[发明专利]基于无人机的快递控制系统及其运行方法

权利要求书

1.一种基于无人机的快递控制系统，其特征在于，包括：

区域数据单元，用于获取基于无人机的快递控制系统的工作区域的拓扑信息，所述拓扑信息包括多个目标节点和各个所述目标节点之间的距离；

数据格式转换单元，用于将所述拓扑信息转化为一个二维的输入矩阵，其中，所述输入矩阵中各个位置的特征值表示两个目标节点之间的距离；

第一特征图生成单元，用于将所述输入矩阵通过卷积神经网络以获得对应于所述输入矩阵的第一特征图；

备选路径获取单元，用于获取待判断的无人机的规划路径，所述规划路径为包含多个目标节点到目标节点的路径；

位置映射单元，用于在所述第一特征图中确定对应于所述规划路径所包含的多个目标节点的多个感兴趣位置；

第二特征图生成单元，用于对所述多个感兴趣位置，使用目标节点与目标节点之间的距离乘以预定系数所获得的阈值来构建连通域，以从所述第一特征图中得到多个第二特征图；

数据稠密单元，用于对所述多个第二特征图中各个特征图进行伯努利随机增强，以获得由多个第三特征图组成的分类特征图；以及

路径判定单元，用于将所述分类特征图通过分类器以获得分类结果，所述分类结果用于表示待判断的无人机的规划路径是否合理。

2.根据权利要求1所述的基于无人机的快递控制系统，其中，所述数据格式转换单元，进一步用于：

将所述拓扑信息中的多个目标节点分别按行和列排列成矩阵；以及

在所述矩阵的各个位置填写两个目标节点之间的距离以获得所述输入矩阵。

3.根据权利要求1所述的基于无人机的快递控制系统，其中，所述第二特征图生成单元，进一步用于：对每个所述感兴趣位置，将所述第一特征图中超过目标节点与目标节点之间的距离乘以预定系数所获得的阈值的位置相连接以获得所述连通域，以从所述第一特征图中得到多个第二特征图。

4.根据权利要求3所述的基于无人机的快递控制系统，其中，所述预定系数作为超参数参与到所述卷积神经网络的训练过程中。

5.根据权利要求1所述的基于无人机的快递控制系统，其中，所述数据稠密单元，进一步用于对所述多个第二特征图中各个特征图进行伯努利随机增强以获得多个伯努利随机增强矩阵，其中，所述伯努利随机增强矩阵为所述第三特征图，其表示为：

其中，I为对角矩阵，所述第二特征图中的非零区域记为R^P1×Q1，P1×Q1代表非零区域的大小。

6.根据权利要求1所述的基于无人机的快递控制系统，其中，所述路径判定单元，进一步用于：将所述分类特征图通过一个或多个全连接层以获得分类特征向量；以及，将所述分类特征向量输入Softmax分类函数以获得所述分类结果。

7.根据权利要求1所述的基于无人机的快递控制系统，其中，所述卷积神经网络为深度残差网络。

8.一种基于无人机的快递控制系统的运行方法，其特征在于，包括：

获取基于无人机的快递控制系统的工作区域的拓扑信息，所述拓扑信息包括多个目标节点和各个所述目标节点之间的距离；

将所述拓扑信息转化为一个二维的输入矩阵，其中，所述输入矩阵中各个位置的特征值表示两个目标节点之间的距离；

将所述输入矩阵通过卷积神经网络以获得对应于所述输入矩阵的第一特征图；

获取待判断的无人机的规划路径，所述规划路径为包含多个目标节点到目标节点的路径；

在所述第一特征图中确定对应于所述规划路径所包含的多个目标节点的多个感兴趣位置；

使用目标节点与目标节点之间的距离乘以预定系数所获得的阈值来构建对应于所述多个感兴趣位置的多个连通域，以从所述第一特征图中得到多个第二特征图；

对所述多个第二特征图中各个特征图进行伯努利随机增强，以获得由多个第三特征图组成的分类特征图；以及

将所述分类特征图通过分类器以获得分类结果，所述分类结果用于表示待判断的无人机的规划路径是否合理。