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！

龙图腾网获悉成都奥伦达科技有限公司;成都理工大学;中国热带农业科学院橡胶研究所申请的专利用于森林场景机载与地面平台激光点云配准的模型及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：CN120198474B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510663990.5，技术领域涉及：G06T7/33；该发明授权用于森林场景机载与地面平台激光点云配准的模型及方法是由刘健飞;陈昊;王祥军;汪雄杰;胡肖建;赵浩杰设计研发完成，并于2025-05-22向国家知识产权局提交的专利申请。

本用于森林场景机载与地面平台激光点云配准的模型及方法在说明书摘要公布了：本发明涉及三维点云数据处理技术领域，公开了用于森林场景机载与地面平台激光点云配准的模型及方法，包括以下步骤：对点云数据进行预处理；模型构建，依次进行树木位置关键点提取、垂直分层虚拟点构造、树木垂向分层聚合描述符构建；所述垂直分层虚拟点构造时，采用预定义垂直轴线长度，确保所有树木的垂直轴线在相同高度范围内均匀划分为N层，每层中心点作为虚拟构造点；特征匹配，依次进行容错匹配选取、几何一致性筛选、随机采样一致性；点云配准，依次进行基于匹配对计算旋转矩阵和ICP精准配准。本发明不依赖于树木位置关键点完整、准确的提取，构建的组合特征描述能力强，对规则分布树林鲁棒性高。

本发明授权用于森林场景机载与地面平台激光点云配准的模型及方法在权利要求书中公布了：1.用于森林场景机载与地面平台激光点云配准的方法，其特征在于，包括以下步骤： 步骤一，对点云数据进行预处理； 步骤二，模型构建，依次进行树木位置关键点提取、垂直分层虚拟点构造、树木垂向分层聚合描述符构建；所述垂直分层虚拟点构造时，采用预定义垂直轴线长度，确保所有树木的垂直轴线在相同高度范围内均匀划分为N层，每层中心点作为虚拟构造点； 树木位置关键点提取和垂直分层虚拟点构造：先对下采样后的点云标准化，采用切片法精准提取树木下部树干区域，定位树干位置获取水平坐标（X,Y），构建二维关键点，并且以缓冲区内地面点平均高程确定Z坐标，构建三维关键点；随后，对每个关键点过该点构建一条垂直轴线，并均分为N层，每层中心点即为虚拟点V；考虑到地面LiDAR受遮挡或数据质量影响难以准确获取树高，引入统一轴线高度参数，确保所有树木垂直轴线长度一致，其第i个关键点第j层虚拟点计算公式为： ；为统一的轴线高度参数，为被均匀划分的层数； 树木垂向分层聚合描述符构建包括虚拟点特征提取和特征顺序拼接； 虚拟点特征提取：以虚拟点为基准，使用快速点特征直方图提取各层虚拟点局部几何特征；若某层仅含虚拟点而无有效点云数据，标记为无效层并跳过该层计算，对成功提取的特征进行标准化处理； 特征顺序拼接：将成功计算的各层特征，按自下而上或自上而下的顺序拼接，形成树木垂向分层聚合描述符；将成功计算的同轴K层标准化有效特征，按自下而上或自上而下的顺序拼接，形成树木垂向分层聚合描述符V： ； 步骤三，特征匹配，依次进行容错匹配选取、几何一致性筛选、随机采样一致性； 容错匹配选取：对于源点云关键点集 和目标点云关键点集 ， 计算其树木垂向分层聚合描述符特征 与间的曼哈顿距离，选取前n个最相似点构建匹配对候选集合，公式为： ； 表示和之间的曼哈顿距离，表示选取最相似的前n个关键点； 几何一致性筛选：引入几何一致性分析，通过计算匹配对间几何一致性距离得到几何一致性得分GCS； 存在和,两个匹配对，其几何距离计算公式为： ； 累计几何一致性得分计算公式为： ； 根据得分构建GCS矩阵GCSM进行投票筛选，在矩阵中识别最大得分项，将其所在行列元素置零，重复此操作直至所有未标记元素为零，优化匹配对； 为指示函数，若，则返回1，否则返回0；为几何一致性阈值；该得分反映了匹配对之间的空间分布一致性程度，得分越高，表示该匹配对越可信； 接下来，构建GCS矩阵GCSM进行投票选择； 该矩阵的每一行代表源点云中的一个关键点，每一列对应目标点云中的一个关键点；对于每一对匹配的关键点，如果其几何一致性得分不为零，则将其得分填入矩阵对应位置；如果该匹配对未被选中或几何一致性得分为零，则在矩阵相应位置填充零；进而，通过识别并标记出矩阵中的最大得分项，并将该得分项所在的行和列的所有元素设置为零，以确保该匹配对不被重复选中；然后，在剩余未被标记的矩阵元素中，继续识别新的最大几何一致性得分项，并将相应行列的元素置为零；此过程重复进行，直到所有未被标记的矩阵元素变为零； 随机采样一致性：首先进行初始对应生成，算法会遍历源点云Ks中的每个关键点，针对每个源关键点，计算它与目标点云Kt中所有关键点描述符之间的相似度，从这些相似度结果里挑选出Top-N相似的目标关键点，把这些对应关系添加到初始对应集CI中； 接着进入GCSM筛选阶段，先构建一个大小为ns×nt的零矩阵GCSM，这里ns和nt分别代表源点云和目标点云的关键点数量；对于初始对应集CI里的每一个对应关系ci,j，计算其几何一致性得分Gi,j并将该得分存入矩阵GCSM的对应位置；之后，按行处理这个矩阵，每次找出矩阵中的最大元素，把对应的关键点对添加到候选对应集CG中，同时将该元素所在的行和列置零，以此保证每个源关键点和目标关键点最多只能形成一一对应关系； 最后，对候选对应集CG运用RANSAC算法，基于内点阈值θ筛选出具有几何一致性的对应点对，这些被筛选出来的内点对就构成了最终的内点对应集CF并返回；整个匹配算法采用渐进式策略，利用松弛匹配逐步施加更严格约束条件与筛选规则，缩紧匹配标准，获取精确匹配关系； 步骤四，点云配准，依次进行基于匹配对计算旋转矩阵和ICP精准配准。

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成都奥伦达科技有限公司;成都理工大学;中国热带农业科学院橡胶研究所，其通讯地址为：610000 四川省成都市中国(四川)自由贸易试验区成都高新区世纪城南路599号5栋4层403-1、403-2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”。