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！

龙图腾网获悉广东工业大学申请的专利无人机雾天目标检测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：CN121170657B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511699118.2，技术领域涉及：G06V20/17；该发明授权无人机雾天目标检测方法是由常乐;刘韬;李相儒;宋维;罗佩芬设计研发完成，并于2025-11-19向国家知识产权局提交的专利申请。

本无人机雾天目标检测方法在说明书摘要公布了：本公开提供一种无人机雾天目标检测方法，包括：通过无人机采集至少1张雾天图像；通过多阶段特征提取模块，获取所述雾天图像中的不同层级的视觉信息，作为待处理信息；通过多尺度特征融合机制，将所述不同层级的视觉信息进行融合，将原始像素输入转化为增强特征，以捕捉所述雾天图像中的局部关键信息，并作为增强特征；利用状态空间模型，对所述增强特征进行信息感知，从而捕捉所述雾天图像的全局特征图，达到提升目标检测鲁棒性的目的。本公开有效地适应雾天环境中目标尺寸多样性和特征失真带来的挑战，提高了目标检测的准确性和鲁棒性。

本发明授权无人机雾天目标检测方法在权利要求书中公布了：1.一种无人机雾天目标检测方法，用于无人机路径规划，其特征在于，包括： 通过无人机采集至少1张雾天图像； 通过多阶段特征提取模块，获取所述雾天图像中的不同层级的视觉信息，作为待处理信息； 通过多尺度特征融合机制，将所述不同层级的视觉信息进行融合，将原始像素输入转化为增强特征，以捕捉所述雾天图像中的局部关键信息，并作为增强特征； 利用状态空间模型，对所述增强特征进行信息感知，从而捕捉所述雾天图像的全局特征图，达到提升目标检测鲁棒性的目的； 所述通过多尺度特征融合机制，将所述不同层级的视觉信息进行融合，将原始像素输入转化为增强特征，以捕捉所述雾天图像中的局部关键信息，作为增强特征，包括： 构建状态空间模型； 利用所述状态空间模型对所述雾天图像中的不同层级的视觉信息进行处理，得到全局特征图；所述状态空间模型通过全局特征分支、局部特征分支以及恒等分支进行特征融合，以得到全局特征图； 采用加权特征融合方法将经过状态空间建模处理后得到的全局特征图进行特征融合，得到融合后的特征； 利用状态空间模型，对所述融合后的特征进行时空建模，能够获取所述雾天图像中的局部关键信息，并将所述局部关键信息融合入全局特征图中，以突出局部关键信息的信息表达，作为所述增强特征； 所述状态空间模型，还包括：全局特征分支通过状态空间方程对空间依赖关系建模，以线性复杂度实现全局交互，通过将多级小波变换和状态空间模型对输入的目标进行全局特征建模，包括： 利用小波分解中对于任一级小波变换进行小波分解得到分解结果； 基于连续状态空间方程对所述分解结果进行离散化，得到特征融合后的结果； 所述特征融合的输出表示为： ； 其中，全局特征分支；局部特征分支；恒等分支； 所述恒等分支的输入与输出直接连接，表示为： ； 其中，为输出，为输入； 所述利用小波分解中对于任一级小波变换进行小波分解得到分解结果，包括： l∈{1,2,…,L}L=wt_levels； 其中，l表示当前小波分解的层级编号； ； ； 其中，为将输入特征分解为低频LL和高频LHHLHH子带，捕捉多尺度结构；是第l层小波分解的输入特征，低频子带、水平高频、垂直高频、对角高频；是分解后的四方向子带[LL,LH,HL,HH]；为对卷积增强后的子带重构； wt_levels表示小波分解的层数； 表示第l层小波分解得到四个子带[LL,LH,HL,HH]后，先对各子带做逐通道卷积增强，得到对应各通道的卷积增强结果，再用逆小波变换将各通道的卷积增强结果合并重建出的特征。

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广东工业大学，其通讯地址为：510062 广东省广州市越秀区东风东路729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。