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！

龙图腾网获悉无锡车联天下智能科技股份有限公司申请的专利基于YOLOv8n的车载无人机数据的车位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：CN121708445B 。

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：202610194302.X，技术领域涉及：G06V10/82；该发明授权基于YOLOv8n的车载无人机数据的车位检测方法是由梁腾;孟令爽;李厚国;李祥治;王勇萍设计研发完成，并于2026-02-11向国家知识产权局提交的专利申请。

本基于YOLOv8n的车载无人机数据的车位检测方法在说明书摘要公布了：本发明提供基于YOLOv8n的车载无人机数据的车位检测方法，其可以提高对无人机航拍图像数据中的车位检测精度，更具实用性。其对YOLOv8n模型进行优化后构建车位检测模型，通过空间通道双维度注意力模块中的通道注意力分支强化标线占比高的通道，抑制了背景冗余的低频干扰通道，使后续网络更聚焦于车位相关特征，通过空间注意力分支基于局部对比度定位高边缘密度的车位区域，进一步削弱背景区域的像素响应，降低非车位区域对检测结果的干扰，提高最终检测结果的准确率。

本发明授权基于YOLOv8n的车载无人机数据的车位检测方法在权利要求书中公布了：1.基于YOLOv8n的车载无人机数据的车位检测方法，其特征在于，其包括以下步骤： S1：构建空间通道双维度注意力模块； 所述空间通道双维度注意力模块包括并行的两个分支：通道注意力分支和空间注意力分支； 输入数据分别送入两个分支，所述通道注意力分支计算各通道标线梯度幅值，归一化生成权重，输出强化标线占比高的通道的特征值Fch，同时将输出送入所述空间注意力分支中；所述空间注意力分支对通道注意力输出计算局部对比度，归一化处理后生成空间注意力归一化权重Wsp； 最后将所述通道注意力分支输出的特征值Fch和空间注意力归一化权重Wsp相乘，得到所述空间通道双维度注意力模块的输出特征值Flscam； S2：构建LightASPP模块； 所述LightASPP模块包括：前置降维层、四个并行的检测分支和一个特征融合层； 输入数据送入所述前置降维层，将通道数进行降维后分别送入到并行的四个检测分支中，分别提取小、中、大和全局的特征信息，将四个并行检测分支的输出送入到所述特征融合层中；在所述特征融合层中将四个分支提取的特征进行拼接后，再将通道数恢复到与输入数据相同后作为所述LightASPP模块的输出； S3：基于YOLOv8n构建车位检测模型； 所述车位检测模型包括：依次连接的骨干网络、颈部网络、头部网络和后处理模块； 在YOLOv8n的骨干网络中的第三个C2f模块和第四个C2f模块后面分别插入一个所述空间通道双维度注意力模块构成车位检测模型的骨干网络；车位检测模型使用所述LightASPP模块替换YOLOv8n模型的颈部网络中的SPPF模块； 所述车位检测模型输入为机载摄像头采集到的停车场图像，依次送入到所述骨干网络、所述颈部网络和所述头部网络处理后，所述头部网络中检测头将针对所述停车场图像的识别结果送入到所述后处理模块中； 所述后处理模块基于所述识别结果筛选出空车位之后，针对筛选出来的空车位识别结果，利用无人机RTK数据与机载摄像头的相机内参，通过透视投影模型将像素坐标转换为地面地理坐标，并对每个空车位进行有序编号，作为最终检测结果； S4：构建无人机航拍车位数据集，并将数据集划分为训练集、验证集和测试集； 通过所述训练集对所述车位检测模型进行训练，得到训练好的所述车位检测模型； S5：将训练好的所述车位检测模型配置到车载无人机中，并基于所述车载无人机实现对扫描范围内的空车位识别。

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无锡车联天下智能科技股份有限公司，其通讯地址为：214000 江苏省无锡市经开区华庄街道高凯路2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。