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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于深度学习的飞行器绝对视觉导航方法及装置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：CN121323657B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202511888315.9，技术领域涉及：G01C21/20；该发明授权基于深度学习的飞行器绝对视觉导航方法及装置是由李璋;叶熠彬;滕锡超;陈硕;杨鸿睿;刘乐奇设计研发完成，并于2025-12-15向国家知识产权局提交的专利申请。

本基于深度学习的飞行器绝对视觉导航方法及装置在说明书摘要公布了：本申请涉及飞行器导航技术领域，具体涉及一种基于深度学习的飞行器绝对视觉导航方法及装置。所述方法根据飞行器先验位姿不确定度自适应选择视觉导航流程。当先验不确定度较大时，采用"先检索后匹配"的两阶段策略；当先验信息较精确时，采用"直接匹配"的单阶段策略。方法包括：基准图制备、实时图获取、先验信息估计、导航策略决策、位姿解算和结果输出等步骤。本申请通过深度学习模型提升了跨视角图像检索和匹配的精度和鲁棒性，能够在大范围搜索条件下实现飞行器高精度视觉导航。本申请采用模块化设计思路，技术框架中的图像检索、匹配等核心模块可根据硬件平台性能和使用需求灵活选配不同的深度学习模型，具备良好的可扩展性。

本发明授权基于深度学习的飞行器绝对视觉导航方法及装置在权利要求书中公布了：1.一种基于深度学习的飞行器绝对视觉导航方法，其特征在于，所述方法包括： 步骤1：获取飞行器任务区域的地表影像数据，对所述地表影像数据进行地理编码，生成二维基准图及与所述二维基准图关联的三维地形信息； 步骤2：利用飞行器搭载的视觉感知设备对地面目标区域进行观测来采集飞行器实时观测图像； 步骤3：基于飞行器非视觉导航源提供的位姿信息得到飞行器的初始位姿先验及所述初始位姿先验对应的不确定度；判断是否存在前序时刻视觉位姿解算结果，若存在，则利用所述前序时刻视觉位姿解算结果对所述初始位姿先验及所述不确定度进行更新，得到更新后的初始位姿先验及更新后的不确定度； 步骤4：根据所述更新后的初始位姿先验及所述更新后的不确定度，从所述二维基准图中截取包含所述飞行器实时观测图像视场范围的基准图子图；计算所述基准图子图的范围与所述飞行器实时观测图像视场范围的比例关系；将所述比例关系与预设阈值进行比较，根据比较结果自适应选择单阶段视觉导航策略或两阶段视觉导航策略；所述两阶段视觉导航策略包括图像粗检索阶段与图像精匹配阶段；所述图像粗检索阶段采用基于深度学习的图像检索模型，在所述基准图子图中筛选出与所述飞行器实时观测图像相似度最高的候选匹配区域，所述图像检索模型基于通用网络架构构建，所述通用网络架构包括卷积神经网络、图神经网络或Transformer网络；所述图像精匹配阶段采用基于深度学习的图像匹配模型，对所述飞行器实时观测图像与所述候选匹配区域进行像素级精细匹配，得到二者间的像素匹配对应关系，所述图像匹配模型基于卷积神经网络、图神经网络或Transformer网络架构构建； 所述单阶段视觉导航策略为直接匹配策略，包括：采用基于深度学习的图像匹配模型，直接对所述飞行器实时观测图像与所述基准图子图进行像素匹配，得到二者间的像素匹配对应关系；所述图像匹配模型的输入与输出满足如下映射关系： 其中，表示输入图像对，表示所述图像匹配模型，表示所述飞行器实时观测图像，表示所述基准图子图，表示所述像素匹配对应关系，表示辅助导航信息； 步骤5：执行选择的视觉导航策略，通过深度学习模型获取所述飞行器实时观测图像与所述基准图子图之间的像素匹配点对应关系；根据飞行器机载相机的内参矩阵与所述三维地形信息对基于所述像素匹配点对应关系的空间位姿解算问题进行求解，得到飞行器的绝对位姿估计值； 步骤6：计算所述绝对位姿估计值的置信度，将所述置信度与预设置信度阈值进行比较，若所述置信度高于所述预设置信度阈值，则将所述绝对位姿估计值输出至飞行器导航系统。

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人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。