CN119091329B 一種具備細粒度環境感知能力的無人機全自主導航方法 （中國石油大學(華東)）

一種具備細粒度環境感知能力的無人機全本發明公開了一種具備細粒度環境感知能個包含不同光照和遮擋條件下無人機拍攝的RGBlearning算法對無人機導航智能體進行初步訓方法顯著提升了無人機在復雜環境中的自主導2S3：利用所述RGB圖像和全球定位系統坐標為最優路徑構建訓練標簽，利用DeepQ_S4：利用所述多模態數據集構建訓練標簽S5：利用所述多模態數據集構建不同的無人機全自主導航細粒度環境，利用DeepQ_S501：以多模態數據集為基礎，分別構建無人細粒度環境、遮擋物頻繁出現城市自主導航的細粒度環境、野外目標無GPS細粒度導航環境、無光野外目標無GPS細粒度自主導航環境和無人機充足電量前提下的無光照自主城市S502：在全模態驅動的全模態無人機全自主導航2.根據權利要求1所述的一種具備細粒度環境感知能力的無人機全自主導航方法，其3.根據權利要求1所述的一種具備細粒度環境感知能力的無人機全自主導航方法，其S202：以無人機實時拍攝的RGB圖像為現存圖像全景3所述訓練好的ViT主干網絡即為公開的VisionTransformer的網絡結構，并加載GoogleNET訓練好的網絡權重；所述多層感知器由一個輸入通道為1024輸出通道為2048的4.根據權利要求1所述的一種具備細粒度環境感知能力的無人機全自主導航方法，其擊的方式在上述多模態數據集中標定最優路徑，并得到最優路徑點的物體無人機拍攝RGB5.根據權利要求1所述的一種具備細粒度環境感知能力的無人機全自主導航方法，其6.根據權利要求5所述的一種具備細粒度環境感知能力的無人機全自主導航方法，其4；7.根據權利要求1所述的一種具備細粒度環境感知能力的無人機全自主導航方法，其環境中利用DeepQ_learning的方法對具有環境意識的多模態無人機自主導航智能體訓8.根據權利要求7所述的一種具備細粒度環境感知能力的無人機全自主導航方法，其所述無人機高電量前提為：無人機使用多種傳感器，即使用高清攝所述無人機低電量前提下無光照自主城市細粒度導航環境的構建方式為以最優路徑所述無人機低電量前提下遮擋物頻繁出現城市自主細粒度導航環境的構建方式為以所述無人機低電量前提下野外目標無GPS自主細粒度導航環境的構建方式為以最優路所述無人機低電量前提下無光野外目標無GPS自主細粒度導航環境的構建方式為以最5[0003]近年來，在無人機自主導航領域研究較多的為基于深度強化學習DeepQ_[0009]S3：利用所述RGB圖像和全球定位系統坐標為最短路徑構建訓練標簽，利用Deep6[0020]所述訓練好的ViT主干網絡即為公開的VisionTransformer的網絡結構，并加載GoogleNET訓練好的網絡權重；所述多層感知器由一個輸入通道為1024輸出通道為2048的最大期望獎勵值的智能體即為RGB模態的無RGB模態無人機導航智能體的ViT主干網絡中添加對應紅外圖像令牌Token_T，對應激光雷7；環境、無光野外目標無GPS細粒度自主導航環境和無人機充足電量前提下的無光照自主城細粒度環境中利用DeepQ_learning的方法對具有環境意識的多模態無人機自主導航智能[0041]所述無人機低電量前提下無光照自主城市細粒度導航環境的構建方式為以最優[0042]所述無人機低電量前提下遮擋物頻繁出現城市自主細粒度導航環境的構建方式[0043]所述無人機低電量前提下野外目標無GPS自主細粒度導航環境的構建方式為以最[0044]所述無人機低電量前提下無光野外目標無GPS自主細粒度導航環境的構建方式為8序被處理器執行時實現上述中任一項所述的一種具備細粒度環境感知能力的無人機全自[0048]本發明采用基于多模態數據驅動下提示學習與deepQ_learning集合的訓練方目標和根據不同細粒度導航環境自主決定使用不同模態自主導航，是自主導航續航性更[0049]不同于現存基于deepQ_learning的無人機自主導航方法，本發明采用多模態數[0055]參照附圖1，本發明提出的具備細粒度環境感知能力的無人機全自主導航方法的9[0065]S23：以上述用戶意向目標的特征Fu和當前場景內的物體特征Fs為現存訓練好的[0066]根據本發明的一些優選實施方式，所述ViT特征提取器即為公開的Vision[0068]S3：以RGB圖像以及全球定位系統坐標為最短路徑構建訓練標簽，利用DeepQ_最大期望獎勵值的智能體即為RGB模態的無[0074]1.若多模態數據集中的RGB圖像和最優路徑一致且RGB模態無人機自主導航智能[0075]2.若多模態數據集中的RGB圖像和最優路徑不一致且RGB模態無人機自主導航智RGB模態無人機導航智能體的ViT主干網絡中添加對應紅外圖像令牌Token_T，對應激光雷[0086]根據本發明的一些優選實施方式，所述基于transformer多頭交叉注意力機制的境、無光野外目標無GPS細粒度自主導航環境和無人機充足電量前提下的無光照自主城市[0095]S52：在上述全模態驅動的全模態無人機全自主導航智能體中添加四個新的細粒粒度環境中利用deepq_learning的方法對上述具有環境意識的多模態無人機自主導航智度導航環境的構建方式為以最優路徑點上的激光雷達信號為[0101]根據本發明的一些優選實施方式，所述無人機低電量前提下野外目標無GPS自主細粒度導航環境的構建方式為以最優路徑點上[0102]根據本發明的一些優選實施方式，所述無人機低電量前提下無光野外目標無GPS路(ApplicationSpecificIntegratedCircuit，ASIC)、現成可編程門陣列(Field_[0114]S3：利用所述RGB圖像和全球定位系統坐標為最短路徑構建訓練標簽，利用Deep機可讀存儲介質可以是高速RAM存儲器，也可以是非不穩定的存儲器(non_volatile現上述實施例中有關一種具備細粒度環境感知能力的無人機全自主導航方法的相應步驟；計算機可讀存儲介質中的一條或一條以上指令由處理器加載并執[0122]S3：利用所述RGB圖像和全球定位系統坐標為最短路徑構建訓練標簽，利用Deep現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定[0127]這些計算機程序指令也可存儲在能引導計算機或其他可編程數據處理設備以特令裝置的制造品，該指令裝置實現在流程圖一個流程或多個流程和/或方框圖一個方框或其他