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！

龙图腾网获悉西安工业大学申请的专利一种基于孪生网络的无人机视觉定位方法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：CN119810193B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411853762.6，技术领域涉及：G06T7/73；该发明授权一种基于孪生网络的无人机视觉定位方法是由刘利强;罗千庆;傅妍芳;杨定飞;张林魏;白小军;赵世峰设计研发完成，并于2024-12-16向国家知识产权局提交的专利申请。

本一种基于孪生网络的无人机视觉定位方法在说明书摘要公布了：本申请属于无人机视觉定位技术领域。本申请提供一种基于孪生网络的无人机视觉定位方法。本公开实施例构建一个共享权重的双分支卷积神经网络，提取实时航拍图像和数字影像地图的特征，利用互相关操作生成响应图，并根据响应值确定无人机的实际地理位置。显著提升在GNSS拒止状态下的定位精度和鲁棒性。通过对高分辨率地图数据的裁剪与分块处理，降低全幅地图匹配的计算压力，实现资源高效分配。针对航拍图像和离线影像地图在光照变化、尺度差异以及视角不同情况下的匹配困难，结合数据增强和动态响应图筛选策略，提升模型对复杂环境的适应能力。通过响应图中的最优匹配区域与数字影像地图的坐标文件结合，利用仿射变换计算无人机经纬度信息。

本发明授权一种基于孪生网络的无人机视觉定位方法在权利要求书中公布了：1.一种基于孪生网络的无人机视觉定位方法，其特征在于，该方法包括： 获取无人机的实时航拍图像和参考数字影像地图，并对所述实时航拍图像和所述参考数字影像地图进行预处理，以得到无人机航拍图像、若干个参考数字影像地图子块及所述参考数字影像地图子块对应的索引表； 将所述无人机航拍图像和所有所述参考数字影像地图子块输入至孪生网络中进行特征提取，分别得到小特征图和大特征图；其中，所述孪生网络包括结构相同且共享权重的第一卷积神经网络和第二卷积神经网络； 将所述小特征图和所述大特征图输入至互相关模块中，进行互相关操作，得到响应图集； 筛选出所述响应图集中响应值得分最高的最佳匹配响应图，并结合所述索引表查询出与所述最佳匹配响应图相对应的所述参考数字影像地图子块； 根据所述最佳匹配响应图的所述响应值及对应的所述参考数字影像地图子块，得到无人机的实际地理坐标； 其中，所述第一卷积神经网络包括依次连接的骨干网络、SE模块和多尺度融合模块；所述骨干网络包括依次连接的7×7卷积层、MaxPool层、Layer1模块、Layer2模块、Layer3模块和Layer4模块，所述Layer1模块、所述Layer2模块、所述Layer3模块和所述Layer4模块均由多个残差块组成； 将所述无人机航拍图像和所有所述参考数字影像地图子块输入至孪生网络中进行特征提取，分别得到小特征图和大特征图的步骤中，包括： 将尺寸为H×W的所述无人机航拍图像依次输入至所述第一卷积神经网络中的所述7×7卷积层和所述MaxPool层中，输出尺寸为H4×W4，通道数为64的初始特征图； 将所述初始特征图依次输入至所述Layer1模块、所述Layer2模块、所述Layer3模块和所述Layer4模块中，分别输出尺寸为H4×W4、通道数为256的第一特征图，尺寸为H8×W8、通道数为512的第二特征图，尺寸为H16×W16、通道数为1024的第三特征图，尺寸为H32×W32、通道数为2048的第四特征图； 利用所述SE模块计算所述第四特征图的通道注意力权重，通过Squeeze操作，将所述第四特征图，在空间维度上进行全局平均池化，生成[1,1,C]的全局描述向量； 通过Excitation将生成的所述全局描述向量输入至全连接层，学习每个通道的权重； 利用每个通道的权重重新校准所述第四特征图的各个通道，通过逐元素相乘的方式增强或抑制特定通道的信息，从而使网络能够有效捕获关键特征； 利用所述多尺度融合模块将所述第二特征图和所述第三特征图通过双线性插值调整到与所述第四特征图相同的尺寸，并在通道维度拼接，形成3584个通道的初始融合特征； 将所述初始融合特征通过一个1×1卷积降维到1024通道，输出尺寸为H32×W32、通道数为1024通道的所述小特征图； 将所述参考数字影像地图子块输入至所述第二卷积神经网络中进行相同的操作，输出尺寸为H32×W32、通道数为1024通道的所述大特征图。

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西安工业大学，其通讯地址为：710021 陕西省西安市新城区金花北路4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”。