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！

龙图腾网获悉浙江大学;余姚市机器人研究中心申请的专利一种障碍环境下的多无人机协同围捕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：CN120010510B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202510143029.3，技术领域涉及：G05D1/46；该发明授权一种障碍环境下的多无人机协同围捕方法是由李振宇;王进;武瑞鑫;张海运;陆国栋设计研发完成，并于2025-02-10向国家知识产权局提交的专利申请。

本一种障碍环境下的多无人机协同围捕方法在说明书摘要公布了：本发明属于多四旋翼协同围捕技术领域，公开了一种障碍环境下的多无人机协同围捕方法，包括步骤1：基于维诺图的三维决策空间表征：通过构建安全优先可达区域来实现对三维障碍物决策空间的简化表征；步骤2：构建基于面积最小化的分布式围捕决策：在基于维诺图的三维决策空间表征模块所构建的安全优先可达区域的基础上通过采用基于面积最小化的协同围捕策略，压缩逃逸无人机的运动区域最终实现有效捕获。本发明的基于维诺图的三维决策空间表征方法能够实现在三维障碍空间这样一个典型非凸区域中提取出凸有界决策区域，实现决策空间的有效表征，为后续围捕策略的生成奠定基础。

本发明授权一种障碍环境下的多无人机协同围捕方法在权利要求书中公布了：1.一种障碍环境下的多无人机协同围捕方法，根据相关位置捕捉设备与算法获取包括防守无人机和进攻无人机在内的多个无人机空间坐标信息，其特征在于，包括如下步骤： 步骤1：基于维诺图的三维决策空间表征：通过构建安全优先可达区域来实现对三维障碍物决策空间的简化表征； 步骤1.1：构建基于维诺图的优先可达域：依赖于围捕无人机集群位置与逃逸无人机位置，在三维场景中依赖维诺分区方法确定围捕无人机在三维空间中的优先可达区域； 逃逸者的优先可达区域定义为逃逸者在给定环境中，能够比任何其他围捕者更快到达的所有位置的集合； 给定一组种子点P＝{p1,p2,…,pn}，维诺图将空间划分为n个凸多边形区域，称为维诺区域，或称狄利克雷区域，每个维诺区域Vpi由所有离种子点pi最近的点构成，满足以下条件： 其中，Q是任务场景空间，x是空间中的任意点，pi是种子点，且维诺区域内的点到种子点pi的距离比到其他种子点的距离更小； 在二维平面中，维诺图的每个维诺区域是一个凸多边形，而在三维空间中，区域则是由多面体构成，维诺图中的维若边是相邻种子点之间的共享边界，其定义为所有到两个相邻种子点距离相等的点的集合，在三场景中共享维诺边界表示为两种子点连线的垂直平分面，数学上，共享维诺边界上的点xg满足以下条件： 逃逸者的优先可达区域和围捕者的优先可达区域被分别定义为: 其中，和分别表示围捕者和逃逸者在无障碍物环境下的优先可达区域，在这种环境下，每个智能体都可以通过计算Voronoi图来决定其在空间中的可达区域，从而优化其路径规划和控制策略； 通过引入超平面概念实现对优先可达域的参数化表达： 三维环境下的超平面可以通过法向量和超平面上一点的坐标表示法来定义，假设超平面上有一个已知的点P0x0,y0,z0和法向量则超平面的方程表示为： 其中，是空间中的任意点，这个方程表示的几何对象将空间划分为两个半空间：一个满足n1x-x0+n2y-y0+n3z-z00的区域，另一个满足n1x-x0+n2y-y0+n3z-z00的区域； 根据超平面分隔规则，每个围捕者的Voronoi分区可以由一组超平面来表示，多个超平面的内部分区域的组合能够形成一个凸区域，而该凸区域则代表围捕者或逃逸者的优先可达区域， 由此，优先可达区域PRR的定义可以从式3转换为以下形式: 在这里，X表示从原点到Q中任意点x的向量，利用l1和l2指代包括逃逸者和围捕者集群在内的素有不同智能体，和是由智能体l1和l2之间的位置差异定义的超平面参数，代表着对应超平面的法向量和通过中点计算得出的平面位置； 计算与每一对智能体相关的超平面法向量和对应的平面参数，超平面的法向量是由围捕者或逃逸者之间的相对位置差异所决定的，而平面的位置参数则是通过这两者之间的中点来计算的，确保超平面按照维诺分区的定义将区域分隔开，具体计算公式如下: 在上述公式中，和分别表示智能体l1和l2的位置向量，而则是它们之间的相对位置向量，平面位置参数则是通过这两个位置的中点来确定的，从而确保每个超平面准确地分隔空间； 