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！

龙图腾网获悉中国铁路设计集团有限公司申请的专利一种巡检无人机非对齐两时相影像智能变化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：CN120913115B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202511452977.1，技术领域涉及：G06V20/17；该发明授权一种巡检无人机非对齐两时相影像智能变化检测方法是由田阳;刘桂卫;李旭;崔庆国;孙琪皓;韩兴广;王飞;张璇钰;孙一清设计研发完成，并于2025-10-13向国家知识产权局提交的专利申请。

本一种巡检无人机非对齐两时相影像智能变化检测方法在说明书摘要公布了：本发明公开了一种巡检无人机非对齐两时相影像智能变化检测方法，涉及无人机影像处理与变化检测技术领域，该方法通过获取低空无人机在固定航线和相同传感器参数下采集的两期图像；构建并训练轻量化配准模型，利用特征点匹配预测匹配点对并计算单应性矩阵，实现非对齐影像的精确配准；构建并训练基于图像对交互特征融合的变化检测模型，对配准后的对齐影像进行分析，再输出变化信息二值图。该方法可有效解决无人机在两时相影像采集时因位置和角度差异导致的非对齐问题，以及传统方法在变化检测中存在的精度低、鲁棒性差和计算效率不足的技术问题，有效提升地面公路、铁路低空安全监测的自动化水平并降低维护成本，具有重要的应用价值。

本发明授权一种巡检无人机非对齐两时相影像智能变化检测方法在权利要求书中公布了：1.一种巡检无人机非对齐两时相影像智能变化检测方法，其特征在于，包括以下步骤： 步骤1，获取低空无人机在固定航线与相同传感器参数采集的两期图像； 步骤2，选取非对齐影像进行归一化处理与配准点标注，形成配准样本集； 步骤3，选取存在变化区域的对齐影像进行归一化处理，标注变化信息，形成变化检测样本集； 步骤4，构建基于特征点匹配的轻量化配准模型，并基于步骤2的配准点样本集进行训练，获取轻量化配准模型的最优训练权重参数； 所述步骤4中需要构建一个用于两期图像配准的轻量化卷积神经网络模型，并使用步骤2构建的数据集进行模型训练，获取配准模型最优权重参数集合，具体步骤为： 步骤4-1：将配准样本集前、后时相图像A、B输入至配准模型的轻量化特征提取网络，获取精细特征图、，以及语义特征图、； 步骤4-2：对语义特征图、采用局部交叉注意力编码计算匹配置信度矩阵； 步骤4-3：基于互邻近计算匹配法则，使用轻量化的MLP预测并筛选高质量匹配点对； 步骤4-4：将交叉注意力特征图与主干网络提取特征进行融合； 步骤4-5：将步骤4-3筛选的高质量匹配集中的点映射至融合后的精细特征图、中，计算、对应窗口的像素相关性以及相关性概率，并计算期望坐标作为与该匹配点对相对应的融合后精细特征图映射区域亚像素位置值； 步骤4-6：使用相关性概率作为权重，进一步计算更为精确的亚像素位移： ； ； 其中为基于高斯权重进行生成得加权函数，为控制中心加权强度，取； 步骤4-7：采用以此方式更新配准模型训练过程中有效匹配点的偏移，获取配准模型最优权重参数集合； 步骤5，构建基于图像对交互特征融合的变化检测模型，并基于步骤3的变化样本集进行训练，获取变化检测模型的最优训练权重参数； 所述步骤5中需要构建一个用于变化区域提取的卷积神经网络模型，包括轻量化骨干网络、高效Transformer颈部网络、边界感知解码网络三部分；输入所有分割图目标的位置和类别标签用于训练神经网络获得，为变化检测模型最优权重参数集合； 步骤6，将一对非对齐图像进行归一化处理后，输入至步骤4构建的配准模型，提取特征并预测匹配点对，计算单应性矩阵，生成对齐图像； 步骤7，基于步骤6获取的对齐图像，输入至步骤5训练的变化检测模型，输出变化信息二值图，并将二值图叠加至两期图像中的第二期图像，标记变化区域。

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中国铁路设计集团有限公司，其通讯地址为：300251 天津市滨海新区天津自贸试验区(空港经济区)东七道109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。