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！

龙图腾网获悉浙江工业大学申请的专利基于无人机的云端数字孪生场景重建训练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：CN119484523B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202411508140.X，技术领域涉及：H04L67/10；该发明授权基于无人机的云端数字孪生场景重建训练方法是由陈继偲;殷锐;张昱;卢为党;袁建涛;何欣设计研发完成，并于2024-10-28向国家知识产权局提交的专利申请。

本基于无人机的云端数字孪生场景重建训练方法在说明书摘要公布了：本发明涉及无线通信技术领域，公开了一种基于无人机的云端数字孪生重建训练方法；1K个无人机利用机载激光雷达扫描当前环境，得到当前环境下的点云地图；扫描完成后形成点云数据；2基站获取当前信道状态、云端，基站端和无人机端的计算资源以及所需场景重构的精度并通知无人机准备卸载数据；3构建优化问题，并选用相应的算法进行求解，得到信道带宽、计算资源和训练数据分配的结果；4无人机根据求解结果卸载数据至云端和基站端并进行训练，训练完成后，无人机与基站上传训练的网络参数至云端，云端聚合参数完善点云重构网络。

本发明授权基于无人机的云端数字孪生场景重建训练方法在权利要求书中公布了：1.基于无人机的云端数字孪生场景重建训练方法，其特征在于，基于云端、基站和无人机的互联系统，系统中包括K个搭载机载激光雷达的无人机UAVS，一个基站，一个云端服务器，其中无人机UAVS、基站和云端服务器均部署深度点云压缩框架DPCC； 所述方法包括以下步骤： 1K个无人机利用机载激光雷达扫描当前环境，得到当前环境下的点云地图；扫描完成后形成点云数据，点云数据将作为训练云端点云重构网络的训练集； 2基站获取当前信道状态、云端，基站端和无人机端的计算资源以及所需场景重构的精度并通知无人机准备卸载数据； 3构建优化问题，并选用相应的算法进行求解，得到信道带宽、计算资源和训练数据分配的结果； 步骤3中，优化问题建模求解的具体步骤如下： 3.1建立数学模型： ; 在以下限制下： ; 其中，有K个无人机参与训练，代表每一个无人机需要卸载的总比特数，它由当前场景所需重建精度决定，即式3和4； 式3表示了场景重建精度的最低阈值，式3中，代表使用H个比特数进行点云点压缩，表示重建精度与压缩每个点云点所需的比特数之间的关系，代表当前场景下所需的重建精度； 式4表示每个无人机扫描的点云点使用H个比特数进行压缩，其中表示点云点的数量； 式2代表每个无人机分配给不同端训练的比特数之和等于无人机原本需要卸载的比特数之和； ,,分别代表基站处理每个无人机卸载到基站的点云数据的计算资源，云端处理每个无人机卸载到云端的点云数据的计算资源以及基站分配给每个无人机的信道带宽；,,则代表基站总计算资源限制，云端总计算资源限制以及链路总带宽限制； 代表每个无人机的权重，代表每个无人机传输并计算好数据的时间；表示为： 其中，表示每个无人机的发射功率，代表基站到无人机的信道增益，代表基站到无人机的噪声功率，代表基站到云端的有线光纤链路速率，分别代表各个端的计算周期数，分别代表无人机本地训练的比特数，无人机卸载到基站训练的比特数和无人机卸载至云端训练的比特数； 3.2将原始优化问题式1分解为两个子问题，首先优化训练数据分配，再优化信道带宽和计算资源,,；具体求解方法如下： 将优化问题式1转换为如下形式，用于求解训练数据分配： 建立数学模型： ； 在以下限制下： ； 将优化问题式1转换为如下形式，用于求解信道带宽和计算资源分配,,： 建立数学模型： ； 在以下限制下： ； 其中变量和均为辅助变量； 3.3将原始问题分解为两个子问题式9和式16后开始进行迭代求解，直到数值收敛或达到最大迭代次数；其中，对于训练数据分配采用分支定界算法，对于信道带宽和计算资源分配采用深度展开算法； 4无人机根据求解结果卸载数据至云端和基站端并进行训练，训练完成后，无人机与基站上传训练的网络参数至云端，云端聚合参数完善点云重构网络。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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。