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！

龙图腾网获悉电子科技大学申请的专利一种面向移动机器人的大范围语义地图构建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：CN115187920B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202210698462.X，技术领域涉及：G06V20/50；该发明授权一种面向移动机器人的大范围语义地图构建方法是由李瑞;史莹晶;赵三三;邓质设计研发完成，并于2022-06-20向国家知识产权局提交的专利申请。

本一种面向移动机器人的大范围语义地图构建方法在说明书摘要公布了：本发明提供的一种面向移动机器人的大范围语义地图构建方法，属于视觉SLAM技术领域，具体为：利用移动机器人获取当前图像，基于特征点法构建视觉里程计，输出相邻帧图像的位姿变换；通过语义分割生成语义点云地图，利用位姿变换构建语义八叉树地图，并采用占据概率更新算法和语义融合算法更新语义八叉树地图；构建移动机器人的三层内存结构模型，基于WM和LTM之间的节点移动算法，实现语义八叉树地图复用，进而将当前语义八叉树地图扩展为全局语义地图。本发明利用回环检测算法复用以前的语义地图，融合局部的语义八叉树地图以生成全局语义地图，实现高精度、可复用的语义地图构建。

本发明授权一种面向移动机器人的大范围语义地图构建方法在权利要求书中公布了：1.一种面向移动机器人的大范围语义地图构建方法，其特征在于，包括以下步骤： 步骤1：利用移动机器人获取当前图像； 步骤2：基于特征点法构建视觉里程计，输出相邻帧图像的位姿变换； 步骤3：构建与更新语义八叉树地图，具体包括： 步骤3.1：基于深度学习的语义分割算法，输出与当前图像对应的逐像素的语义颜色、语义标签和置信度，构成语义信息； 步骤3.2：计算当前图像中各像素的真实世界坐标，生成真实点云地图，然后根据之后所采用的语义融合算法将语义信息融入真实点中，形成语义点云地图； 步骤3.3：利用位姿变换将语义点云转换到全局坐标系，构建基于体素的语义八叉树地图，并采用占据概率更新算法和语义融合算法实时更新语义八叉树地图； 所述语义融合算法为改进的贝叶斯语义融合算法，具体为： 各体素中存储的N个置信度最高的语义信息构成语义集合S，并将其余语义信息归为一类，构成集合other_classes；other_classes的置信度other_conf与S中的N个置信度的和为1； 当前图像更新前形成的体素所对应的语义集合为S1，当前图像更新后形成的体素所对应的语义集合为S2，二者的融合情况为： 若S1和S2具有相同的语义颜色，则对S1的N个语义标签和对应other_classes1，以及S2的N个语义标签和对应other_classes2，执行贝叶斯融合算法；否则，向S1中添加S2所独有的语义信息，同时向S2中添加S1所独有的语义信息，使得S1和S2具有相同的语义颜色，之后分别设置S1和S2所添加的语义信息的置信度为β×other_conf1和β×other_conf2，其中β＜1，并将other_classes1的置信度other_conf1削减为1-βother_conf1，other_classes2的置信度other_conf2削减为1-βother_conf2；基于S1和S2所添加的语义信息的置信度，对添加后S1对应的多个语义标签和other_classes1，以及添加后S2对应的多个语义标签和other_classes2执行贝叶斯融合算法，融合结果只保留置信度最高的N个语义颜色； 步骤4：构建移动机器人的三层内存结构模型，由STM、WM和LTM组成； 步骤5：基于WM和LTM之间的节点移动算法，实现语义八叉树地图复用，具体包括： 对于从LTM到WM的节点移动，对WM进行回环检测，获得WM中最高回环概率的节点Lh，若节点Lh的相邻节点Lh在LTM中，则将相邻节点Lr移动至WM中；若在一次回环检测中具有多个节点Lh，则最多取回两个相邻节点Lh； 对于从WM到LTM的节点移动，当处理WM中一帧图像的时间超过WM的数据处理时间限制TWM时，具有最低权重且存储时间最长的节点将从WM转移至LTM中，但不允许转移节点Lh的相邻节点Lr；进而将当前语义八叉树地图扩展为全局语义地图。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区（西区）西源大道2006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”。