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！

龙图腾网获悉贵州大学申请的专利动态环境下基于深度学习的视觉SLAM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：CN116563340B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202310520862.6，技术领域涉及：G06T7/246；该发明授权动态环境下基于深度学习的视觉SLAM方法是由袁庆霓;杜晓英;陈启鹏;吕健;杜飞龙;吴杨东;蓝伟文设计研发完成，并于2023-05-10向国家知识产权局提交的专利申请。

本动态环境下基于深度学习的视觉SLAM方法在说明书摘要公布了：本发明公开了一种动态环境下基于深度学习的视觉SLAM方法，该方法包括以下步骤:采用GCNv2网络进行特征点提取；利用语义分割网络和多视图几何结合的方法检测动态特征点，进行动态特征点剔除，其中采用改进后的DeepLabV3plus网络对RGB图像进行语义分割，将先验动态物体人对应的像素作为动态区域；利用多视图几何检测除人之外的其他动态物体；然后经过跟踪、局部地图优化、闭环检测，最后利用点云信息与语义信息相结合构建语义点云地图和语义八叉树地图。本发明具有通过语义分割模型和多视图几何方法，使视觉SLAM算法能够有效减少动态物体带来的影响，提高了系统的定位精度。

本发明授权动态环境下基于深度学习的视觉SLAM方法在权利要求书中公布了：1.一种动态环境下基于深度学习的视觉SLAM方法，其特征在于：该方法包括以下步骤: S1.特征点提取：以RGB图像作为输入，进行特征提取，并对特征进行均匀化与非极大值抑制处理，最终获得分布均匀的特征点；图像的当前帧中提取的特征点包含了关键点和描述子； S2.动态点剔除：利用语义分割网络和多视图几何结合的方法检测动态特征点，进行动态特征点剔除，具体步骤如下： S2.1利用语义分割网络对图像进行语义分割：所述语义分割网络为改进的DeepLabV3plus网络，该改进的DeepLabV3plus网络：基于传统的DeepLabV3plus网络，采用MobileNetV2作为主干网络，采用迁移学习加载预训练模型，在空洞空间金字塔池化模块ASPP中使用深度可分离卷积替换标准卷积，并引用SE注意力机制，以便对网络性能好的特征通道的权重进行提升，抑制对使网络性能不好的特征通道的权重； 采用所述改进后的DeepLabV3plus网络对RGB图像进行语义分割，获得像素级语义分割结果，将先验动态物体人对应的像素作为动态区域，其具体步骤为： 输入图像，利用轻量级主干网络MobilenetV2提取图像特征之后，得到两个输出值：包含高级语义信息的特征图和包含低级特征的特征图；包含高级语义信息的特征图先通过空洞空间金字塔池化模块ASPP，接着利用SE注意力机制提高训练效率，随后利用1x1卷积调整通道数，并进行四次上采样操作；包含低级特征的特征图利用1x1卷积调整通道数，之后与高级语义信息的特征图堆叠，最后利用3x3卷积进行通道调整之后，四倍上采样得到最终像素级语义分割结果，并将先验动态物体人对应的像素作为动态区域； S2.2利用多视图几何检测除人之外的其他动态物体：确定图像中的关键帧，将关键帧中的关键点投影到当前帧，利用视差角和深度值变化大小将目标对象区分为动态区域和静态区域；其过程如下：首先将关键帧中的关键点p投影到当前帧，得到投影点p＇和投影深度Dproj，计算p的反投影与p＇之间视差角α，同时，还要计算深度值差ΔD；利用视差角α和深度值差ΔD判断当前特征点是否为动态特征点，从而将检测到的除人之外的其他动态物体对象的动态特征点作为动态区域； S2.3动态点剔除：将所述语义分割网络和多视图几何分别检测的两个动态区域取并集，最终的动态区域并集内的所有特征点都视为动态特征点被剔除； S3.跟踪：将特征点剔除之后，利用剩余的静态特征点进行相机位姿初始化，在得到初始位姿后在局部地图中进行更精确的跟踪，并选择插入关键帧； S4.局部地图优化：对新插入的关键帧的所有共视帧和共视帧中地图点进行BA优化； S5.闭环检测：利用词典模型对当前帧与历史帧之间相似度与阈值进行对比，进而确定闭环的存在，并将闭环检测结果传送到后端进行优化处理； S6.语义地图构建：点云信息与语义信息相结合构建语义点云地图和语义八叉树地图，具体包括：将所述改进的DeepLabV3plus网络提取的语义信息和点云信息相结合构建点云地图，并通过Octomap库完成点云到八叉树地图的转换。

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贵州大学，其通讯地址为：550025 贵州省贵阳市花溪区贵州大学（北区）科技处；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”。