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！

龙图腾网获悉常州大学申请的专利基于拓扑排序奖励机制的无人机农业驱鸟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：CN117441701B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202311390280.7，技术领域涉及：A01M29/10；该发明授权基于拓扑排序奖励机制的无人机农业驱鸟方法及系统是由朱晨阳;陈智宣;朱正伟;司雯;罗玮玢;朱金宇设计研发完成，并于2023-10-25向国家知识产权局提交的专利申请。

本基于拓扑排序奖励机制的无人机农业驱鸟方法及系统在说明书摘要公布了：本发明公开了基于拓扑排序奖励机制的无人机农业驱鸟方法及系统，包括：构建鸟类识别器，收集鸟类的三维目标数据，进行三维目标跟踪；根据识别的结果自动生成奖励自动机，并构建奖励自动机与底层算法的连接机制，使用强化学习方法进行路径规划；将基于拓扑排序的奖励机制的强化学习方法用于无人机路径规划问题，使用基于拓扑排序的奖励机制的无人机进行农业驱鸟工作。本发明基于拓扑排序中任务间的依赖关系，通过分层强化学习思想提高系统的并行性和资源利用率，并将其生成顶层的抽象任务表征应用于底层的连续系统的控制，自适应动态环境，解决了目前农业驱鸟领域存在的鸟害控制、任务协调性差、易造成路径重复覆盖、能耗高效率低等实际问题。

本发明授权基于拓扑排序奖励机制的无人机农业驱鸟方法及系统在权利要求书中公布了：1.基于拓扑排序奖励机制的无人机农业驱鸟方法，其特征在于，包括： 收集鸟类的三维目标数据，构建鸟类识别器，进行三维目标跟踪； 根据识别的结果自动生成奖励自动机，并构建奖励自动机与底层算法的连接机制，使用强化学习方法进行路径规划； 用拓扑排序的奖励机制改良强化学习方法，使用迭代训练和优化底层和顶层策略不断优化无人机的路径规划方法； 将基于拓扑排序的奖励机制规划路径的无人机用于农业驱鸟工作； 目标三维信息的获取包括， 使用双摄像头视差效应计算鸟类的三维坐标，采用三角测量法的方法；在同一时刻左摄像头和右摄像头的图像中检测到了同一个鸟类目标，并得到了对应的像素坐标；通过图像处理算法计算出对应像素之间的视差M；视差通过计算横向像素坐标之间的差值得到： 为左摄像头中的鸟类目标像素坐标，为右摄像头中的鸟类目标像素坐标； 根据相机参数和几何关系，得到视差与实际深度之间的关系；这个关系可以通过相机的基线距离N、焦距L以及视差M得到： J＝N*LM 使用获得的基线长度和视点距离以及计算得到的视差值，计算出目标的深度值J；在坐摄像头为坐标原点的坐标系中，设目标的三维坐标为Xn,Yn,Zn，其在两个摄像头图像中的对应像素坐标为和对于检测目标存在，表示为: Zn＝N*LM； 将三维坐标转换到特定坐标系，将求得的三维坐标保留在传感器中作为状态空间变量； 使用卡尔曼滤波器对目标进行跟踪，并进行降噪处理，得到一个关于目标位置的选优估计包括对当前目标位置的估计和对于将来位置的估计； 预测步骤：在卡尔曼滤波器的更新步骤中，使用观测数据来更新状态向量的估计，它在时刻k的状态向量只与k-1相关，Wk＝F*Wk-1，其中Wk为当前时刻的状态估计值，F为状态转移矩阵；预测步骤中的协方差矩阵更新方程为：Pk＝F*Pk-1*F^T+q，其中Pk为当前时刻的协方差矩阵，q为过程噪声的协方差矩阵； 进行更新步骤的操作，更新的测量模型方程为： Dk＝qk-H*Wk 其中，Dk为测量残差，qk为当前时刻的测量值，H为测量矩阵； 更新的卡尔曼增益方程为： Kk＝Pk*H^T*H*Pk*H^T+R^-1 其中，Kk为卡尔曼增益，R为测量噪声的协方差矩阵； 状态估计值更新方程为： W'k＝Wk+Kk*Dk 更新的协方差矩阵更新方程为： P'k＝I-Kk*H*Pk 其中，I为单位矩阵；重复上述预测和更新步骤，在更新步骤中根据测量模型和卡尔曼增益模型来修正状态向量Wk,并将所含速度分量保留在传感器中作为状态空间变量。

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常州大学，其通讯地址为：213100 江苏省常州市武进区湖塘镇滆湖中路21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。