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！

龙图腾网恭喜中山大学申请的专利基于单目视觉的无人机编队中个体相对位姿测量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：CN114821372B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202210515775.7，技术领域涉及：G06V20/17；该发明授权基于单目视觉的无人机编队中个体相对位姿测量方法是由张小虎;徐祥鹏;诸葛盛;何雨薇;杨夏设计研发完成，并于2022-05-12向国家知识产权局提交的专利申请。

本基于单目视觉的无人机编队中个体相对位姿测量方法在说明书摘要公布了：本申请涉及一种基于单目视觉的无人机编队中个体相对位姿测量方法。所述方法包括：通过从拍摄机拍摄的图像数据中得到目标机图像，确定目标机的特征点位置，构建特征点在无人机机体坐标系中的三维坐标和在目标机图像中的二维坐标之间的坐标对应关系，并建立投影方程，将多个特征点对应的投影方程联立，通过EPnP算法得到目标机相对于拍摄机相机的相对位姿初值；计算特征点的重投影残差值，根据各点重投影残差值绝对值得到权值，构建权值矩阵，构造优化目标函数，以相对位姿初值为迭代初始值，对优化目标函数进行迭代求解，输出目标机相对于拍摄机相机的相对位姿精确值，并进一步得到目标机相对于拍摄机的相对位姿信息。

本发明授权基于单目视觉的无人机编队中个体相对位姿测量方法在权利要求书中公布了：1.一种基于单目视觉的无人机编队中个体相对位姿测量方法，其特征在于，所述方法包括：获取无人机编队中拍摄机所拍摄的图像数据，从所述图像数据中得到目标机图像，根据所述目标机图像，通过预先训练好的特征识别网络模型确定目标机的特征点位置，并进一步构建特征点在无人机机体坐标系中的三维坐标和在所述目标机图像中的二维坐标之间的坐标对应关系；根据所述坐标对应关系，建立投影方程，将多个特征点对应的所述投影方程联立，通过EPnP算法得到所述目标机相对于拍摄机相机的相对位姿初值；根据所述相对位姿初值，得到所述特征点的重投影残差值，进一步根据各点重投影残差值绝对值得到权值，构建权值矩阵；其中，重投影残差值绝对值越大，对应权值越小；根据所述权值矩阵，对多个特征点构造优化目标函数，以所述相对位姿初值为迭代初始值，对所述优化目标函数进行迭代求解，直到满足迭代收敛条件，输出所述目标机相对于所述拍摄机相机的相对位姿精确值；根据所述目标机相对于所述拍摄机相机的相对位姿精确值，以及预知的相机在无人机上的安装参数信息，得到所述目标机相对于所述拍摄机的相对位姿信息；根据所述相对位姿初值，得到所述特征点的重投影残差值，包括：根据所述相对位姿初值，得到所述特征点的重投影残差值为： 其中，resxi为第i个特征点x方向重投影误差，resyi为第i个特征点y方向重投影误差，resi为第i个特征点的重投影残差值，[x,y]T与[X,Y,Z]T分别为特征点在所述目标机图像中的二维坐标和特征点在无人机机体坐标系中的三维坐标，fx、fy、Cx、Cy分别为相机的等效焦距和主点坐标，均为已知量，Zc为特征在相机坐标系三维坐标的第三个分量，Rc0为所述相对位姿初值中的姿态矩阵初值，Tc0为所述相对位姿初值中的位置向量初值；所述根据各点重投影残差值绝对值得到权值，构建权值矩阵，包括：以各点重投影残差值绝对值的倒数为权值，构建权值矩阵为： 其中，W为权值矩阵，n为特征点的个数；根据所述权值矩阵，对多个特征点构造优化目标函数，包括：根据所述权值矩阵，对多个特征点构造优化目标函数为：F＝fTWf其中，为n个特征点方程联立得到的方程组，fi1,i＝1,2…n为由投影方程得到的第一个独立方程，fi2为由投影方程得到的第二个独立方程。

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山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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”。