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！

龙图腾网获悉湖南中电金骏科技集团有限公司申请的专利基于深度学习的无人机视觉自主对接与锁紧控制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：CN121545086B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202610060181.X，技术领域涉及：G06V20/17；该发明授权基于深度学习的无人机视觉自主对接与锁紧控制系统是由刘桂钧;刘赛;肖骁;邓婉霞设计研发完成，并于2026-01-16向国家知识产权局提交的专利申请。

本基于深度学习的无人机视觉自主对接与锁紧控制系统在说明书摘要公布了：本发明公开了基于深度学习的无人机视觉自主对接与锁紧控制系统，包括如下模块：图像采集与光场增强模块，用于构建光场干涉增强图并生成干涉显著性掩码图；结构边缘提取模块，用于基于改进VMamba模型输出结构动态边缘响应图；路径修正模块，用于提取锥体轮廓跟踪点集合，并采用Lucas‑Kanade光流算法计算时间序列位移向量，生成降落路径修正量；锁紧槽定位模块，用于确定锁紧槽中心位置；插入路径构建模块，用于输出插入路径选择结果；锁紧状态检测模块，用于确定锁紧状态；对接判定模块，用于输出对接判定结果。本发明融合改进VMamba模型与多模态纹理定位，实现无人机自主对接与锁紧控制。

