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！

龙图腾网获悉中国科学技术大学申请的专利基于特征匹配网络的SLAM方法、系统、设备及存储介质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：CN114608558B 。

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：202210228298.6，技术领域涉及：G01C21/00；该发明授权基于特征匹配网络的SLAM方法、系统、设备及存储介质是由陈宗海;朱镇坤;戴德云;王纪凯;徐萌;林士琪;魏超设计研发完成，并于2022-03-08向国家知识产权局提交的专利申请。

本基于特征匹配网络的SLAM方法、系统、设备及存储介质在说明书摘要公布了：本发明公开了一种基于特征匹配网络的SLAM方法、系统、设备及存储介质，通过SLAM的运行模式训练原本针对匹配任务的特征提取网络，将训练完毕的基于匹配任务的特征提取网络嵌入到SLAM系统框架中，优化原有SLAM系统框架，提高了所设计的SLAM系统的鲁棒性，使其能够很好的应对各类SLAM场景的挑战，保证了定位和建图精度；此外，利用训练完毕的基于匹配任务的特征提取网络从单目相机采集的图像中进行特征点提取，由于只需要单目相机即可完成，从而降低智能车的成本。上述方案整体成本低，不需要对环境及车辆自身进行改造，可移植性强。

本发明授权基于特征匹配网络的SLAM方法、系统、设备及存储介质在权利要求书中公布了：1.一种基于特征匹配网络的SLAM方法，其特征在于，包括： 利用深度学习方法，针对基于匹配任务的特征提取网络，通过SLAM的运行模式进行训练； 将训练得到的基于匹配任务的特征提取网络嵌入至SLAM系统框架中； 通过训练得到的基于匹配任务的特征提取网络对单目相机拍摄的图像进行特征点的提取，并对提取的相邻两帧图像的对应的特征点进行匹配，对匹配的特征点对求解相应的旋转矩阵和平移向量，用于对车辆的定位，并通过三角化求得物体点在世界坐标系下的位置，完成建图任务； 其中，所述利用深度学习方法，基于针对匹配任务的特征提取网络，通过SLAM的运行模式进行训练的步骤包括： 构建基于匹配任务的特征提取网络，并选取包含RGB图像与对应深度图像的训练数据集； 对于训练数据集中的每一帧RGB图像，随机利用相邻图像构成一个图像匹配对；一个图像匹配对中的两个图像称为第一图像与第二图像； 对于每一个图像匹配对，输入至基于匹配任务的特征提取网络后获得热图对，记为H1与H2；在热图H1与H2上分别随机选取n个关键点；对热图H1和H2上的关键点进行最近邻匹配得到初步点匹配结果M，并按照设定比例随机在初步点匹配结果M选取点匹配对，所选取的点匹配对集合记为Ms； 对点匹配对集合Ms中的单个点匹配对pi,p′j，其中pi∈H1,p′j∈H2,pi＝xi,yi,p′j＝x′j,y′j，表示pi与p′j分别为热图H1与H2上的关键点，xi,yi表示关键点pi在图像坐标系下的位置坐标，x′j,y′j表示关键点p′j在图像坐标系下的位置坐标；按照第一图像的帧数从相应深度图像中获取关键点pi的深度然后借助训练数据集中包含的相机的内参矩阵K，得到关键点pi位置坐标xi,yi对应于第一图像在相机坐标系下的位置点Pi的3D坐标Xi,Yi,Zi，并结合训练数据集中的标注信息确定第一图像与第二图像的真实位姿，获得位置点Pi对应的第二图像在相机坐标系下的位置点Pj的3D坐标Xj,Yj,Zj；之后，通过相机的内参矩阵K，将位置点Pj的3D坐标Xj,Yj,Zj投影至第二图像的图像坐标系下得到相应的位置点pj在图像坐标系下的位置坐标xj,yj； 计算图像坐标系下的位置坐标xj,yj与x′j,y′j的距离，作为点匹配对pi,p′j的匹配误差，综合匹配对集合Ms中所有点匹配对的匹配误差构建损失函数，训练所述基于匹配任务的特征提取网络。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。