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！

龙图腾网获悉西安腾坤电子科技有限公司申请的专利多模态融合与深度强化学习的无人机自主避障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：CN121527664B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610042735.3，技术领域涉及：G06V20/17；该发明授权多模态融合与深度强化学习的无人机自主避障方法及系统是由聂许;秦浩设计研发完成，并于2026-01-14向国家知识产权局提交的专利申请。

本多模态融合与深度强化学习的无人机自主避障方法及系统在说明书摘要公布了：本发明公开了一种多模态融合与深度强化学习的无人机自主避障方法及系统。该方法首先通过无人机采集拒止环境中的激光雷达点云与可见光图像，分别进行体素下采样、离群点去除和对比度增强等预处理，得到高质量的多源数据；随后利用深度卷积神经网络分别提取点云与图像的深度特征，并通过注意力加权融合生成环境特征向量；最后将避障任务构建为马尔可夫决策过程，运用TD3深度强化学习算法，基于历史经验训练策略网络，实现从环境特征向量到实时避障策略的精准映射。该系统通过多源数据采集与预处理、特征提取与融合、实时避障策略获取三个单元协同工作，显著提升了在卫星信号弱或无信号复杂环境下无人机感知的鲁棒性、决策的智能性以及避障的准确性。

本发明授权多模态融合与深度强化学习的无人机自主避障方法及系统在权利要求书中公布了：1.一种多模态融合与深度强化学习的无人机自主避障方法，其特征在于，所述方法包括： 利用无人机采集拒止环境内的原始多源数据并对所述原始多源数据进行预处理得到处理后多源数据，其中，所述原始多源数据包括原始激光雷达点云数据以及原始可见光图像数据；所述处理后多源数据包括干净点云数据以及高对比度可见光图像数据； 利用PointNet++网络提取所述干净点云数据的点云特征向量，利用ResNet-34网络提取所述高对比度可见光图像数据的图像特征向量，通过注意力加权机制将所述点云特征向量与所述图像特征向量进行融合生成环境特征向量； 将所述无人机所处的所述拒止环境构建为可观测的马尔可夫决策过程，在所述马尔可夫决策过程下基于历史避障数据训练TD3算法，利用所述TD3算法实时将所述环境特征向量映射为实时避障策略； 其中，所述训练TD3算法的过程中所设计的奖励函数包括：基本避障与导航奖励，基于动力学模型的平滑性奖励，安全走廊引导奖励，综合奖励函数； 所述基本避障与导航奖励：定义用于鼓励避障、向目标点靠近的基础奖励项，所述基本避障与导航奖励的计算公式为： 其中，表示所述基本避障与导航奖励，表示成功避障的正奖励或碰撞的负奖励，表示与目标点距离缩短的奖励，表示鼓励快速抵达目标的时效性奖励，、、分别表示对应奖励项的权重系数； 所述基于动力学模型的平滑性奖励：引入基于无人机简化运动学模型的平滑性约束奖励项，用于惩罚可能导致过度加速度、角速度或接近动力学极限的动作，所述基于动力学模型的所述平滑性奖励的计算公式为： 其中，表示所述平滑性奖励，和分别表示在时刻所述无人机的线加速度与角加速度估计值，表示与所述无人机动力学极限相关的状态变量，表示指示函数，当动作趋势接近或超出安全极限时输出惩罚值，、、分别表示对应的惩罚权重系数； 所述安全走廊引导奖励：在训练阶段，实时利用预处理后的点云数据生成保守的三维安全飞行走廊，并定义引导奖励项，用于鼓励无人机在安全走廊的中心区域飞行，所述安全走廊引导奖励的计算公式为： 其中，表示所述安全走廊引导奖励，表示所述无人机当前位置到安全走廊中心线的距离，表示到走廊边界的最近距离，和表示距离调节参数，表示指示函数，当所述无人机过于靠近或超出走廊边界时输出惩罚，分别表示对应的奖励与惩罚权重系数； 所述综合奖励函数：上述各所述奖励项的加权和计算公式为： 其中，表示所述综合奖励函数。

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西安腾坤电子科技有限公司，其通讯地址为：710000 陕西省西安市高新区丈八一路1号汇鑫中心A座2206室X091；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。