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！

龙图腾网获悉北京航空航天大学申请的专利自主空中加油锥套视觉特征检测与位姿测量方法及系统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：CN119672099B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411752023.8，技术领域涉及：G06T7/70；该发明授权自主空中加油锥套视觉特征检测与位姿测量方法及系统是由高扬;魏振忠;张广军;温书远;胡冰睿;刘福林设计研发完成，并于2024-12-02向国家知识产权局提交的专利申请。

本自主空中加油锥套视觉特征检测与位姿测量方法及系统在说明书摘要公布了：本发明公开一种自主空中加油锥套视觉特征检测与位姿测量方法，包括：定义和标定所需的坐标系间相对关系，坐标系包括世界坐标系、相机坐标系、图像坐标系和像素坐标系；采集锥套的运动视频，标注锥套图片关键点并构建锥套数据集；搭建模型基础架构，训练以形成用于非合作目标锥套上关键点特征的亚像素级关键点像素检测结果的锥套关键点检测模型；基于亚像素级关键点检测坐标结果拟合锥套内外圈椭圆方程；基于锥套内外圈椭圆方程和坐标系间相对关系，通过双空间圆锥套位姿测量方法求解锥套位姿初值；基于倒角距离损失的双空间圆位姿测量优化方法，通过关键点特征位姿重投影优化锥套位姿初值。还公开了对应的系统、电子设备及计算机可读存储介。

本发明授权自主空中加油锥套视觉特征检测与位姿测量方法及系统在权利要求书中公布了：1.一种自主空中加油锥套视觉特征检测与位姿测量方法，其特征在于，包括： S1，定义和标定所述自主空中加油锥套的位姿测量所需的坐标系间相对关系，其中所述所需的坐标系包括世界坐标系、相机坐标系、图像坐标系和像素坐标系； S2，采集锥套的运动视频，标注锥套图片关键点并构建锥套数据集；其中所述锥套的运动视频以固定视频帧率和图像分辨率进行采集；所述锥套数据集包括训练集、验证集和测试集； S3，搭建基础锥套关键点检测模型的基础架构，训练所述基础锥套关键点检测模型以形成基于深度学习的锥套关键点检测模型，所述锥套关键点检测模型用于非合作目标锥套上关键点特征的亚像素级关键点像素检测结果；所述S3包括： S31，构建基础锥套关键点检测模型；所述基础锥套关键点检测模型包括1个Steam、4个Stage、3个Downsample模块和1个Neck模块；采用结构重参数化技术，将卷积块合并为一个3*3卷积；采用基于坐标分类的亚像素级关键点输出头来编码和解码关键点坐标，其关键点编码和解码具体公式分别如式2和式3所示： 关键点编码公式如式2所示： 其中，σ为坐标高斯分布编码的标准差，i,j分别为行向量索引和列向量索引，分别为编码前关键点横坐标和纵坐标，xi,yj分别为编码后横坐标高斯分布和纵坐标高斯分布； 关键点解码公式如式3所示： 其中，α为坐标编解码的缩放因子，argmax是输出高斯分布中最大值索引的函数；oxi,oyj分别为锥套关键点检测模型预测输出解码前的横坐标高斯分布和纵坐标高斯分布，分别为解码后关键点的横坐标和纵坐标； S32，构建锥套关键点检测模型的损失函数，基于所述训练集、所述验证集和所述损失函数训练所述基础锥套关键点检测模型至收敛以获得所述锥套关键点检测模型；所述损失函数包括关键点分类损失函数KL散度损失函数MSE回归损失函数以及第一倒角距离损失函数 S33，基于所述锥套关键点检测模型进行推理并输出亚像素级关键点检测像素坐标结果，包括： 1将所述测试集中测试视频的每帧图像作为所述锥套关键点检测模型的输入； 2锥套关键点检测模型进行推理输出对应帧图像的亚像素级关键点检测坐标结果； S4，基于所述锥套关键点检测模型输出关键点特征的所述亚像素级关键点检测坐标结果，拟合锥套内外圈椭圆方程；基于所述锥套内外圈椭圆方程和所述坐标系间相对关系，通过双空间圆锥套位姿测量方法求解锥套位姿初值； S5，基于第二倒角距离损失的双空间圆位姿测量优化方法，通过关键点特征位姿重投影优化所述锥套位姿初值。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37号；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”。

以上内容由龙图腾AI智能生成。