为了在多云天气下实现天空偏振定向，提出了一种利用改进的U-Net深度神经网络结合偏振度阈值进行云分割的方法，并基于瑞利散射理论获取太阳方向与体轴夹角实现天空偏振定向。采用包含3个残差结构的Respath模块将U-Net神经网络的编码区与解码区更好的融合，并在下采样时添加MultiBlock模块，使输入图像的特征更好地被学习。将神经网络预测的二值分割图与设置偏振度阈值为0.1的二值分割图进行或运算得到能够较好地分割云和蓝天的二值图。最后，将该二值图作为mask模板去除偏振方位角图中异常像素点，使保留的像素点符合瑞利散射理论，进而获取太阳方向与体轴的夹角。多云天气下的实验表明，该方法获取载体坐标系下太阳方位角的均方根误差为0.42°，能够满足实际导航需求。