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！

申请/专利权人：安徽大学

摘要：本发明涉及无人机着陆识别技术领域，解决了传统方法无法适用于无人机面向紧急情况下实现自主着陆的技术问题，尤其涉及一种基于ST‑Swin‑T神经网络面向无人机自主着陆的场景图识别方法，包括：构建针对无人机着陆场景的数据集，并根据若干着陆场景类别将数据集分为多个安全等级；基于Swin‑T神经网络的骨干网络构建用于对无人机着陆的着陆场景图进行分类识别的识别模型ST‑Swin‑T；基于预训练模型对识别模型ST‑Swin‑T进行训练。本发明能够在面对紧急着陆场景时，通过直接检测下方的图像来判断能否降落，无需复杂计算或精确降落于特定点。并且显著提升了无人机的飞行安全性，同时为其自主学习识别着陆场景奠定了基础。

主权项：1.一种基于ST-Swin-T神经网络面向无人机自主着陆的场景图识别方法，其特征在于，该方法包括以下步骤：S1、构建针对无人机着陆场景的数据集，并根据若干着陆场景类别将数据集分为多个安全等级；S2、基于Swin-T神经网络的骨干网络构建用于对无人机着陆的着陆场景图进行分类识别的识别模型ST-Swin-T；在骨干网络Swin-T的基础上增加了三个空间变换模块，分别为第一空间变换模块、第二空间变换模块和第三空间变换模块；所述第一空间变换模块包括用于预测仿射变换参数的局部化网络，以及根据局部化网络预测的仿射变换参数生成一个采样网格的网格生成器，以及使用网格生成器生成的采样网格，通过双线性插值法从原始图像中采样像素值以生成变换后图像的采样器；所述第二空间变换模块和第三空间变换模块与第一空间变换模块的结构相同；所述识别模型ST-Swin-T包括用于通过对输入图像进行变换操作生成变换后图像的第一空间变换模块，变换操作为对宽度W、高度H和通道数C的输入图像进行剪裁、平移几何操作；以及用于对变换后图像划分为若干个图像块并展平成一个一维向量的图像分块模块；以及对图像分块模块生成的每个图像块的每一个一维向量通过一个线性层进行嵌入，将其映射到一个高维空间的线性嵌入模块；以及用于将位于高维空间内的每一个图像块进行处理的ST-Swin-T模块；以及用于对宽度W、高度H和通道数C分别进行间隔2选取元素下采样操作，然后通过全连接层拼接在一起得到特征尺寸为H2，W2，4C的块融合模块；S3、基于预训练模型对识别模型ST-Swin-T进行训练；S4、在识别模型ST-Swin-T的测试阶段通过大量实验收集数据，并基于收集到的数据估计着陆场景图类别的似然函数；S5、将待识别的着陆场景图作为识别模型ST-Swin-T的输入，并基于着陆场景图类别的似然函数进行共同识别。

全文数据：

权利要求：

百度查询： 安徽大学 一种基于ST-Swin-T神经网络面向无人机自主着陆的场景图识别方法