双波段模式复用光子灯笼器件及制作方法

    公开(公告)号:CN115201965A

    公开(公告)日:2022-10-18

    申请号:CN202210667016.2

    申请日:2022-06-13

    IPC分类号: G02B6/14

    摘要: 本发明提供一种双波段模式复用光子灯笼器件及制作方法,该器件包括:光纤阵列、过渡区以及少模或多模端口;光纤阵列包括由置于石英毛细管内预设数量的980nm单模光纤和一根1550nm少模或多模光纤,按预设拉伸比例经绝热拉锥至预设拉伸长度后得到的部分和露出部分;光纤阵列为拉锥前后不变的部分,过渡区为拉锥后形状改变的部分,少模或多模端口为拉锥后形状改变的端口部分;拉伸比例根据少模或多模光纤的归一化频率确定,以使得少模端口或多模端口产生LP模式。该器件能够解决常规光子灯笼用于构建光纤激光器存在的单模与少模不兼容问题,可实现1550nm模式的闭环传输,构建光纤激光器时可以摆脱对波分复用器件的依赖。

    一种无人机电力自动巡检中相对于杆塔位置的单目视觉估计方法

    公开(公告)号:CN118052878B

    公开(公告)日:2024-08-16

    申请号:CN202410203883.X

    申请日:2024-02-23

    摘要: 本公开实施例是关于一种无人机电力自动巡检中相对于杆塔位置的单目视觉估计方法。本公开利用多视角下的电力杆塔数据集作为先验信息,并提出了P‑IoU损失函数训练目标检测模型以提升算法精度;将无人机采集的巡线图像输入至训练后的目标检测模型中;目标检测模型对待检测图像进行预处理后进行固定窗口的注意力计算得到第一特征图;采用移动窗口的方式处理各个待检测图像后进行注意力计算得到第二特征图;根据第一特征图和第二特征图得到注意力计算矩阵,并得到目标特征图,根据目标特征图识别出待检测图像中所有的待筛选电力杆塔;根据待筛选电力杆塔筛选出目标电力杆塔,结合无人机与目标杆塔的相对位置类型,得到无人机的估计位置。

    基于边界导引点的多无人系统协同自主探索方法及装置

    公开(公告)号:CN114384911B

    公开(公告)日:2024-06-04

    申请号:CN202210028481.1

    申请日:2022-01-11

    摘要: 本发明公开了一种基于边界导引点的多无人系统协同自主探索方法及装置。该方法包括:针对探索环境构建二维占据栅格地图;根据所述二维占据栅格地图检测所述探索环境的边界点;通过波前评估函数获取各个边界点之间的距离信息,根据所述各个边界点之间的距离信息对所述边界点进行聚类分析,获得多个聚类中心,以完成对所述二维占据栅格地图的区域划分;根据所述聚类中心进行多无人系统的任务分配,确定各个无人系统的目标点;根据所述各个边界点之间的距离信息和所述各个无人系统的目标点完成路径规划。可见,本发明提高了探索速度,且很少走重复路径、重复探索相同区域,可实现在同样时间内探索面积更大,在相同环境下探索时间更少。

    一种多无人机多线程二维探索仿真方法及系统

    公开(公告)号:CN114020041B

    公开(公告)日:2024-02-20

    申请号:CN202111524975.0

    申请日:2021-12-14

    IPC分类号: G05D1/695 G05D109/20

    摘要: 本发明提出了一种多无人机多线程二维探索仿真方法及系统,涉及无人机技术领域。一种多无人机多线程二维探索仿真方法,通过创建初始探索地图;然后在初始探索地图上创建多个仿真无人机;然后分别给各个仿真无人机创建对应的线程;最后控制各个仿真无人机按照对应的线程飞行,获取并将各个仿真无人机的当前探索数据分别输入到预置的mappo算法模型中,生成二维探索地图,实现了多机协同探索,从而可以节约探索时间,提高了探索效率,在探索过程中,某一个仿真无人机出现故障时,其他的仿真无人机还可以继续进行探索,从而提高了鲁棒性,mappo算法模型输出连续的动作,具备应用到实际场景的可能,并且训练更加稳定。

    基于边界导引点的多无人系统协同自主探索方法及装置

    公开(公告)号:CN114384911A

    公开(公告)日:2022-04-22

    申请号:CN202210028481.1

    申请日:2022-01-11

    IPC分类号: G05D1/02 G05D1/10

    摘要: 本发明公开了一种基于边界导引点的多无人系统协同自主探索方法及装置。该方法包括:针对探索环境构建二维占据栅格地图;根据所述二维占据栅格地图检测所述探索环境的边界点;通过波前评估函数获取各个边界点之间的距离信息,根据所述各个边界点之间的距离信息对所述边界点进行聚类分析,获得多个聚类中心,以完成对所述二维占据栅格地图的区域划分;根据所述聚类中心进行多无人系统的任务分配,确定各个无人系统的目标点;根据所述各个边界点之间的距离信息和所述各个无人系统的目标点完成路径规划。可见,本发明提高了探索速度,且很少走重复路径、重复探索相同区域,可实现在同样时间内探索面积更大,在相同环境下探索时间更少。

