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！

龙图腾网获悉中国海洋大学申请的专利一种基于多模态分层的AUV三维位姿联合估计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：CN121582540B 。

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：202610120759.6，技术领域涉及：G06V10/22；该发明授权一种基于多模态分层的AUV三维位姿联合估计方法及系统是由张述;曲雅林;董军宇;孙竟豪;李宇嘉设计研发完成，并于2026-01-29向国家知识产权局提交的专利申请。

本一种基于多模态分层的AUV三维位姿联合估计方法及系统在说明书摘要公布了：本发明涉及水下定位技术领域，尤其是涉及一种基于多模态分层的AUV三维位姿联合估计方法及系统，所述方法，包括将历史观测序列按模态分配至对应的独立卷积神经网络分支，通过各分支进行局部时序特征提取，输出各模态的局部时序特征；基于各模态的局部时序特征进行分层特征融合，将全局融合特征输入双分支回归头，通过位置回归分支和姿态回归分支分别解码，输出三维位置增量和姿态增量；利用三维位置增量和姿态增量构建损失函数，训练得到最优模型并部署至AUV平台，本发明突破了传统方法仅聚焦二维平面或分离估计位姿的局限，完整覆盖AUV三维机动任务的全空间定位需求，提升了位姿估计的完整性与一致性。

本发明授权一种基于多模态分层的AUV三维位姿联合估计方法及系统在权利要求书中公布了：1.一种基于多模态分层的AUV三维位姿联合估计方法，其特征在于，包括： 获取AUV的多模态传感器数据，并对多模态传感器数据进行预处理，形成结构化的历史观测序列，所述多模态传感器数据包括运动加速度、旋转角速度、姿态状态、移动速度及垂直深度； 将历史观测序列按模态分配至对应的独立卷积神经网络分支，通过各分支进行局部时序特征提取，输出各模态的局部时序特征； 基于各模态的局部时序特征进行分层特征融合，包括构建由模态内独立建模、跨模态门控交互和全局时序一致性优化组成的三级架构，通过三级架构输出全局融合特征； 所述模态内独立建模，包括将各模态的局部时序特征分别通过线性层进行维度投影，得到适配模态内建模的特征向量，为每个模态分别配置独立的Mamba模块，所述Mamba模块采用残差块堆叠结构，且残差块内部依次设置预归一化层、Mamba层及残差连接，通过Mamba模块对各模态的长时序依赖关系进行独立建模时，由Mamba层先通过线性层扩展输入维度，再结合深度卷积与激活函数动态生成状态空间参数，利用零阶保持对连续状态参数进行离散化处理后，采用选择性扫描机制实现时序状态的递归更新，最终输出各模态的增强特征； 所述跨模态门控交互，将各模态的增强特征在通道维度进行拼接，得到初始跨模态融合特征，引入门控机制对初始跨模态融合特征进行自适应筛选，通过激活函数生成门控权重向量，对初始融合特征进行逐元素加权，对筛选后的特征进行线性映射，生成自注意力机制所需的查询、键和值向量，通过计算向量间相似度得到跨模态关联权重，基于关联权重对值向量进行加权融合，最后通过残差连接与层归一化输出跨模态融合特征； 所述全局时序一致性优化，包括将跨模态融合特征输入全局Mamba模块，所述全局Mamba模块的结构与模态内Mamba模块一致，通过调整状态维度与正则化参数，利用全局Mamba模块的状态空间建模与选择性扫描机制，对跨模态融合特征进行全时序范围的统一建模，对跨模态融合特征进行全局优化，输出最终的全局融合特征； 将全局融合特征输入双分支回归头，通过位置回归分支和姿态回归分支分别解码，输出三维位置增量和姿态增量； 利用三维位置增量和姿态增量构建损失函数，训练得到最优模型并部署至AUV平台，利用最优模型实时输出的位姿增量得到AUV实时三维位姿。

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海洋大学，其通讯地址为：266100 山东省青岛市崂山区松岭路238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。