本发明授权基于深度学习的无人机视觉自主对接与锁紧控制系统在权利要求书中公布了：1.基于深度学习的无人机视觉自主对接与锁紧控制系统，其特征在于，包括如下模块： 图像采集与光场增强模块，用于通过工业相机连续采集无人机下视方向的多帧图像，构建光场干涉增强图，并生成干涉显著性掩码图； 所述构建光场干涉增强图具体为： 将工业相机连续采集的多帧图像中任意两帧组成图像对，对每对图像进行像素配准，分别计算各对应像素之间的亮度值差、颜色通道差以及Sobel梯度差，构建干涉差分图组； 对所述干涉差分图组中每一张干涉差分图，逐像素点执行加权增强处理，包括：将当前所选像素点作为中心像素点，选取周围预设范围内的若干相邻像素点，计算各相邻像素点与中心像素点在图像坐标系下的欧几里得距离，将所述欧几里得距离的平方倒数作为相邻像素点的空间权重，按所述空间权重对相邻像素点的亮度差、颜色差和Sobel梯度差值进行加权求和并取平均，更新中心像素点的值； 将加权增强处理后的所有干涉差分图在对应像素位置进行逐图叠加，并对叠加结果按图数归一化平均，生成光场干涉增强图； 所述生成干涉显著性掩码图，具体为： 在所述光场干涉增强图中，以每一个像素点为中心像素点，选取周围预设范围内的若干相邻像素点组成局部邻域，计算局部邻域内所有相邻像素点的灰度值平均值，并分别计算每个相邻像素点的灰度值与平均值之间的差值，将所述差值进行平方处理并累加，除以局部邻域相邻像素点总数，得到像素点的局部灰度方差值； 对所述光场干涉增强图分别计算图像中每个像素点在水平方向与垂直方向的灰度变化率，将每个像素点在两个方向上的变化率分别进行平方后相加，得到像素点的方向梯度平方和；以每一个像素点为中心像素点，在局部邻域内对所有相邻像素点的方向梯度平方和求平均，得到像素点的方向梯度能量值； 将每个像素点的局部灰度方差值与方向梯度能量值进行平均加权，获得每个像素点的融合响应值，生成融合响应图； 对所述融合响应图执行逐像素点判断，当融合响应值大于设定响应阈值时，将像素点赋值为1，表示显著区域像素；当融合响应值小于或者等于设定响应阈值时，将像素点赋值为0，表示非显著区域像素； 将所有像素点对应的0、1二值显著性标记，组合形成一个与所述光场干涉增强图尺寸一致的干涉显著性掩码图； 结构边缘提取模块，用于将所述光场干涉增强图与干涉显著性掩码图输入改进VMamba模型，所述改进VMamba模型引入干涉引导上下文折叠机制，输出结构动态边缘响应图； 所述改进VMamba模型由特征编码模块、上下文折叠融合模块、相位位置嵌入模块和动态结构解码模块依次连接构成； 所述特征编码模块用于分别接收光场干涉增强图与干涉显著性掩码图，并将干涉显著性掩码图中值为1的显著区域位置对应的像素点作为增强位置，将光场干涉增强图中对应位置的各通道像素值乘以预设增强系数，执行数值放大操作，生成增强编码特征张量； 所述上下文折叠融合模块用于接收增强编码特征张量，并引入干涉引导上下文折叠机制，所述干涉引导上下文折叠机制以所述增强编码特征张量的每一空间位置为中心构建时间序列向量，将同一位置在连续帧中的特征片段按帧顺序堆叠形成时间片段组，并在每个时间片段组内计算相邻帧片段之间的通道数值差值序列，以所述数值差值序列的均方根结果作为干涉相位稳定性因子；以所述干涉相位稳定性因子作为加权系数，对时间片段组内各帧片段进行加权求和，得到时间折叠特征张量； 所述相位位置嵌入模块用于接收时间折叠特征张量，并获取干涉显著性掩码图中显著区域的边界像素点集合，采用边缘扫描方式提取图像坐标，并以图像中心点为基准，计算每个边界像素点与图像中心点之间连线在图像坐标系下的夹角，将所有夹角按在图像空间中的位置重新编码为二维角度分布图，并通过正余弦函数映射为相位位置向量，将所述相位位置向量以通道拼接方式嵌入时间折叠特征张量中，得到相位增强特征张量； 所述动态结构解码模块用于接收相位增强特征张量，通过沿时间维度设置卷积核尺寸为1×3的一维卷积层提取时序边缘变化特征，并在通道维度采用卷积核尺寸为1×1的卷积层执行通道压缩；将通道压缩后的特征图通过双线性插值方式进行空间尺度上采样，并将上采样结果与通道压缩前的特征图在通道维度进行拼接，通过卷积核尺寸为3×3的二维卷积层对拼接结果进行卷积处理，输出结构动态边缘响应图； 路径修正模块，用于基于所述结构动态边缘响应图提取锥体轮廓跟踪点集合，并采用Lucas-Kanade光流算法计算锥体轮廓跟踪点的时间序列位移向量，生成降落路径修正量，具体为： 获取结构动态边缘响应图，所述结构动态边缘响应图中每一个像素点的数值为边缘响应值； 对所述结构动态边缘响应图执行逐像素点阈值判断，将边缘响应值大于设定边缘响应阈值的像素点标记为候选边缘点，将所述候选边缘点按边缘响应值从大到小排序，并在排序结果中选取边缘响应值位于前设定比例区间的像素点作为高置信度边缘点集合； 以所述高置信度边缘点集合为基础，在每一个高置信度边缘点的局部邻域内执行非极大值抑制处理，逐像素比较局部邻域内的边缘响应值，仅保留局部极大值像素点并剔除其余点，将所有保留下来的局部极大值像素点组成锥体轮廓跟踪点集合； 在光场干涉增强图对应的连续多帧图像中，以每一个锥体轮廓跟踪点为中心构建设定尺寸的光流窗口，在当前帧与下一帧中分别提取光流窗口内所有像素点的灰度值，基于Lucas-Kanade光流算法构建光流窗口内像素灰度差与像素梯度之间的线性约束方程组，并通过最小二乘法求解线性约束方程组，得到每个锥体轮廓跟踪点在相邻帧之间的位移向量； 对每一个锥体轮廓跟踪点，按帧顺序记录位移向量，形成锥体轮廓跟踪点的时间序列位移向量； 将所有锥体轮廓跟踪点在同一时间步对应的时间序列位移向量在空间上执行平均，得到所述时间步的全局平均位移向量； 将连续时间步的全局平均位移向量按时间顺序连接，形成降落路径修正量； 锁紧槽定位模块，用于基于降落路径修正量调整无人机姿态，对锁紧槽区域图像执行纹理分块与频域分析，生成纹理相位码并与标准纹理相位码库匹配，确定锁紧槽中心位置，具体为： 基于降落路径修正量调整无人机的空间姿态，使得无人机与预设锁紧槽区域保持稳定对准状态，获取姿态调整后的当前帧图像，并从当前帧图像中截取锁紧槽区域图像； 将所述锁紧槽区域图像划分为若干纹理块，对每一纹理块执行二维快速傅里叶变换，提取所述纹理块的频域幅值谱与相位谱； 对所述频域幅值谱提取主频率分量，对所述相位谱提取相位中心与相位扩散度，将主频率分量、相位中心和相位扩散度拼接形成当前纹理块的纹理相位码； 将所述锁紧槽区域图像中所有纹理块对应的纹理相位码按在图像空间中的位置进行组合，形成所述锁紧槽区域整体的组合纹理相位码； 将所述组合纹理相位码与预先建立的标准纹理相位码库进行逐一匹配，计算余弦相似度，并选取余弦相似度最高的标准纹理相位码所对应的中心位置，作为锁紧槽中心位置； 插入路径构建模块，用于根据锁紧槽中心位置与无人机当前姿态，构建锁紧趾与锁紧槽之间的插入路径，计算插入角度与插入偏移向量，输出插入路径选择结果； 锁紧状态检测模块，用于基于插入路径选择结果控制丝杠旋转，采集锁紧结构图像序列，提取纹理伪影信息，并构建图像伪影运动轨迹图，确定锁紧状态； 对接判定模块，用于基于所述插入路径选择结果与锁紧状态，输出对接判定结果。

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中电金骏科技集团有限公司，其通讯地址为：410200 湖南省长沙市长沙高新开发区尖山路39号中电软件园一期5栋204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。