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！

龙图腾网获悉湖南工商大学申请的专利无人机空间位姿估计方法、装置、电子设备及存储介质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：CN121482164B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202610027323.2，技术领域涉及：G06T7/73；该发明授权无人机空间位姿估计方法、装置、电子设备及存储介质是由周新民;彭博;王万涛;陈达沛;石韬;陈露;李允儿;李卓锐设计研发完成，并于2026-01-09向国家知识产权局提交的专利申请。

本无人机空间位姿估计方法、装置、电子设备及存储介质在说明书摘要公布了：本发明属于计算机视觉与智能感知技术领域，本发明提供了一种无人机空间位姿估计方法、装置、电子设备及存储介质，其中包括：对RGB输入张量和热成像输入张量执行特征提取，得到RGB特征向量和热特征向量；对RGB特征向量和热特征向量执行可学习模态权重和全局注意力的特征融合，得到多模态融合特征向量；根据RGB特征向量、热特征向量及多模态融合特征向量进行频域变换，得到增强空间特征图；通过局部分形描述子和增强空间特征图执行训练；对增强空间特征图、分形稳健嵌入向量及多模态融合特征向量进行拼接并进行预测，得到无人机的空间位姿估计结果，本发明通过上述技术方案提高了无人机在复杂环境中位姿估计的精度和稳定性。

本发明授权无人机空间位姿估计方法、装置、电子设备及存储介质在权利要求书中公布了：1.一种无人机空间位姿估计方法，其特征在于，包括： 获取无人机的RGB图像和热成像图像，对RGB图像和热成像图像进行多尺度预处理和特征提取，得到RGB输入张量和热成像输入张量； 对所述RGB输入张量和所述热成像输入张量执行特征提取，得到RGB特征向量和热特征向量； 对所述RGB特征向量和所述热特征向量执行可学习模态权重和全局注意力的特征融合，得到多模态融合特征向量； 根据所述RGB特征向量、所述热特征向量及所述多模态融合特征向量进行频域变换，得到幅度谱和相位谱，对幅度谱和相位谱依次执行相位增强及逆傅里叶重构，将得到的相位增强的空间特征执行自适应空间编码与残差融合，得到增强空间特征图； 对所述增强空间特征图进行采样，对得到的采样点执行强度图构造和盒计数处理，得到局部分形描述子，通过局部分形描述子和所述增强空间特征图执行训练，得到分形稳健嵌入向量； 对所述增强空间特征图、所述分形稳健嵌入向量及所述多模态融合特征向量进行拼接，将得到的拼接结果，对拼接结果执行位置和朝向的双分支预测，得到无人机的空间位姿估计结果； 所述根据所述RGB特征向量、所述热特征向量及所述多模态融合特征向量进行频域变换，得到幅度谱和相位谱，对幅度谱和相位谱依次执行相位增强及逆傅里叶重构，将得到的相位增强的空间特征执行自适应空间编码与残差融合，得到增强空间特征图，包括： 采用可学习的全局权重标量并通过多层感知机或线性层，从多模态融合特征向量中提取模态权重，可学习的全局权重标量为： 其中，为可学习权重，为可学习偏置，为多模态融合特征向量，为转置； 对RGB特征向量和热特征向量通过空间逐点加权融合和模态权重得到融合空间特征图为： 其中，为经过尺度变换为的图像高度，为过尺度变换为的图像宽度，为逐点卷积输出通道数；为图像的空间坐标，为输入通道，为RGB空间特征图，为热成像空间特征图； 对融合空间特征图的每个通道执行去均值处理，得到去均值通道特征集合，其中为： 其中，为总通道数； 对去均值通道特征执行二维傅里叶变换，得到幅度谱与相位谱，其中二维傅里叶变换为： 其中，为偏移，为幅度谱，为相位谱，为虚数单位； 对相位谱采用相位调制方式执行相位增强，相位谱的相位调制方式为： 其中，为增强相位谱，A为幅度归一化后的非线性门控函数；为频域相位敏感权重，且为： 其中，λ0，κ0为可学习或手动调节的标度超参，表示中位数归一化，为幅度谱大小；为数值稳定常数；表示在通道的整个频域空间范围内，相位梯度幅值的全局最大值；对幅度谱和增强相位谱重构频域复数并执行逆傅里叶变换，得到相位增强的空间特征为： 其中，通过在通道进行堆叠得到，表示取复数实部，表示第个通道在处重构后的复数频谱值，为增强后的相位谱对应的通道； 对融合空间特征图和相位增强的空间特征计算局部描述子，根据局部描述子计算得到空间注意力图，其中局部描述子的计算方式为： 空间注意力图的计算方式为： 其中，为激活函数，用于输出单通道热图；为Sigmoid激活函数，用于得到每个空间位置的权重； 根据相位增强的空间特征、空间注意力图及融合空间特征图执行残差融合及归一化，并进行激活处理，得到增强空间特征图为： 其中，为全局尺度因子，为可学习权重，为可学习偏置； 所述对所述增强空间特征图进行采样，对得到的采样点执行强度图构造和盒计数处理，得到局部分形描述子，通过局部分形描述子和所述增强空间特征图执行训练，得到分形稳健嵌入向量，包括： 对增强空间特征图采用固定窗口、滑窗及兴趣点采样中的一种进行采样，得到采样点，其中采样点为连续的局部区域； 将局部区域的多通道特征投影为单通道强度图，对单通道强度图在多个尺度下采用盒计数统计，对盒计数统计结果采用最小二乘法拟合得到局部分形维数，其中盒计数的尺度集合；根据局部区域的统计量和局部分形维数确定分形描述子为： 其中，为局部分形维数，局部区域强度均值，局部区域强度标准差，为单通道强度图，为局部窗口尺寸，且可配置；为从增强空间特征图上采样得到的第个局部区域，其中为： 其中，为局部区域的张量； 通过CNN卷积神经网络从局部区域提取局部向量，其中局部向量采用全局平均池化或小卷积处理得到： 通过将局部向量与分形描述子进行拼接得到原始拼接向量为： 通过投影头将原始拼接向量进行隐射及归一化，得到局部嵌入向量z： 其中，为投影网络，用于输出维度和局部嵌入向量； 将相同来源的多个局部嵌入向量采用自监督对比学习和三元组训练中的一种执行优化嵌入学习，得到训练后的投影网络，其中相同来源的多个局部嵌入向量用于表征同一物理点或同一目标的正样本对和其他样本的负样本，其中自监督对比学习和三元组训练的采用三元组损失： 其中，为正样本嵌入，为负样本嵌入，为相同来源样本的局部嵌入向量，m0表示边际，为欧氏距离； 通过训练后的投影网络对增强空间特征图进行处理后，得到新的增强空间特征图及分形稳健嵌入向量。

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湖南工商大学，其通讯地址为：410205 湖南省长沙市岳麓区岳麓大道569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。