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！

龙图腾网获悉中国铁塔股份有限公司天津市分公司申请的专利一种智能化无人机飞行路径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：CN121612310B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610141987.1，技术领域涉及：G01C21/20；该发明授权一种智能化无人机飞行路径规划方法及系统是由郭强;孟旭;欧阳志恒;芮瑞;张淙博;沈岗;宋泽明;吴旭设计研发完成，并于2026-02-02向国家知识产权局提交的专利申请。

本一种智能化无人机飞行路径规划方法及系统在说明书摘要公布了：本发明公开了一种智能化无人机飞行路径规划方法及系统，方法包括环境感知、多源特征融合注意力提取、路径效用网络训练、探索奖励设计、时序适配奖励融合和无人机路径规划策略优化。本发明属于路径规划领域，具体是指一种智能化无人机飞行路径规划方法及系统，本方案通过动态效用标签生成，任务阶段自适应调整权重；设计环境风险因子，主动预判高风险区域，同时低风险区域保持正常权重；实现探索‑目标阶段的平滑过渡；通过近邻样本反映已探索区域特征，设计覆盖导向测度奖励强化全局覆盖导向；设计效用衰减测度奖励，降低碰撞风险；基于时序适配奖励融合优化全局覆盖与目标导向；进而提高无人机飞行路径规划效果。

本发明授权一种智能化无人机飞行路径规划方法及系统在权利要求书中公布了：1.一种智能化无人机飞行路径规划方法，其特征在于：该方法包括以下步骤： 步骤S1：环境感知，获取多源异构环境数据，转换为统一维度的高维环境观测向量； 步骤S2：多源特征融合注意力提取，基于高维环境观测向量，搭建含通道注意力、空间注意力及全连接降维的特征提取网络，生成低维环境特征向量； 步骤S3：路径效用网络训练，基于低维环境特征向量，构建全连接路径效用网络，并进行网络训练； 步骤S4：探索奖励设计，存储飞行历史数据并搜索近邻样本，设计覆盖导向、效用衰减双测度奖励； 步骤S5：时序适配奖励融合，基于时序权重函数，根据当前飞行步数适配融合双测度奖励，生成最终探索奖励； 步骤S6：无人机路径规划策略优化，构建策略网络与路径效用网络，并进行迭代训练，进而实现无人机实时路径规划； 在步骤S3中，所述路径效用网络训练具体包括： 路径效用网络构建：构建3层全连接网络，输入为低维环境特征向量，输出为路径效用； 动态标签生成：为适应无人机飞行过程中环境动态变化和任务阶段切换，设计动态任务权重，并引入环境风险因子修正局部障碍物密度项，实现效用标签的动态自适应；对训练数据集中的每个低维环境特征向量，计算目标点距离与局部障碍物密度，归一化后结合动态任务权重和环境风险因子生成动态效用标签，表示为：；；其中，和是效用权重系数，分别控制目标导向性与安全性优先级；；；是任务阶段系数，由无人机当前飞行步数t与总探索步数的比值决定，；和是导向性最大值和最小值；是归一化后的无人机到目标点的欧式距离；是归一化后的局部障碍物密度；是环境风险因子；是风险放大系数；是障碍物密度阈值； 模型训练：构建路径效用网络损失函数，通过梯度下降优化路径效用网络参数，直至损失收敛；路径效用网络损失函数表示为：；其中，是期望；是路径效用； 在步骤S4中，所述探索奖励设计具体包括： 历史数据存储：实时存储无人机飞行过程中的低维环境特征向量与路径效用，构建历史数据集； 近邻搜索：对当前步数的低维环境特征向量与路径效用，在历史数据集中搜索k个最相似样本，计算近邻平均值和； 距离计算：计算当前与近邻平均值的特征距离和效用距离； 双测度奖励计算：分别计算覆盖导向测度奖励与效用衰减测度奖励，表示为：；其中，是t步数的覆盖导向测度奖励；是偏离度量；是平衡参数，控制环境探索与路径效用的权重； ；其中，是t步数的效用衰减测度奖励；是测度阶数参数；是效用衰减系数；是低效用惩罚项，并将两种奖励通过Min-Max归一化映射至[0,1]区间，确保奖励尺度一致； 在步骤S5中，所述时序适配奖励融合设置总探索步数，固定平滑度参数，根据当前飞行步数t，通过时序函数计算覆盖导向测度奖励权重，表示为：，其中，是t步数的覆盖导向测度奖励权重；是平滑度参数；T是总探索步数的中点；按权重融合归一化后的双测度奖励，生成最终探索奖励，表示为：。

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中国铁塔股份有限公司天津市分公司，其通讯地址为：300020 天津市和平区小白楼街唐山道58号3层；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。