Para realizar a orientação da polarização do céu em condições de céu parcialmente nublado, foi proposta uma metodologia de segmentação de nuvens utilizando uma rede neural profunda U-Net aprimorada combinada com um limiar de grau de polarização, baseada na teoria da dispersão de Rayleigh para obter o ângulo entre a direção do sol e o eixo do corpo e assim realizar a orientação da polarização do céu. Foi utilizado um módulo Respath contendo 3 estruturas residuais para melhor fundir as áreas de codificação e decodificação da rede U-Net, e durante o downsampling foi adicionado um módulo MultiBlock, para que as características da imagem de entrada fossem melhor aprendidas. A imagem binária segmentada prevista pela rede neural foi combinada por uma operação OR com a imagem binária segmentada fixada com um limiar de grau de polarização de 0,1, resultando em uma imagem binária que segmenta bem as nuvens e o céu azul. Por fim, essa imagem binária foi usada como máscara para remover pixels anômalos do mapa do ângulo do azimute de polarização, fazendo com que os pixels mantidos estivessem em conformidade com a teoria da dispersão de Rayleigh e, assim, obter o ângulo entre a direção do sol e o eixo do corpo. Experimentos em condições de céu parcialmente nublado mostraram que o erro quadrático médio do ângulo azimutal solar no sistema de coordenadas do portador foi de 0,42°, satisfazendo as necessidades de navegação prática.

navegação por polarização; rede neural profunda; limiar de grau de polarização; teoria da dispersão de Rayleigh; céu parcialmente nublado