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！

龙图腾网获悉华侨大学申请的专利一种基于强化学习的空地协同感知方法、装置及可读介质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：CN121415168B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202512016098.0，技术领域涉及：G06V10/764；该发明授权一种基于强化学习的空地协同感知方法、装置及可读介质是由林志平;章钰豪;赵睿设计研发完成，并于2025-12-30向国家知识产权局提交的专利申请。

本一种基于强化学习的空地协同感知方法、装置及可读介质在说明书摘要公布了：本发明公开了一种基于强化学习的空地协同感知方法、装置及可读介质，涉及协同感知领域，包括：将车辆采集到的第一图像数据和飞行器采集到的第二图像数据输入到经训练的感知任务分类识别模型中的特征提取模块，得到当前时隙的第一特征图和第二特征图并变换得到当前时隙的对齐后的第二特征图；构建当前时隙的状态并输入到经训练的策略网络中，得到当前时隙的策略，并结合状态对对齐后的第二特征图进行分割，得到当前时隙的分割后的第二特征图并与当前时隙的第一特征图经过特征融合模块进行融合，得到当前时隙的融合特征图，将当前时隙的融合特征图输入到第二特征解码模块，得到当前时隙的目标类别概率和目标空间位置。本发明解决感知精度低的问题。

本发明授权一种基于强化学习的空地协同感知方法、装置及可读介质在权利要求书中公布了：1.一种基于强化学习的空地协同感知方法，其特征在于，包括以下步骤： 构建感知任务分类识别模型和第一特征解码模块并训练，得到经训练的感知任务分类识别模型和经训练的第一特征解码模块，所述感知任务分类识别模型包括依次连接的特征提取模块、特征融合模块和第二特征解码模块； 构建策略网络和价值网络并采用强化学习进行训练，得到经训练的策略网络和价值网络，具体包括：在第k个时隙获取到通过地面上的车辆的N个摄像头采集到的第一图像数据和空中的飞行器的N个摄像头采集到的第二图像数据输入到所述经训练的感知任务分类识别模型，并分别经过所述特征提取模块进行特征提取，得到第k个时隙的第一特征图和第二特征图，其中表示第k个时隙中第i张第一特征图，表示第k个时隙中第i张第二特征图，H、W和C分别表示特征图的长、宽和通道数，k为正整数；将第k个时隙的第二特征图经过位姿变换矩阵映射到车辆坐标系，得到第k个时隙的对齐后的第二特征图，如下式所示： ； 其中，表示第k个时隙中第i张对齐后的第二特征图； 基于第k个时隙的对齐后的第二特征图、信道增益、可用带宽以及第k-1个时隙的传输时延和感知精度并采用经训练的第一特征解码模块构建第k个时隙的状态； 将第k个时隙的状态输入到第k个时隙的策略网络中，得到第k个时隙的策略，基于第k个时隙的策略和状态对第k个时隙的对齐后的第二特征图进行分割，得到第k个时隙的分割后的第二特征图，并发送给所述车辆，其中表示第k个时隙中第i张分割后的第二特征图；将第k个时隙的分割后的第二特征图与第k个时隙的第一特征图经过所述特征融合模块进行融合，得到第k个时隙的融合特征图，将第k个时隙的融合特征图输入到所述第二特征解码模块中，映射得到感知任务中第k个时隙的目标类别概率和目标空间位置； 基于第k个时隙的目标类别概率估计得到第k个时隙的感知精度，并估计第k个时隙的传输时延；基于第k个时隙的感知精度和传输时延计算第k个时隙的奖励； 在当前时隙获取到通过地面上的车辆的N个摄像头采集到的第一图像数据和空中的飞行器的N个摄像头采集到的第二图像数据输入到所述经训练的感知任务分类识别模型，并分别经过所述特征提取模块进行特征提取，得到当前时隙的第一特征图和第二特征图；将当前时隙的第二特征图经过位姿变换矩阵映射到车辆坐标系，得到当前时隙的对齐后的第二特征图；基于当前时隙的对齐后的第二特征图、信道增益、可用带宽以及前一个时隙的传输时延和感知精度并采用经训练的第一特征解码模块构建当前时隙的状态； 将当前时隙的状态输入到所述经训练的策略网络中，得到当前时隙的策略，基于当前时隙的策略和状态对当前时隙的对齐后的第二特征图进行分割，得到当前时隙的分割后的第二特征图，并发送给所述车辆；将当前时隙的分割后的第二特征图与当前时隙的第一特征图经过所述特征融合模块进行融合，得到当前时隙的融合特征图，将当前时隙的融合特征图输入到所述第二特征解码模块中，映射得到当前时隙的目标类别概率和目标空间位置。

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华侨大学，其通讯地址为：362000 福建省泉州市丰泽区城东城华北路269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。