CN120233786A 一种基于ai视觉控制的无人机巡检方法及系统 （青岛萨纳斯智能科技股份有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120233786A(43)申请公布日2025.07.01

(21)申请号202510714725.5

(22)申请日2025.05.30

(71)申请人青岛萨纳斯智能科技股份有限公司地址266000山东省青岛市市南区宁夏路

288号青岛软件园11号楼A座611-5

(72)发明人马培娜韩克强张林王耀辉连杰肖坤坤

(74)专利代理机构合肥理慧知识产权代理事务所(普通合伙)34324

专利代理师尹鑫

(51)Int.CI.

G05D1/46(2024.01)

G05D1/622(2024.01)

G05D109/20(2024.01)

权利要求书2页说明书10页附图7页

(54)发明名称

一种基于AI视觉控制的无人机巡检方法及系统

(57)摘要

CN120233786A本发明公开了一种基于AI视觉控制的无人机巡检方法及系统，属于无人机自动控制技术领域，其包括根据机载摄像头采集的非连续帧图像数据与预设的惯性导航数据进行特征分量提取与压缩得到压缩特征流，进行多模态障碍物安全等级参数分析，生成避障决策优先级图谱并构建安全走廊，生成实时自矫正航线；对实时飞行轨迹与实时自矫正航线的偏差进行语义解析，生成目标区域异常标记数据；动态调整双通道通信网络带宽分配，将目标区域异常标记数据传输至地面控制终端。本发明采用非连续帧图像与惯性导航的融合建模机制，结合多模态障碍物安全分级与双通道动态带宽分配策略，能够实现动态避障

CN120233786A

根据机载摄像头采集的非连续帧图像数据与预设的惯性导航数

根据机载摄像头采集的非连续帧图像数据与预设的惯性导航数据，生成动态三维空间矢量模型

对所述动态三维空间矢量模型进行特征分量提取与压缩，生成压缩特征流

基于所述压缩特征流进行多模态障碍物安全等级参数分析，生成避障决策优先级图谱

根据所述避障决策优先级图谱构建安全走廊，并利用所述安全走廊，生成实时自矫正航线

对实时飞行轨迹与所述实时自矫正航线的偏差进行语义解析，生成目标区域异常标记数据

动态调整双通道通信网络带宽分配，将所述目标区域异常标记数据传输至地面控制终端

CN120233786A权利要求书1/2页

2

1.一种基于AI视觉控制的无人机巡检方法，其特征在于，所述方法包括：

根据机载摄像头采集的非连续帧图像数据与预设的惯性导航数据，生成动态三维空间矢量模型；

对所述动态三维空间矢量模型进行特征分量提取与压缩，生成压缩特征流；

基于所述压缩特征流进行多模态障碍物安全等级参数分析，生成避障决策优先级图

谱；

根据所述避障决策优先级图谱构建安全走廊，并利用所述安全走廊，生成实时自矫正

航线；

对实时飞行轨迹与所述实时自矫正航线的偏差进行语义解析，生成目标区域异常标记数据；

动态调整双通道通信网络带宽分配，将所述目标区域异常标记数据传输至地面控制终

端。

2.根据权利要求1所述的一种基于AI视觉控制的无人机巡检方法，其特征在于，所述根据机载摄像头采集的非连续帧图像数据与预设的惯性导航数据，生成动态三维空间矢量模型包括：

获取预设非连续帧采样周期下的场景图像序列与实时惯性姿态参数；

对所述场景图像序列进行关键特征点聚类，生成空间分布矢量节点；

将所述空间分布矢量节点与所述实时惯性姿态参数进行时空对齐，构成动态三维空间矢量模型。

3.根据权利要求1所述的一种基于AI视觉控制的无人机巡检方法，其特征在于，所述对所述动态三维空间矢量模型进行特征分量提取与压缩，生成压缩特征流包括：

对所述动态三维空间矢量模型进行特征分层编码，生成环境多维度特征矩阵；

通过预设的特征熵值阈值筛选所述环境多维度特征矩阵中的主分量，生成压缩特征流。

4.根据权利要求1所述的一种基于AI视觉控制的无人机巡检方法，其特征在于，所述基于所述压缩特征流进行多模态障碍物安全等级参数分析，生成避障决策优先级图谱包括：

对所述压缩特征流进行语义分割，生成障碍物轮廓特征向量；

结合预设的障碍物类型数据库对所述障碍物轮廓特征向量进行安全系数评定，生成避障决策优先级图谱。

5.根据权利要求1所述的一种基于AI视觉控制的无人机巡检方法，其特征在于，所述根据所述避障决策优先级图谱构建安全走廊，并利用所述安全走廊，生成实时自矫正航线包

括：

根据所述避障决