买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉哈尔滨理工大学申请的专利基于增量平滑的多传感器SLAM系统即插即用因子图融合方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118067125B 。

龙图腾网通过国家知识产权局官网在2025-06-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410049718.3，技术领域涉及：G01C21/20；该发明授权基于增量平滑的多传感器SLAM系统即插即用因子图融合方法是由班喜程;尤波;孙明晓;栾添添;史云玲;马继瑞设计研发完成，并于2024-01-12向国家知识产权局提交的专利申请。

本基于增量平滑的多传感器SLAM系统即插即用因子图融合方法在说明书摘要公布了：基于增量平滑的多传感器SLAM系统即插即用因子图融合方法，涉及SLAM技术领域。本发明是为了解决使用不同源的多类传感器的SLAM系统的信息紧耦合联合优化的融合问题，涉及使用三种传感器：相机，IMU和LiDAR。本发明通过判断相机和LiDAR传感器数据的可靠性，有针对性的过滤掉不可靠的传感器数据，筛选出数据可靠的传感器信息，提高了SLAM系统的传感器容错能力；选择性地构建约束因子，构建可变结构的、即插即用式的紧耦合因子图，仅使用可靠数据的融合进行状态估计，保证了定位精度；使用增量平滑的方式进行优化求解，通过更新贝叶斯树的方式添加SLAM系统新增的观测信息，保证了全局优化的计算效率，提高了SLAM系统的响应速度。

本发明授权基于增量平滑的多传感器SLAM系统即插即用因子图融合方法在权利要求书中公布了：1.基于增量平滑的多传感器SLAM系统即插即用因子图融合方法，其特征在于，包括以下步骤： 步骤一：视觉惯性激光SLAM系统的后端线程查询关键帧队列，判断关键帧队列是否为空，是则重复执行步骤一，直到后端线程被终止，否则执行步骤二； 步骤二：从所述关键帧队列的队首取出一个关键帧，根据所述关键帧的IMU测量信息，构建IMU预积分约束因子，然后执行步骤三； 步骤三：根据IMU测量数据，对所述关键帧的LiDAR点云进行运动畸变校正，然后滤除点云中的离群点和噪声点，再通过体素滤波得到稀疏点云，根据稀疏点云的密度和均匀度判断所述关键帧的LiDAR点云是否可用，是则构建LiDAR里程计约束因子，然后执行步骤四，否则直接执行步骤四； 步骤四：对所述关键帧的图像信息进行数据处理，提取关键点，计算描述子，使用四叉树法实现图像特征点的均匀化分布，根据特征点的数量和分布判断所述关键帧的图像信息是否可用，是则构建视觉重投影约束因子，然后执行步骤五，否则直接执行步骤五； 步骤五：判断所述关键帧的索引是否大于10，否则返回步骤一，是则继续判断视觉惯性激光SLAM系统是否已创建全局贝叶斯树，若尚未创建，则执行步骤六，若已创建，则执行步骤七； 步骤六：构建全局因子图模型，对所述全局因子图变量消元，生成贝叶斯网络，再转化为贝叶斯树结构，然后返回步骤一； 步骤七：从全局贝叶斯树中取出与所述关键帧相关联的贝叶斯分支树，然后将所述贝叶斯分支树重构为局部因子图，将所述关键帧新构建的因子加入到所述局部因子图中，然后对所述局部因子图变量消元，生成新的局部贝叶斯树，用所述局部贝叶斯树替换所述全局贝叶斯树中的与所述关键帧相关联的贝叶斯分支树，然后执行步骤八； 步骤八：根据视觉词袋法和几何外观判断所述关键帧是否为回环帧，否则返回步骤一，是则构建回环约束因子，从所述全局贝叶斯树中取出与所述回环帧相关联的贝叶斯分支树，然后将所述贝叶斯分支树重构为局部因子图，将所述回环约束因子添加到局部因子图中，然后对所述局部因子图变量消元，再生成回环贝叶斯树，将所述回环贝叶斯树添加到所述全局贝叶斯树中，然后执行步骤九； 步骤九：判断是否为第一次全局优化，是则构建优化目标函数，使用非线性优化算法迭代求解，然后更新所有状态量，然后返回步骤一；否则从根节点向叶子节点传播更新解，检查每个团中变量的偏差值，对大于偏差阈值的变量重新线性化，直到偏差值小于阈值时停止传播，然后返回步骤一。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52号哈尔滨理工大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。