专利交易市场

本发明涉及无人机巡检技术领域，具体公开了基于视觉大模型的无人机低空巡检方法，包括以下步骤：步骤S1：无人机接收断飞指令后立即采集巡检图像，扫描预设校准范围内的基站，筛选定位基站并获取其位置信息；步骤S2：将巡检图像按像素分割，计算各像素显著指数，筛选高显著度定位点并记录其像素坐标，形成定位坐标集合；步骤S3：结合预设偏差距离阈值与基站位置数据，划定无人机续飞校准的安全区域边界；步骤S4：无人机在安全区域内按预设路径飞行，实时捕获图像并筛选待校准帧，提取当前定位坐标集合；通过与原始集合对比，精确确定续飞点位，实现断点精准接续巡检；本发明解决复杂环境下断飞后复飞定位难题，提升巡检连续性。

本发明涉及一种基于二维视觉大模型的三维点云配准方法及系统，将源点云和目标点云解耦为二维投影表征；构建结构一致性修复域，恢复投影图像中的几何结构断裂与语义缺失，生成稠密且连续的修复图像；将修复图像输入预训练的视觉几何大模型，跨模态特征匹配与位姿解算，同步输出像素级匹配置信度图；将二维位姿解算结果逆映射至三维空间完成粗配准，利用置信度图在三维空间中构建高可信度锚点集合，引导点云精配准算法收敛至全局最优。本发明使得针对自然图像训练的配准大模型能够无缝迁移至点云数据上，无需重新训练；在弱纹理、部分重叠的点云场景下，仍能提供鲁棒的粗配准初值；显著提高精配准的收敛速度和抗噪性能，实现从粗到精的自适应提升。