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！

龙图腾网获悉武汉理工大学申请的专利一种基于深度学习的水下航行器路径规划与避障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：CN119759017B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411924914.7，技术领域涉及：G05D1/43；该发明授权一种基于深度学习的水下航行器路径规划与避障方法是由范博远;梁先华;邓毓阳;王宇航;葛迪;文照阳;万闯;张鑫洋;马勇;宋利飞设计研发完成，并于2024-12-25向国家知识产权局提交的专利申请。

本一种基于深度学习的水下航行器路径规划与避障方法在说明书摘要公布了：本发明涉及水下机器人技术领域公开一种基于深度学习的水下航行器路径规划与避障方法，包括如下步骤：S1、通过水下传感器与北斗卫星导航系统获取水下环境的多模态数据，实时生成高精度环境模型；S2、利用多传感器融合算法，将北斗卫星提供的全局定位信息与声呐、惯性导航系统和视觉SLAM的数据进行融合。通过融合高清传感器与北斗卫星导航系统，结合深度学习模型，显著提升水下航行器的环境感知与路径规划能力，且在复杂且多变的水下环境中，高清传感器能实时采集精准的环境数据，深度学习模型则根据数据对障碍物进行精确识别和分类，规划最优的避障路径，其感知的精度和实时性提升航行器的导航能力。

