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！

龙图腾网获悉陕西子竹实业股份有限公司申请的专利面向无人机换电平台的无人机电池接口识别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：CN120876307B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202511403616.8，技术领域涉及：G06T5/73；该发明授权面向无人机换电平台的无人机电池接口识别方法及系统是由王泊洋;田伟;任小勇;叶敏;弟春红设计研发完成，并于2025-09-29向国家知识产权局提交的专利申请。

本面向无人机换电平台的无人机电池接口识别方法及系统在说明书摘要公布了：本发明涉及图像处理技术领域，具体涉及面向无人机换电平台的无人机电池接口识别方法及系统，包括：采集无人机电池接口处的图像，并从无人机电池接口处的图像中筛选出模糊图像；根据模糊图像中的边缘像素点，获取模糊图像的强表现区域；根据模糊图像的强表现区域的频域信息，获取模糊图像的强表现区域的模糊方向与模糊长度，进而获取模糊图像的稠密模糊场，进而得到模糊图像中每个像素点的模糊核，进而对模糊图像进行增强，以准确识别无人机电池接口。本发明通过分析模糊的无人机电池接口处的图像的频域信息，自适应获取模糊图像中每个像素点最佳的模糊核，对模糊图像进行增强，以准确识别无人机电池接口。

本发明授权面向无人机换电平台的无人机电池接口识别方法及系统在权利要求书中公布了：1.面向无人机换电平台的无人机电池接口识别方法，其特征在于，该方法包括以下步骤： 采集无人机电池接口处的图像，并从无人机电池接口处的图像中筛选出模糊图像； 根据模糊图像中的边缘像素点及梯度表现，获取模糊图像中的若干封闭边缘以及每个封闭边缘的参考因子；根据模糊图像中的封闭边缘的参考因子以及封闭边缘的轮廓，获取模糊图像中的封闭边缘的参考程度；根据模糊图像中的封闭边缘的参考程度，从模糊图像中的所有封闭边缘内筛选出强表现区域； 根据模糊图像的强表现区域的频域信息，获取模糊图像的强表现区域的模糊方向与模糊长度；根据模糊图像的强表现区域的模糊方向，结合模糊图像内所有像素点的梯度值与梯度方向，获取模糊图像中每个像素点的模糊置信权重，结合模糊图像的强表现区域的模糊方向与模糊长度，获取模糊图像的稠密模糊场，进而得到模糊图像中每个像素点的模糊核； 根据模糊图像中每个像素点的模糊核，对模糊图像进行增强，进而准确识别无人机电池接口； 获取模糊图像中的若干封闭边缘以及每个封闭边缘的参考因子，包括的具体方法为： 对于任意模糊图像，利用Canny算子获取所述模糊图像中的所有边缘像素点，结合轮廓查找算法获取所述模糊图像中的若干封闭边缘； 对于所述模糊图像中的任意封闭边缘，利用Sobel算子获取所述模糊图像中的所述封闭边缘上每个像素点的梯度值，将所述模糊图像中的所述封闭边缘上最大的梯度值与最小的梯度值之间的差值，作为所述模糊图像中的所述封闭边缘的梯度区间；将所述模糊图像中的所述封闭边缘上所有像素点的梯度值均值与所述梯度区间的比值，乘以所述模糊图像中的所述封闭边缘上所有像素点的数量得到的乘积，作为所述模糊图像中的所述封闭边缘的参考因子； 获取模糊图像中的封闭边缘的参考程度，包括的具体方法为： 对于任意模糊图像中的任意封闭边缘，将所述模糊图像中的所述封闭边缘的中心与所述模糊图像的中心之间的欧式距离，作为所述模糊图像中的所述封闭边缘的偏心距离；利用凸包检测算法获取所述模糊图像中的所述封闭边缘的凸包检测结果，将所述模糊图像中的所述封闭边缘的面积与其凸包检测结果的面积之间的差值绝对值，乘以所述模糊图像中的所述封闭边缘的偏心距离得到的乘积，作为所述模糊图像中的所述封闭边缘的参差程度； 将所述模糊图像中的所述封闭边缘的参考因子与其参差程度的比值，作为所述模糊图像中的所述封闭边缘的参考程度； 从模糊图像中的所有封闭边缘内筛选出强表现区域，包括的具体方法为： 对于任意模糊图像，根据所述模糊图像中的所有封闭边缘的参考程度，对所述模糊图像中的所有封闭边缘进行升序排序，得到所述模糊图像的封闭边缘序列；对于所述模糊图像的封闭边缘序列中任意两个相邻的封闭边缘，将所述模糊图像的封闭边缘序列中所述两个相邻的封闭边缘在参考程度上的差值绝对值，作为所述模糊图像的封闭边缘序列中所述两个相邻的封闭边缘的参考差异； 获取所述模糊图像的封闭边缘序列中所有相邻的封闭边缘的参考差异，将最大的参考差异对应的相邻的封闭边缘，作为临界相邻封闭边缘，将所述模糊图像中参考程度大于或等于所述临界相邻封闭边缘对应的参考程度中的最大值的封闭边缘作为参考边缘，并将所述模糊图像中每个参考边缘以及参考边缘内部的区域，作为所述模糊图像的强表现区域； 获取模糊图像中每个像素点的模糊置信权重，包括的具体方法为： 对于任意模糊图像，利用Sobel算子获取所述模糊图像中每个像素点的梯度值与梯度方向，将所述模糊图像中每个像素的八邻域内所有像素点的梯度值的累加和，记为所述模糊图像中对应像素的局部纹理特征； 将所述模糊图像中任意一个像素点记为目标点；将所述模糊图像中与目标点最近的强表现区域记为目标点的参考区域，获取目标点的模糊置信权重的计算公式为： 式中，表示目标点的模糊置信权重；表示目标点的梯度方向；表示目标点的参考区域的模糊方向；表示目标点的局部纹理特征；表示所述模糊图像中所有像素点的局部纹理特征；表示取绝对值函数；表示取余弦函数； 对于所述模糊图像中的任意像素点，获取所述模糊图像中所述像素点在所述模糊图像的稠密模糊场中对应的模糊方向与模糊长度，作为所述模糊图像中所述像素点的模糊核。

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陕西子竹实业股份有限公司，其通讯地址为：710000 陕西省西安市高新区锦业一路72号雄华科技园A座2层；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。