一种基于贝叶斯深度学习海上停机平台动态位置预测方法技术

本发明专利技术提供一种基于贝叶斯深度学习的海上停机平台动态位置预测方法，涉及无人机动态预测海上停机平台动态位置技术领域，解决了无人机在复杂环境下动态预测海上停机平台位置的技术问题，其技术方案为：包括以下步骤：S1、建立海上无人机停机平台图像数据集；S2建立基于贝叶斯深度学习的海上停机平台动态位置预测模型；S3、获取海上停机平台动态位置预测模型；S4、获取海上停机平台相对于无人机的位置及不确定性。本发明专利技术的有益效果为：本发明专利技术解决了无人机在海面上降落过程中高度、位置、角度、海风、海浪、抖动等因素的影响，实现对海上停机平台动态位置较为准确的预测，并给出预测的不确定性，提高模型的鲁棒性。

【技术实现步骤摘要】

本专利技术涉及无人机动态预测海上停机平台动态位置，尤其涉及一种基于贝叶斯深度学习海上停机平台动态位置预测方法。

技术介绍

1、随着无人机技术的快速发展、无人机应用逐渐走向深海，无人机降落成为无人机完成海上各种任务的最后步骤，海上停机平台动态位置的预测对于无人机降落至关重要，海上停机平台动态位置预测涉及到复杂的海洋环境和多变的目标形态，包括船只、平台等，其需要高精度传感器、如高清摄像头、高度传感器等，同时也需要稳定可靠的海上无人机停机平台动态位置预测算法来分析各个传感器获取的各种信息。

2、cn116894936a提供了一种基于无人机视觉的海上目标识别定位方及系统其能够对实现对海上目标进行定位，但其所涉及传感器复杂，且未考虑海上复杂环境对的影响，本专利技术能够很好的在复杂海面环境下实现对海上停机平台位置进行动态预测。

技术实现思路

1、本专利技术的目的在于提供一种基于贝叶斯深度学习海上停机平台动态位置预测方法，该方法能够较为准确的获取海上停机平台相对于无人机的位置，并给出其位置的不确定性，提高神经网本文档来自技高网...

【技术保护点】

1.一种基于贝叶斯深度学习海上停机平台动态位置预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于贝叶斯深度学习海上停机平台动态位置预测方法，其特征在于，在上述步骤S1中，构建停机平台图像数据集具体包括以下步骤：

3.根据权利要求1所述的基于贝叶斯深度学习海上停机平台动态位置预测方法，其特征在于，在所述步骤S2中，使用的基于贝叶斯深度学习的海上停机平台动态位置预测模型由1个输入层、3个卷积池化层、2个卷积层，1个输出层组成，各卷积层后接Rule作为激活函数，将输出层的结果传入双指数归一化SSoftmax层得到海上停机平台动态位置预测模型，其先验概率采...

【技术特征摘要】

1.一种基于贝叶斯深度学习海上停机平台动态位置预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于贝叶斯深度学习海上停机平台动态位置预测方法，其特征在于，在上述步骤s1中，构建停机平台图像数据集具体包括以下步骤：

3.根据权利要求1所述的基于贝叶斯深度学习海上停机平台动态位置预测方法，其特征在于，在所述步骤s2中，使用的基于贝叶斯深度学习的海上停机平台动态位置预测模型由1个输入层、3个卷积池化层、2个卷积层，1个输出层组成，各卷积层后接rule作为激活函数，将输出层的结果传入双指数归一化sso...

【专利技术属性】
技术研发人员：黄菠，黄晴晴，何亚霖，马宏杰，张胜诚，袁银龙，程赟，
申请(专利权)人：南通大学，
类型：发明
国别省市：