本发明授权一种基于深度学习的水下航行器路径规划与避障方法在权利要求书中公布了：1.一种基于深度学习的水下航行器路径规划与避障方法，其特征在于，包括如下步骤： 、通过水下传感器与北斗卫星导航系统获取水下环境的多模态数据，实时生成高精度环境模型； 、利用多传感器融合算法，将北斗卫星提供的全局定位信息与声呐、惯性导航系统和视觉的数据进行融合； 、通过深度学习模型处理环境感知数据，采用卷积神经网络对高清摄像头和激光雷达获取的三维环境进行障碍物识别与分类，预测航行路径； 、基于深度强化学习模型，在动态环境中实时规划避障路径，避障策略通过强化学习中的奖励函数调整，具体公式为： ，其中，为奖励值，为航行器与障碍物的距离，为航行器与目标点的距离，为碰撞惩罚系数，、、为权重参数； 、利用北斗导航系统提供的全局位置信息，若航行器偏离全局规划路径时，自动启动全局路径修正模块，基于北斗卫星数据重新规划路径； 所述北斗导航辅助的全局路径修正模块用于在航行器偏离预定路径时自动重新规划路径，以下是涉及的算法公式： 全局路径修正公式： ，其中，为修正后的新路径点，为航行器所在的位置，为北斗导航提供的位置信息，为预定的规划路径上的目标点，、为加权系数； 、基于航行器的转弯半径及航行器物理尺寸，采用“圆弧－直线－圆弧”的路径平滑策略对深度学习输出的路径进行优化； 所述路径平滑与优化通过“圆弧－直线－圆弧”策略来生成航行器物理特性的平滑路径，以下是用于计算平滑路径的算法公式： 圆弧－直线－圆弧路径优化公式： 圆弧段计算：，其中，为圆弧段的转角，为圆弧段的弧长，为航行器的转弯半径； 直线段长度计算：，其中，为圆弧段间的直线距离；、和、为直线段的起点和终点的坐标； 路径平滑度优化函数： ，其中，为路径平滑度成本函数，、、为权重参数； 、通过在线学习机制，航行器能在执行过程中根据新环境数据进行自适应调整，且更新深度学习模型的权重； 、根据规划路径和实时避障输出的结果，生成航行器的运动控制指令，控制航行器的推进器和舵机执行运动； 、在航行器运行过程，持续获取环境感知数据且实时更新模型； 、通过北斗导航系统监控航行器的位置与目标路径的偏差，在紧急情况时启用应急避障模式。 2.根据权利要求1所述的一种基于深度学习的水下航行器路径规划与避障方法，其特征在于，所述步骤中，对定位误差进行修正的算法公式为： ，其中，为修正后的位置，、、为北斗导航、惯性导航和视觉提供的位置信息，、、为加权系数。 3.根据权利要求1所述的一种基于深度学习的水下航行器路径规划与避障方法，其特征在于，所述多传感器融合算法用于结合北斗导航系统、惯性导航系统和视觉的数据来增强水下航行器的定位精度，以下是该融合算法的公式： ，其中，为融合后的最终定位结果，、、为北斗导航、惯性导航和视觉提供的位置信息，、、为加权系数。 4.根据权利要求1所述的一种基于深度学习的水下航行器路径规划与避障方法，其特征在于，所述路径规划采用卷积神经网络结合激光雷达数据进行环境感知，且动态调整规划路径，以下是该路径规划中的算法公式： 所述环境感知与路径规划公式： ，其中，为优化后的最优路径，为路径的候选点，为航行器与障碍物的距离，为航行器与目标点的距离，为路径平滑度成本函数，、、为权重参数。 5.根据权利要求1所述的一种基于深度学习的水下航行器路径规划与避障方法，其特征在于，所述动态自学习调整通过在线学习机制来实时更新深度学习模型的权重，以下是该过程的算法公式： 在线学习权重更新公式： ，其中，为在时间时刻更新后的模型权重，为在时间时刻的模型权重，为学习率，为损失函数对权重的梯度，表示模型在输入数据和真实标签上的误差导数； 实时环境输入： ：该环境下传感器或视觉系统采集的输入数据； ：实际的避障路径或成功导航的结果，作为监督学习中的标签，用于修正模型的预测； 损失函数：，其中，为深度学习模型对输入的预测输出，为真实的导航或避障结果。 6.根据权利要求1所述的一种基于深度学习的水下航行器路径规划与避障方法，其特征在于，控制器执行是通过多通道控制信号实现水下航行器的动态调整，以下是控制器算法公式： 推进器速度控制公式：，其中，为调整后的推进器速度，为推进器速度，为期望的推进器速度，为速度调整增益系数； 航向控制公式，： ，其中，为调整后的航向角，为航向角，为航向误差，、、为控制器的比例、积分、微分系数，为积分变量； 姿态控制公式：，其中，为调整后的姿态角，为姿态角，为期望的姿态角，为姿态控制增益系数； 总控制信号公式：，总控制信号公式表示最终的控制信号，是由推进器速度、航向角和姿态角共同组成的多通道控制信号，用于调整航行器的运动和姿态。 7.根据权利要求1所述的一种基于深度学习的水下航行器路径规划与避障方法，其特征在于，数据反馈与实时优化实时监控航行器的传感器数据和路径执行情况，且通过反馈机制动态优化路径规划和避障策略，以下是实时数据反馈与优化的算法公式： 实时优化反馈公式，基于反馈控制理论： ，其中，为用于调整路径规划的修正值，为期望路径点，为航行器所在的位置，为反馈增益系数； 路径误差计算公式： ，其中，为路径误差，、、为期望位置的三维坐标，、、为实际位置的三维坐标； 实时优化调整公式： ，其中，为优化后的新路径点，为学习率。 8.根据权利要求1所述的一种基于深度学习的水下航行器路径规划与避障方法，其特征在于，路径跟踪与监控是基于北斗导航系统提供的高精度定位数据，实时监控航行器与目标路径的偏差，进行及时调整，以下是路径跟踪与监控的算法公式： 路径跟踪误差公式： ，其中，为航行器与目标路径点间的跟踪误差，、、为期望目标点的三维坐标，、、为通过北斗导航系统获取的航行器三维坐标； 路径修正公式：，其中，为调整后的路径点，为北斗导航提供的位置信息，为比例增益； 航向调整公式：，其中，为调整后的航向角，为航行器航向角，为期望的航向角，为航向调整的比例增益系数； 总控制更新公式：，其中，用于控制航行器的调整信号。

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武汉理工大学，其通讯地址为：430070 湖北省武汉市洪山区珞狮路122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”。