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！

龙图腾网获悉北京航空航天大学杭州创新研究院申请的专利基于人在环优化的点云语义SLAM的方法、系统及装置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：CN115496792B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202211160212.7，技术领域涉及：G06T7/579；该发明授权基于人在环优化的点云语义SLAM的方法、系统及装置是由欧阳真超;胡庆雷;李东禹;郭鹏宇;王薪宇;张昌杰设计研发完成，并于2022-09-22向国家知识产权局提交的专利申请。

本基于人在环优化的点云语义SLAM的方法、系统及装置在说明书摘要公布了：本发明公开了一种基于人在环优化的机器人点云语义SLAM方法、系统及装置，其中，该方法包括：S1、移动机器人上的激光雷达对目标地点进行数据采集，得到每帧点云的相对位姿信息，完成建图；S2、建立点云连续轨迹，人工观测建图误差，构建稠密因子图，然后基于因子图进行全局优化，调整总体点云错误；S3、基于预定义的点云语义类别并采用标注工具进行叠加地图的点云语义标注，累计点云语义标记结果得到点云语义分割数据集；S4、基于点云语义分割数据集进行分割模型的训练和评估得到训练和评估后的分割模型；S5、基于训练和评估后的分割模型，进行点云语义定位与优化。采用本发明可以实现点云语义定位与优化。

本发明授权基于人在环优化的点云语义SLAM的方法、系统及装置在权利要求书中公布了：1.一种基于人在环优化的机器人点云语义SLAM方法，其特征在于，包括， S1、通过移动机器人上的采集模块对目标地点进行数据采集，在采集过程中将SLAM算法作为初始建图算法计算得到每帧点云的相对位姿信息，完成建图； S2、建立点云连续轨迹，获取人工观测的建图误差信息，基于所述建图误差信息选择建图误差周围正确的点云帧重新进行局部ICP的配准优化，获取关键位姿点之间的闭环，构建稠密因子图，然后基于所述稠密因子图进行全局优化，调整总体建图错误，迭代配准优化和全局优化；具体包括： 通过将连续点云和连续点云对应的推算位姿进行地图叠加，基于点云数据的采样顺序对每帧点云的中心点进行关联，形成连续轨迹，基于轨迹计算闭环边，并添加所述闭环边构建新闭环； 获取人工观测的建图误差信息，基于所述建图误差信息选择建图误差周围正确的点云帧进行局部配准算法的配准优化；获取关键位姿点之间的闭环，构建稠密因子图，然后基于因子图进行全局优化，调整总体建图错误，迭代所述配准优化和全局优化； S3、将进行局部ICP配准优化后的点云位姿和优化后的点云位姿对应点云导入标注工具，基于预定义的点云语义类别，采用标注工具进行叠加地图的点云语义标注，累计点云语义标记结果得到点云语义分割数据集； S4、基于点云语义分割数据集进行点云语义分割模型的训练和评估得到训练和评估后的点云语义分割模型，具体包括： 将点云语义分割数据集分为训练集和测试集，基于训练集和测试集对基于深度学习的点云语义分割模型进行模型训练和评估，并保留总体分割精度高于某个阈值的模型参数作为实时点云语义分割的模型； S5、基于训练和评估后的分割模型，进行点云语义定位与优化，具体包括： 将点云发送到实时点云语义分割的模型得到点分割的语义标签，然后将一个单帧点云n×[x，y，z]使用基于激光雷达笛卡尔到极坐标投影公式投影到一个x-o-y平面，对xy轴进行极坐标转化得到2D特征图，基于预定义的点云语义配色进行2D特征图着色，得到2D点云语义特征图； 获得第一帧点云后，基于点云语义信息删除每帧点云的动态语义点，然后快速估计2D位姿，以2D位姿作为初始解估计3D点云位姿，进行SLAM的3D点云地图构建和2D语义特征地图构建，周期性基于蒙特卡罗粒子滤波对当前扫描点云的2D点云特征图进行全局2D语义特征地图的粗粒度定位； 获取移动机器人在全局点云地图上的初始位置，对里程计前端估计进行修正，对于前端里程计估计时的帧间点云配准，使用语义标签进行类间分隔和类内匹配，实现点云搜索的加速； 同时，检测闭环，当发现新闭环则进行后端的因子图优化，更新全局位姿信息。

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北京航空航天大学杭州创新研究院，其通讯地址为：310052 浙江省杭州市滨江区创慧街18号；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”。