步骤1.2：基于障碍物感知的安全优先可达域构建：在优先可达区域的基础上，考虑围捕无人机之间的安全距离以及围捕无人机与障碍物的最小距离，通过构建安全优先可达域确保这些约束在整个捕获过程中始终得到满足； 通过构建凸多面体来表示无人机当前位置下的安全飞行区域，该凸多面体由多个分离超平面组成，每个超平面通过将无人机与障碍物隔离开，形成一个安全的、无障碍的飞行空间，该空间的数学表示形式如下: 其中，表示无人机的安全可达区域，定义了构成的超平面的参数集； 采用KD-Tree数据结构来加速障碍物点的检索过程，分离超平面参数的计算公式如下： 其中，rs是安全半径，用于考虑无人机的物理尺寸，并通过将超平面向远离障碍物的方向偏移一定距离来确保飞行中的障碍物避让效果，通过结合公式5与公式7，最终的安全优先可达区域的表示定义如下： 步骤1.3：区域迭代与更新：根据实时的场景变化，不断调整安全优先可达区域，为实现高频率的实时重决策奠定基础； 根据实时变化的位置信息重新计算安全优先可达区域， 1输入信息：围捕无人机当前位置xi,i∈Γ，目标逃逸无人机当前位置xe，环境中的障碍点云信息Ω_obs； 2初始化剩余障碍物点云信息Ω_remain＝Ω_obs；将环境中的障碍点云信息Ω_obs赋值给剩余障碍物点云信息Ω_remain； 3基于障碍物点云构建分离超平面； 进入一个循环，只要剩余障碍物点云信息中的点的数量大于一个预设的阈值，就执行以下操作： 3-1查找最近障碍物点：使用KD树算法查找与当前围捕无人机位置xi最近的障碍物点o_near； 3-2构造障碍物分离超平面：计算参数利用这些参数构造障碍物分离超平面，并将该超平面的相关信息存入安全优先可达区域中； 3-3更新剩余障碍物点云信息：从剩余障碍物点云信息中剔除位于刚刚构造的超平面外部的点，为下一次循环做准备； 4处理其他围捕无人机 通过一个循环遍历所有围捕无人机，即j从0到N且j不等于i： 4-1设定l1为当前围捕无人机的编号，l2为当前遍历到的围捕无人机的编号； 4-2依据特定的公式计算参数nij,pij，并将这些参数存入安全优先可达区域中； 5处理目标逃逸无人机 将l1设为当前围捕无人机的编号，l2设为目标逃逸无人机的编号，依据特定的公式计算参数nie,pie，并将这些参数存入安全优先可达区域中； 6经过以上步骤，最终得到安全优先可达区域作为算法的输出； 步骤2：构建基于面积最小化的分布式围捕决策：在基于维诺图的三维决策空间表征模块所构建的安全优先可达区域的基础上通过采用基于面积最小化的协同围捕策略，压缩逃逸无人机的运动区域最终实现有效捕获； 步骤2.1：构建基于面积最小化的协同围捕策略：基于步骤1.2中构建的安全优先可达域，通过缩小逃逸无人机的安全优先可达区域，实现对逃逸无人机的有效围捕； 逃逸者安全优先可达区域的面积被定义为： 其中是公式9中构建的逃逸者的安全优先可达区域，根据式10的定义，的导数为： 在式11中围捕无人机对的影响项可以被解耦为通过这种解耦，围捕者采用一种“面积最小化”运动策略，该策略与的梯度下降方向一致，实现逃逸者安全优先可达区域面积的快速减少，围捕者的运动策略由下式给出： 推导上述策略的具体计算方法，利用莱布尼茨积分规则，可以简化为： 其中，Ns表示与逃逸无人机e共享边界的围捕无人机i的集合，si表示两者之间的共享边界，共享边界的面积可以表示为而共享边界的质心则被定义为 通过比对式11和式13，得出： 因此解耦出来的逃逸无人机的安全优先可达域的面积受围捕无人机的影响如下： 将式15带入式12中，最终的围捕运动策略被简化为： “面积最小化”协同围捕策略将围捕者引导向其与逃逸者共享边界的质心位置；这种策略通过逐步减少逃逸者安全优先可达区域的面积，最终实现对逃逸者的捕获； 步骤2.2：证明围捕策略有效性：通过理论分析证明步骤2.1中提出的基于面积最小化的协同围捕策略的理论完备性； 引理2:考虑单个围捕无人机和单个逃逸无人机在区域Q中运动的任务场景，根据所提出的围捕策略16，对于任何允许的逃逸策略均有此外，当且仅当逃逸者采用以下运动策略时， 其中，C是追踪无人机x和逃逸无人机x安全优先可达区域共享边界的质心，证明：对于单个追踪者和单个逃逸者的情况，简化为： 将步骤2.1中分析得到的基于面积最小化的围捕策略16代入上述公式，得到： 