다중 구름 날씨에서 하늘 편광 방향을 실현하기 위해 개선된 U-Net 딥 신경망과 편광도 임계값을 결합한 구름 분할 방법이 제안되었으며, 레일리 산란 이론을 기반으로 태양 방향과 체축의 각도를 얻어 하늘 편광 방향을 실현하였다. 3개의 잔여 구조를 포함하는 Respath 모듈을 사용하여 U-Net 신경망의 인코더 영역과 디코더 영역을 더 잘 융합하였고, 다운샘플링 시 MultiBlock 모듈을 추가하여 입력 영상의 특징을 더 잘 학습하였다. 신경망이 예측한 바이너리 분할 영상과 편광도 임계값을 0.1로 설정한 바이너리 분할 영상을 OR 연산하여 구름과 푸른 하늘을 잘 분할할 수 있는 바이너리 영상을 얻었다. 마지막으로, 이 바이너리 영상을 마스크 템플릿으로 사용하여 편광 방위각 영상에서 이상 픽셀을 제거하였고, 남은 픽셀은 레일리 산란 이론에 부합하여 태양 방향과 체축의 각도를 얻을 수 있었다. 다중 구름 날씨에서의 실험 결과, 이 방법은 운반체 좌표계 하에서 태양 방위각의 평균 제곱근 오차가 0.42°로 실제 내비게이션 요구를 충족하였다.

편광 내비게이션; 딥 신경망; 편광도 임계값; 레일리 산란 이론; 다중 구름