[发明专利]基于强化学习的多无人机与多无人船巡检控制系统

权利要求书

1.基于强化学习的多无人机与多无人船巡检控制系统，其特征在于：包括若干无人机和若干无人船；

所述若干无人机设置有D435i视觉机构和Jetson Xavier NX计算平台；

所述若干多无人船设置有RPLIDAR-A3激光雷达和TX2计算平台；

所述若干无人机和若干多无人船设置有惯性测量单元IMU和GPS；

所述若干无人机和若干多无人船还设置有动力电池；

所述D435i视觉机构与Jetson Xavier NX计算平台信号连接；

所述RPLIDAR-A3激光雷达与和TX2计算平台信号连接；

所述惯性测量单元IMU和GPS分别与Jetson Xavier NX计算平台和TX2计算平台信号连接；

所述若干无人机和若干多无人船还设置有执行机构；

若干无人机和若干多无人船进行水域巡检，当无人机发现异常时，离异常点最近的无人机将作为领航者，通过D435i视觉机构感知物体的位置信息，在领航者处进行位置信息融合，引导若干无人机趋近异常点；

在无人船运动时，利用搭载的RPLIDAR-A3激光雷达感知异常点，在领航者处将无人船采集数据的进行信息融合，无人机发送融合后的位置信息给无人船，从而驱动无人船协同趋近异常点，利用无人机或无人船配置的执行机构处理异常点。

2.根据权利要求1所述的基于强化学习的多无人机与多无人船巡检控制系统，其特征在于：所述执行机构包括机械臂、水质采样仪、备用电池和喊话器。

3.根据权利要求1所述的基于强化学习的多无人机与多无人船巡检控制系统，其特征在于：所述若干无人机和若干多无人船进行水域巡检，当无人机发现异常时，离异常点最近的无人机将作为领航者，通过D435i视觉机构感知物体的位置信息，在领航者处进行位置信息融合，引导若干无人机趋近异常点具体为：

离异常点距离最近的无人机作为领航者，作为信息处理平台；若所述若干无人机发现相同目标，则采用加权平均算法得到位置信息；

领航者引导其余若干无人机趋近异常点；

随着多无人船趋近并感知到异常点，则将能识别到物体的若干无人船激光雷达数据发送至作为领航者的节点，无人机将接收的激光点云数据和视觉机构数据进行融合，计算出异常点最终位置；

依据领航者位置融合后的信息，引导地面无人船实现趋近目标异常点，再进行后续的异常点处理。

4.根据权利要求3所述的基于强化学习的多无人机与多无人船巡检控制系统，其特征在于：所述JetsonXavierNX计算平台构建标准尺寸的水域巡检图片数据集，含已标注的训练集和测试集，比例为3：1；训练数据集送入深度卷积神经网络学习优化内部结构权重；

将目标检测结果进行目标性评分，利用非极大值抑制的方法对检测结果进行筛选，选取置信度最高的检测框作为第一输出边界框，选取其他检测框计算与第一输出边界框的重叠率，若大于预设阈值，则舍弃，否则保留；继续选取除第一输出边界框外置信度最高的预测边框重复上述步骤，直到没有剩余检测框，留下来的就是图像中目标检测结果；

输出的结果中，每个网格对应3个先验框，每个先验框预测信息包含4个边框位置参数，1个目标评价和5个类别预测；边框位置参数包括中心坐标、宽和高；

计算损失函数，通过反向传播，利用梯度下降法对模型参数进行不断调整，最终得到最佳的网络模型；

输入测试集中的图像，利用训练好的模型提取目标特征，并输出多尺度预测结果，通过分类器进行目标性评分，非极大值抑制法筛选检测结果，最终得到基于深度卷积神经网络的物体识别结果。