由于在围捕无人机与逃逸无人机等速运动时，两者的共享边界表示为两者之间的垂直平分面上，质心位于该共享边界上，因此有并且在步骤2.1中不失一般性的，假设vi＝ve＝1，即将以上条件代入后可知，对于单个追踪者的情况，且当时，逃逸者的控制策略为： 至此引理2得证，围捕者的运动策略能够保证逃逸者的安全可达区域面积严格非递增，且唯一能够保持逃逸者安全可达区域面积不变的逃逸者策略是沿着两者共享边界质心的反方向移动； 定义逃逸者与追踪者之间的距离的平方为： D＝‖xi-xe‖2＝xi-xeTxi-xe21 引理3:当围捕者采用运动策略16时，距离平方的变化率满足此外，当且仅当逃逸者采用如式20所示的控制策略时，证明：根据式21对于D的定义有 将围捕者的运动策略16代入上式有： 同样由于位于围捕无人机与逃逸无人机的垂直平分面上，因此有上式进一步推导为： 在步骤2.1中不失一般性的，本发明假设vi＝ve＝1，即因此有并且时的逃逸无人机的运动策略如式20所示； 至此引理3得证，围捕者的运动策略能够保证其与逃逸者的距离严格非递增，对逃逸者来说唯一能够保持距离不变的逃逸策略是沿着两者共享边界质心的反方向移动； 根据引理2和引理3，得出结论：在单个围捕无人机的场景中，围捕无人机采用如式16所示的运动策略时，逃逸者的安全优先可达区域面积以及逃逸者相对围捕无人机的距离均为严格非递增的，并且当且仅当逃逸者沿两者共享边界质心的反方向移动时，二者的变化率才为零，其余情况下二者均为递减；因此，回到本发明所述的多无人机协同围捕场景中，当围捕无人机采用如式16所述的围捕策略时，逃逸者不管采用何种运动策略，无法保证其相对于每个相邻围捕无人机的距离不递增的条件同时满足，因此逃逸者与围捕无人机集群的距离始终会处于递减状态，最终在有限时间内围捕无人机集群会实现最终捕获； 步骤2.3：分布式协同围捕决策框架：通过分摊计算载荷实现算法轻量化； 1初始化 对于每个围捕无人机，初始化以下几个变量： 用于存储安全优先可达区域的超平面参数集合； vertices_set：用于存储安全优先可达区域形成的凸多面体每个面的顶点集合； shareplane：一个标志位，用于表示当前围捕无人机与目标是否存在共享边界； 2遍历每个围捕无人机 通过一个循环，对围捕无人机集群中的每个无人机执行以下操作： 2-1重置共享边界标志位：将shareplane标志位初始设置为True，表示假设当前围捕无人机与目标存在共享边界； 2-2构建安全优先可达区域：调用基于障碍物感知的安全优先可达区域构建SPRRConstruction算法，输入当前围捕无人机的位置xi、目标逃逸无人机的位置xe以及环境中的障碍点云信息Ω_obs，得到当前围捕无人机的安全优先可达区域的超平面参数集合 2-3处理安全优先可达区域的超平面 对中的每个超平面H进行如下处理： 计算交线：计算当前超平面H与中其他超平面的交线，将这些交线存储在lines中； 计算交点并筛选：计算各个交线的交点，只将位于安全优先可达区域内的交点加入到points集合中； 判断是否构成有效平面： 如果points集合中的元素数量小于2，说明这些交点无法构成一个有效的平面，此时将超平面H从中剔除，因为它对形成最终的凸多面体没有贡献；同时，如果超平面H是当前围捕无人机位置xi与目标逃逸无人机位置xe的共享边界超平面，将shareplane标志位设置为False，表示当前围捕无人机与目标不存在共享边界； 若points集合中的元素数量足够，即可以构成有效平面，将points集合添加到vertices_set中； 2-4确定围捕目标点 根据shareplane标志位的值来确定当前围捕无人机的围捕目标点： 如果shareplane为True，表示当前围捕无人机与目标存在共享边界，将共享边界的质心作为围捕目标点，即Ti为共享边界的质心； 如果shareplane为False，表示当前围捕无人机与目标不存在共享边界，将凸多面体中与目标逃逸无人机位置xe最近的点作为围捕目标点，即Ti为凸多面体中与xe最近的点； 3经过以上步骤，对每个围捕无人机都确定了其对应的围捕目标点，最终得到围捕目标点集合Ti作为算法的输出。

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浙江大学;余姚市机器人研究中心，其通讯地址为：315400 浙江省宁波市余姚市凤山街道冶山路479号科创大厦12楼；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。