申请/专利权人：中北大学

申请日：2024-03-01

公开（公告）日：2024-04-02

公开（公告）号：CN117809016A

主分类号：G06V10/24

分类号：G06V10/24;G06V10/26;G06V10/44;G06V10/774;G06V10/82;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明涉及仿生偏振光导航领域，公开了一种基于深度学习的云层去除偏振定向方法，包括构建云层偏振数据集、云层去除和获取航向信息，首先采集各种复杂云层天气环境的偏振图像，通过图像处理方法构建云层偏振数据集；在云层去除部分中，本发明创新性的引入池化索引结构到U‑Net卷积神经网络的复制拼接操作过程中，提升了U‑Net网络提取局部特征的能力，从而能够对偏振图像中的云层进行精确分割；最后通过获取剔除云层后的蓝天区域偏振信息，计算得到航向信息。本发明可有效剔除云层干扰，提高偏振导航在云层环境下的定向精度，利用云层以外的蓝天区域获取偏振方位角信息，从而实现精准定向，解决了现有仿生偏振光导航精度低的问题。

主权项：1.一种基于深度学习的云层去除偏振定向方法，其特征在于，包括以下步骤：S1、通过偏振相机获取天空的云层偏振图像，构建数据集；S2、以U-Net网络结构为基础，利用Seg-Net网络模型中的最大池化索引结构来改进U-Net的上采样结构，设计用于遮挡物分割的Seg-U-Net神经网络模型，将步骤S1中的云层偏振图像数据集输入Seg-U-Net神经网络模型中进行分割，得到去除云层的天空偏振图像，同时采用混合损失函数来提高Seg-U-Net神经网络模型的准确率，加快神经网络的学习速度以及提高模型的鲁棒性；S3、采用去除云层后的偏振图像，通过Stokes矢量法获取其中的偏振信息，得到偏振度Dop和偏振角Aop。

全文数据：

权利要求：

百度查询： 中北大学 一种基于深度学习的云层去除偏振定向方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD