(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210669428.X (22)申请日 2022.06.14 (71)申请人 中国民航大 学 地址 300300 天津市东 丽区津北公路2898 号 (72)发明人 王蕊　李金洺　史玉龙　孙辉　 (74)专利代理 机构 北京冠和权律师事务所 11399 专利代理师 赵银萍 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06T 7/73(2017.01)G06N 3/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G05D 1/02(2020.01) (54)发明名称 一种基于图像识别的无人系统路径规划方 法 (57)摘要 本发明提供一种基于图像识别的无人系统 路径规划方法， 包括： 步骤S1： 构建环境模型； 步 骤S2： 通过图像识别技术确定鸟群活动位置； 步 骤S3： 获取当前时刻位于机场内的驱鸟车所在的 位置； 步骤S4： 基于所述鸟群活动位置和所述驱 鸟车所在的位置， 确定各个所述驱鸟车对应的目 标移动位置点； 步骤S5： 基于所述驱鸟车所在的 位置为起点、 所述目标移动位置点为终点， 规划 移动路径。 本发 明的基于图像识别的无人系统路 径规划方法， 实现了驱鸟车的无人自动驱鸟， 节 省了现有采用人工驾驶驱鸟车方式的人力资源， 并且可以更 快响应， 提高了驱鸟效率。 权利要求书3页 说明书9页 附图3页 CN 114913486 A 2022.08.16 CN 114913486 A 1.一种基于图像识别的无 人系统路径规划方法， 其特 征在于， 包括： 步骤S1： 构建环境模型； 步骤S2： 通过图像识别技 术确定鸟群活动位置； 步骤S3： 获取当前时刻位于 机场内的驱鸟车 所在的位置； 步骤S4： 基于所述鸟群活动位置和所述驱鸟车所在的位置， 确定各个所述驱鸟车对应 的目标移动位置点； 步骤S5： 基于所述驱鸟车所在的位置为起点、 所述目标移动位置点为终点， 规划 移动路 径。 2.如权利要求1所述的基于图像识别的无人系统路径规划方法， 其特征在于， 所述步骤 S5： 基于所述驱鸟车 所在的位置为 起点、 所述目标移动位置点 为终点， 规划移动路径， 包括： 步骤S51： 采用改进的天牛群算法， 实现移动路径的规划。 3.如权利要求2所述的基于图像识别的无人系统路径规划方法， 其特征在于， 所述步骤 S51： 采用改进的天牛群算法， 实现移动路径的规划， 包括： 步骤S501： 初始化天牛群的位置、 天牛群的速度， 设置最大迭代次数N， 优化维度d， 迭代 次数参数t， 初始算法中的其 他参数； 步骤S502： 计算天牛群中初始情况下每个个体的适应值及路径长度值， 设定粒子当前 位置为粒子最优位置， 初始天牛群位置为 最优位置； 步骤S503： 判断算法是否达到最大迭代次数； 当是时， 转到执行步骤S510， 否则转到执 行步骤S5 04； 步骤S504： 计算每个天牛左右须之间的距离， 左右须的位置坐标， 计算学习因子的初始 值； 步骤S505： 进行天牛群的速度和位置更新， 比较每个天牛个体当前适应度值和上次迭 代适应度值进行比较， 选择适应度值较小的种群位置； 步骤S506： 若随机数小于交叉概率pc， 则进行交叉操作更新粒子位置， 比较每个天牛个 体当前位置适应度值和交叉操作前的适应度值， 选择适应度较小的种群位置； 步骤S507： 如果随机数小于变异概率pm， 则进行变异操作更新粒子位置， 比较每个天牛 个体位置适应度值和高斯变异操作前的适应度值， 选择适应度值较小的种群位置； 步骤S508： 判断当前迭代次数是否同时满足式预设的条件； 当是时， 进行粒子的位置更 新， 否则转到执 行步骤S5 09； 步骤S509： 更新步长， 迭代次数加一； 步骤S510： 保存当前适应度值并输出。 4.如权利要求3所述的基于图像识别的无人系统路径规划方法， 其特征在于， 在步骤 S501中， 初始化天牛群的位置、 天牛群的速度时； 首先采用随机变量改进的Tent生成随机 解， 公式如下：权　利　要　求　书 1/3 页 2 CN 114913486 A 2X1＝min+max‑min×reshape(z,N,d) 式中， zi表示d×N数目的列向量， zi+1表示zi的下一个标量,N表示预设的天牛群数目， X1 表示第一次迭代的初始向量； min是每个天牛个体的定义域范围最小值， max是每个天牛个 体的定义域范围最大值， reshape函数是把列向量z变成一个 d×N维度的矩阵； rand表示随 机变量。 5.如权利要求3所述的基于图像识别的无人系统路径规划方法， 其特征在于， 在步骤 S505： 进行天牛群的速度和位置更新， 其中， 速度更新公式如下： 式中， 表示第i个粒子在维度d下第t次迭代后的速度， 表示第i个粒子在维度d下 第t次迭代中的位置， rand表示0 ‑1之间的随机数， Xt+1表示天牛须搜索算法后的位置， c1， c2， c3表示预设的学习因子； gbest 表示天牛群 体极值； pbest为天牛个 体极值； 位置更新公式如下： 表示第i个粒子在维度d下第t次迭代后的位置 。 6.如权利要求3所述的基于图像识别的无人系统路径规划方法， 其特征在于， 在步骤 S506中进行交叉操作更新粒子位置， 包括： 其中， 为第i个粒子在维度d下第t次交叉后的天牛群位置， 交叉规则是两两粒子随机 坐标值进行交叉； pc是交叉概 率， 是范围在[0,1]间的常数。 7.如权利要求3所述的基于图像识别的无人系统路径规划方法， 其特征在于， 在步骤 S507中进行变异操作更新粒子位置， 包括： 其中， pm是变异概 率， 是范围在[0,1]间的常数。 8.如权利要求3所述的基于图像识别的无人系统路径规划方法， 其特征在于， 步骤 S508： 判断当前迭代次数是否同时满足式预设的条件； 当是时， 进行粒子的位置更新， 否则 转到执行步骤S5 09； 其中， 预设的条件 包括： tmod50＝0权　利　要　求　书 2/3 页 3 CN 114913486 A 3