型O-DNN的输入数据组，所述O-DNN为训练完成的深度神经网络模型； S402，O-DNN模型输出一个范围在-90°到90°之间的单一值，表示无人机集群相对基准角的旋转角度，从而与S-DNN的输出来共同确定集群的分布信息； S403，根据集群的分布信息解算出集群中每架无人机的分布位置，进而完成整个集群的分布规划。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路麓山门；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。