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！

龙图腾网获悉西北工业大学申请的专利一种固定翼无人机贴地飞行自主定位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：CN120467319B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202510968350.5，技术领域涉及：G01C21/00；该发明授权一种固定翼无人机贴地飞行自主定位与避障方法是由张兆祥;许悦雷;张楷;吴传翔;王付伟;刘志恒;张程林;万齐通;寇全彪;韩奥佳;何云龙;沈晓春设计研发完成，并于2025-07-14向国家知识产权局提交的专利申请。

本一种固定翼无人机贴地飞行自主定位与避障方法在说明书摘要公布了：本发明公开了一种固定翼无人机贴地飞行自主定位与避障方法，通过构建立体图与预存底图进行特征点匹配实现高精度定位，并采用动力学约束的层次化递进轨迹规划方法实现安全高效避障，解决了贴地飞行中GPS信号受限和障碍物动态变化环境下的导航与避障难题，提高了无人机在复杂环境中的生存能力和任务执行效率。

本发明授权一种固定翼无人机贴地飞行自主定位与避障方法在权利要求书中公布了：1.一种固定翼无人机贴地飞行自主定位与避障方法，其特征在于，包括如下步骤： 步骤1：多源传感数据获取与预处理； 步骤1-1：多源数据采集，同时获取以下传感器数据： 1可见光相机图像序列采集频率30Hz；分别表示第1帧、第2帧、…、第n帧可见光相机图像，n表示采集到的数据帧数总数； 2红外相机图像序列采集频率20Hz；分别表示第1帧、第2帧、...、第n帧红外相机图像； 3激光雷达点云数据采集频率10Hz；分别表示第1帧、第2帧、...、第n帧点云数据； 4惯性测量单元数据采集频率200Hz；分别表示第1组、第2组、...、第n组惯性测量单元数据； 5气压高度计数据采集频率50Hz；分别表示第1次、第2次、...、第n次气压高度计数据； 6GPS定位数据G＝{G1,G2,...,Gn}，采集频率5Hz；G1,G2,...,Gn分别表示第1个、第2个、...、第n个GPS定位数据； 步骤1-2：时间同步； 基于时间戳对传感器数据进行同步，采用线性插值方法对采样频率不同的数据进行统一；经过时间同步处理后，原本离散的数据序列转换为连续的时间函数： Dsynct＝{Ivist,Iirt,Plidart,Dimut,Hbarot,Gt}； 其中t为系统统一时间戳，同步频率设为20Hz；Dsynct表示在时刻t所有传感器的同步数据组合； 步骤1-3：数据预处理； 对同步后的传感器数据进行预处理，包括： 1图像畸变校正：采用张氏标定法对可见光相机图像和红外相机图像进行校正； 2图像增强：通过自适应直方图均衡化CLAHE提高图像对比度； 3点云滤波：采用体素滤波和统计离群点滤波方法降噪和降采样； 4惯性数据修正：采用卡尔曼滤波对惯性数据进行零漂修正； 步骤1-4：传感器外参标定； 建立不同传感器间的坐标变换矩阵： 1相机与激光雷达标定矩阵：Tcamera-lidar； 2惯性导航系统与相机标定矩阵：Timu-camera； 3惯性导航系统与激光雷达标定矩阵：Timu-lidar； 步骤2：基于立体图匹配的自主定位； 步骤2-1：立体图构建； 基于传感器数据构建当前场景的立体图表示： 1特征提取：对可见光和红外图像分别提取ORB特征点Fvis和Fir；Fvis表示从可见光图像中提取的特征点集合，Fir表示从红外图像中提取的特征点集合； 2点云投影：将激光雷达点云投影到图像平面，生成深度增强图像Idepth； 3立体图融合：将特征点和深度信息融合，生成立体图表示Scurrent： Scurrent＝FusionFvis,Fir,Idepth； 其中，融合函数Fusion.采用加权组合方式，不同模态的权重根据环境条件动态调整； 步骤2-2：特征点提取与描述； 1从当前立体图中提取尺度不变特征变换SIFT特征点，生成特征点集K＝{k1,k2,...,km}，k1,k2,...,km表示m个特征点； 2为每个特征点ki,i＝1…m计算128维SIFT描述子di； 3结合深度信息，为每个特征点构建增强描述符其中zi为特征点di对应的深度值； 步骤2-3：地形底图匹配； 1从预存地形底图Mterrain中检索匹配区域Rcandidate，初始检索范围基于惯性导航估计位置确定； 2采用快速近似最近邻FLANN算法在Rcandidate中搜索与特征点集K中特征点匹配的参考特征点集Kref； 3计算匹配对ki,kref,j的相似度得分：kref,j表示地形底图中的参考特征点，表示参考特征点对应的SIFT特征，σ表示高斯相似度函数的标准差参数，控制相似度计算的敏感度； 4通过比值测试保留满足条件的匹配对：其中τratio为比值阈值；sij是当前特征点与参考特征点的相似度得分； 步骤2-4：位姿估计与精化： 1通过RANSAC算法结合P3P方法估计相机位姿变换Tcamera； 2利用保留的内点匹配对进行BundleAdjustment优化，最小化重投影误差： Ereproj＝∑i‖projTcamera·Xi-xi‖2； 其中Xi为三维特征点坐标，xi为三维特征点对应的图像投影坐标，proj.表示相机投影函数，将三维点投影到图像平面；Ereproj表示重投影误差，衡量位姿估计的精度； 3结合惯性测量单元数据进行位姿融合，得到平滑的位姿估计Puavt： Puavt＝α·Pmapt+1-α·Pimut 其中Pmapt为地图匹配得到的位姿，Pimut为惯性导航更新的位姿，α为融合系数； 步骤2-5：动态地图更新； 1根据新获取的传感器数据和位姿估计，对局部地图进行在线更新； 2采用滑动窗口策略，维护一个包含最近n1帧数据的局部地图； 3对于新观测到的特征点，更新其在地图中的位置和描述符，提高后续匹配精度； 步骤3：基于层次化递进的轨迹规划框架； 步骤4：渐序式多目标轨迹优化。

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北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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”。

以上内容由龙图腾AI智能生成。