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！

龙图腾网恭喜三亚哈尔滨工程大学南海创新发展基地;哈尔滨工程大学申请的专利一种面向多水下机器人协同搜索的任务区域划分和聚类方法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：CN115437243B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202211198250.1，技术领域涉及：G05B13/02；该发明授权一种面向多水下机器人协同搜索的任务区域划分和聚类方法是由蔡凯钱;张国成;孙玉山;李晔;毛发俊;张亮太;郑淏天;李岳明;曹建;田尉岐;吴桐;刘湛设计研发完成，并于2022-09-29向国家知识产权局提交的专利申请。

本一种面向多水下机器人协同搜索的任务区域划分和聚类方法在说明书摘要公布了：本发明提供一种面向多水下机器人协同搜索的任务区域划分和聚类方法，本发明涉及水下机器人协同搜索技术领域，本发明基于UUV作业幅宽的任务区域网格化初步划分；对任务区域内各网格的重要度赋权；任务区域边界内部最大区域的选取与相近重要度网格的聚类方法；边缘区域的精细化处理；基于几何特征的聚合区域分类及相应搜索路径规划策略的归纳。本发明网格划分的计算量可控，对于任意任务区域，只要确定了网格化的间隔宽度，网格化的过程是简便而稳定的，其计算量也跟网格划分的精细程度大体成正比，在本发明所应用的方法中，其计算量通常总是较小的。

本发明授权一种面向多水下机器人协同搜索的任务区域划分和聚类方法在权利要求书中公布了：1.一种面向多水下机器人协同搜索的任务区域划分和聚类方法，其特征在于，包括以下步骤：步骤一：基于UUV作业幅宽的任务区域网格化初步划分；步骤二：对任务区域内各网格的重要度赋权；步骤三：任务区域边界内部最大区域的选取与相近重要度网格的聚类方法；步骤四：边缘区域的精细化处理；步骤五：基于几何特征的聚合区域分类及相应搜索路径规划策略的归纳；所述步骤三具体为：S3.1：选取内部最大区域的方法为，对任务区域S边界以内且与边界无交集的网格，选取其中坐标值xmin,yminxmax,ymaxxmin,ymaxxmax,ymin的4个网格节点，记构成的矩形为Q，当Q所围的网格数最大时记作Qmax，Qmax为内部最大区域；S3.2：对重要度在K±I区间内的网格进行聚类整合，其中，I为包容度，取值在5％K～25％K，采用差分法，以1％K为步长对网格的聚类进行测试并输出结果，选取其中区域划分合理的I值作为算法的指定参数输入值；S3.3：对区域划分中明显可优化的部分进行人工二次聚合，保证内部区域聚合的合理高效；S3.4：对明显大于平均划分区域S聚类＞3S平均的聚类区域，称作超界区域，考虑单个UUV对其进行搜索时耗时较长，为提高搜索效率分割为数个合适大小的区域；所聚合区域的重要度取区域内重要度最高值K+I，且聚合原则为，低重要度可以向高重要度聚合，反之不行；为保证相近重要度网格聚类时内部最大区域Qmax的整体性，同时兼顾重要度严格相近网格的聚类原则；对于超出Qmax边界的网格进行聚类时应遵循更严格的规则，即Qmax边界外的网格重要度只有落在K±0.2I区间内，再同Qmax边界内的网格进行聚类形成对边缘区域L的侵蚀和隔断；所述步骤四具体为：S4.1：以Qmax边界延伸与任务区域S边界所围的区域记为边缘区域L，Qmax延伸的边与任务区域S边界所围的区域从最左部分区域，坐标最小值区域开始，顺时针方向排序，分别记作边缘区域L1,L2,L3,L4每一个区域穿越前一个区域的边界不计以免重叠；S4.2：边缘区域L是任务区域S内Qmax以外的区域，即L＝S-Qmax，由S的边界所穿过的网格及其邻近网格构成，并被Qmax的边界分隔开；S4.3：对边缘区域L的聚类处理，边界穿过网格内所含的实际有效任务区域不同，根据精细度需求，对边界穿过的网格采用标准网格再次划分，聚类时剔除其中与S交集为空的小网格；S4.4：对边缘区域L的聚类，除被内部不同重要度聚合区域隔断开的情况，均以S边界Qmax边界所围形成的边缘区域Li，聚合成阶梯多边形或矩形Li*，对被内部不同重要度区域隔断开的边缘区域Li1,Li2,...,Lin分别聚合成边缘区域Li*1，Li*2，…,Li*n，其中i＝1,2,3,4。

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三亚哈尔滨工程大学南海创新发展基地;哈尔滨工程大学，其通讯地址为：572000 海南省三亚市崖州区崖州湾科技城百泰产业园四号楼四楼A129区；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”。