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！

龙图腾网获悉中国科学院南京天文光学技术研究所申请的专利一种基于计算机视觉的望远镜位姿监测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：CN116843756B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202311020340.6，技术领域涉及：G06T7/73；该发明授权一种基于计算机视觉的望远镜位姿监测方法是由李晓燕;刘世伟设计研发完成，并于2023-08-15向国家知识产权局提交的专利申请。

本一种基于计算机视觉的望远镜位姿监测方法在说明书摘要公布了：本发明公开了一种基于计算机视觉的望远镜位姿监测方法，其步骤包括：部署相机采集不同姿态下望远镜图像，获取原始图像数据；对部署的相机进行标定，获得相机的内参；利用数据集建立望远镜姿态的深度学习模型；使用Epnp算法根据望远镜的关键点二维坐标，计算望远镜的旋转矩阵；将旋转矩阵转换为旋转向量，提取两轴的旋转角。本发明在特征提取上采用基于yolo深度学习来提取关键点的方式，在复杂环境下具备良好的表现。通过部署多台相机，通过多个单目相机同时对望远镜进行姿态监测，实现信息的补充和盲区的减少。使用Epnp算法完成姿态估计，使用重投影的最小误差优化，提高结果的准确性。

本发明授权一种基于计算机视觉的望远镜位姿监测方法在权利要求书中公布了：1.一种基于计算机视觉的望远镜位姿监测方法，其特征在于，包括如下步骤： 1部署相机，采集不同姿态下望远镜图像，获取原始图像数据； 2对部署的相机进行标定，获得相机的内参； 通过建立相机成像模型以及图像像素坐标系与世界坐标系之间的关系，获得内参的表达式；同时考虑相机的切向畸变与径向畸变，建立相机的畸变模型；根据图像计算内参的表达式； 3利用数据集建立望远镜姿态的深度学习模型；该模型使用yolo算法，将人工标记图像中的关键点坐标和相机编号作为输入，预测的关键点坐标和相机编号作为输出；所述步骤3具体包括： 3.1对于制作数据集，主要分为采集图像和为图像打标签；使用开源软件labelme进行标注，标注内容为望远镜的边界框，以及目标关键点的像素坐标； 3.2对于模型的建立与训练，在网络的配置文件中将yolov8的关键点数量修改为标记的关键点数，同时将图像的种类数目改为监控相机的台数，代表来自不同相机的拍摄； 3.3对于网络的训练，设置网络的迭代次数，指定网络的数据集的位置，将图像与图像的标签一一对应；设置合理的batchsize，对多张图片进行训练，加快训练的速度；同时将数据集划分为训练集、验证集以及测试集； 3.4对于评价指标，引入AP衡量训练结果的准确率； 所述步骤3.2中，模型的主要构成有4个部分：输入端、主干网络、Neck模块、输出端； 所述输入端，网络的输入端采用数据增强的方法增加数据集的丰富度、网络的鲁棒性，步骤如下： 1从数据集中取出一个batch，用于网络的训练；再从batch中取出图像img0,img1,img2,img3，用于剪切与拼接，每张图片尺寸为h*w； 2随机产生一个中心坐标cut_x,cut_y，该坐标为增强后图片左上角的宽与高； 3根据这个随机位置对该四张图像img0,img1,img2,img3进行裁剪，拼接成新的图像； 4对新拼接成的图像加入高斯噪声，用于模拟圆顶内光线复杂变化； 5重复batchsize次步骤1至4的流程，得到增强后的数据集； 所述主干网络，包括CBS模块、C2f模块和SPPF模块； 其中，CBS模块通过卷积提取图像中的空间信息，并通过BN层进行批量归一化，最后通过激活函数进行非线性激活，从而实现对输入图像进行特征的转换和提取；C2f模块是yolov8的残差特征学习的模块，通过将CBS模块的输出的特征图进行分支跨层连接，即将特征图进行不同层的切割与特征融合，丰富模型的梯度流，形成一个具有更强特征表示能力的神经网络模块；SPPF模块是主干网络的池化模块，将不同大小的感受野应用于同一张图像； 所述Neck模块，采用Pan特征融合结构，通过先下采样，然后再上采样，上采样和下采样的这两个分支之间还有两个跨层融合连接，用于加强网络对不同缩放尺度对象特征融合的能力，使得网络对望远镜转动监测更加敏感； 所述输出端，用于将分类和检测、关键点位置预测进行解耦，包括损失计算和目标检测框筛选； 4使用Epnp算法根据望远镜的关键点二维坐标，计算望远镜的旋转矩阵； 5姿态优化； 得到初始结果后，采用基于最小投影误差的LM算法对其进行优化； 6将旋转矩阵转换为旋转向量，提取两轴的旋转角。

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中国科学院南京天文光学技术研究所，其通讯地址为：210042 江苏省南京市玄武区板仓街188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。