    一种多无人机多线程二维探索仿真方法及系统

    公开(公告)号:CN114020041A

    公开(公告)日:2022-02-08

    申请号:CN202111524975.0

    申请日:2021-12-14

    IPC分类号: G05D1/10

    摘要: 本发明提出了一种多无人机多线程二维探索仿真方法及系统,涉及无人机技术领域。一种多无人机多线程二维探索仿真方法,通过创建初始探索地图;然后在初始探索地图上创建多个仿真无人机;然后分别给各个仿真无人机创建对应的线程;最后控制各个仿真无人机按照对应的线程飞行,获取并将各个仿真无人机的当前探索数据分别输入到预置的mappo算法模型中,生成二维探索地图,实现了多机协同探索,从而可以节约探索时间,提高了探索效率,在探索过程中,某一个仿真无人机出现故障时,其他的仿真无人机还可以继续进行探索,从而提高了鲁棒性,mappo算法模型输出连续的动作,具备应用到实际场景的可能,并且训练更加稳定。

    一种无人机电力自动巡检中相对于杆塔位置的单目视觉估计方法

    公开(公告)号:CN118052878A

    公开(公告)日:2024-05-17

    申请号:CN202410203883.X

    申请日:2024-02-23

    摘要: 本公开实施例是关于一种无人机电力自动巡检中相对于杆塔位置的单目视觉估计方法。本公开利用多视角下的电力杆塔数据集作为先验信息,并提出了P‑IoU损失函数训练目标检测模型以提升算法精度;将无人机采集的巡线图像输入至训练后的目标检测模型中;目标检测模型对待检测图像进行预处理后进行固定窗口的注意力计算得到第一特征图;采用移动窗口的方式处理各个待检测图像后进行注意力计算得到第二特征图;根据第一特征图和第二特征图得到注意力计算矩阵,并得到目标特征图,根据目标特征图识别出待检测图像中所有的待筛选电力杆塔;根据待筛选电力杆塔筛选出目标电力杆塔,结合无人机与目标杆塔的相对位置类型,得到无人机的估计位置。

    一种未知环境下多旋翼无人机在线航迹规划方法

    公开(公告)号:CN116627160A

    公开(公告)日:2023-08-22

    申请号:CN202310214334.8

    申请日:2023-03-08

    IPC分类号: G05D1/10

    摘要: 本发明公开了一种未知环境下多旋翼无人机在线航迹规划方法,属于无人机技术领域,旨在解决目前EGO_planner规划算法(下文中简称EGO)的优化过程中,处于障碍物中的轨迹需要进行多次迭代,且在附近的障碍物中反弹多次才能在安全区域生成最终的轨迹,花费了较多的时间进行轨迹重规划的过程的问题;具体步骤如下:步骤1.生成安全引导轨迹;步骤2.碰撞控制点替换:将初始轨迹中的碰撞轨迹上的控制点Qi寻找对应安全引导路径上对应的路径点进行替换操作,并作为新的控制点Qinew;步骤3.梯度信息定义策略及碰撞惩罚函数构建。本发明的方法使处于障碍物中的初始路径无需进行多次迭代即可快速、高效找到一条安全、平滑、动态可行的轨迹,提高了局部重规划的速度。

    基于深度强化学习的无人机路线规划方法及系统

    公开(公告)号:CN118896610A

    公开(公告)日:2024-11-05

    申请号:CN202410940842.9

    申请日:2024-07-15

    摘要: 本发明提出基于深度强化学习的无人机路线规划方法,方法包括:利用基于梯度的柏林噪声和数字高程图构建三维非结构化地图;构建基于固定翼无人机的含约束的无人机自主探索的部分可观测马尔可夫决策过程模型对固定翼无人机的飞行路线进行约束;根据部分可观测马尔可夫决策过程模型构建基于深度学习的路线规划模型,并采用PPO算法对所述路线规划模型进行优化。本发明使用深度神经网络,拟合强化学习的动作价值函数、策略、模型等组成部分,构建从局部观测到值函数和策略函数的深度神经网络近似映射,建立部分可观测马尔可夫决策过程模型,完成强化学习框架搭建,提高模型在应对大规模状态空间时的鲁棒性与泛化能力。