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！

龙图腾网获悉安徽大学申请的专利一种融合深度神经网络去除纯动态特征点的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：CN117292153B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202311233168.2，技术领域涉及：G06V10/62；该发明授权一种融合深度神经网络去除纯动态特征点的SLAM方法是由张鲁川;段章领;杨建文;宋乐怡;高刘轩祺;贺建伟;万秭濛设计研发完成，并于2023-09-22向国家知识产权局提交的专利申请。

本一种融合深度神经网络去除纯动态特征点的SLAM方法在说明书摘要公布了：本发明公开了一种融合深度神经网络去除纯动态特征点的SLAM方法，步骤一：使用RGB‑D相机进行RGB图像和深度图像的采集并输入到系统中；步骤二：通过三角测量原理计算出每个像素点对应的三维空间坐标；步骤三：采用两种不同的策略来对高动态特征点进行剔除；步骤四：通过初始相机姿态将上一帧的三维特征点重投影到当前帧并计算重投影偏移向量；步骤五：将当前帧的3D特征点通过SOM‑K‑means算法分成k个簇；步骤六：对于每个聚类通过计算并确定每个簇的类型，根据判定结果将动态簇中的所有特征点进行去除。步骤七：将剩余静态特征点嵌入到SLAM系统中进行跟踪和建图，本发明涉及动态环境中同步定位与建图领域，具体为一种融合深度神经网络去除纯动态特征点的SLAM方法。

本发明授权一种融合深度神经网络去除纯动态特征点的SLAM方法在权利要求书中公布了：1.一种融合深度神经网络去除纯动态特征点的SLAM方法，至少包括以下步骤： 步骤一：使用RGB-D相机进行RGB图像和深度图像的采集并输入到系统中，之后使用YOLOv8对每个输入图像进行处理，输出每个包围盒的坐标和类别信息，并通过ROS2发布到SLAM中，SLAM根据物体的潜在运动状态将YOLOv8检测到的所有物体类型分类两类：（1）静态对象和（2）动态对象，之后根据包围盒的坐标和类别信息对特征点进行分类以便进行下一步操作； 步骤二：使用RGB-D相机采集到的深度图像，结合相机标定参数通过三角测量原理计算出每个像素点对应的三维空间坐标， 其中，三角测量利用了相机到物体的距离、相机内参和像素坐标之间的关系来计算； 步骤三：采用两种不同的策略来对高动态特征点进行剔除：1当正确的点匹配数量不超过8时，保留位于动态包围盒中而不在静态包围盒中的特征点进行进一步的测试；2当正确点匹配个数大于8时，直接剔除位于动态包围盒中的特征点；而且，过于靠近图像边缘和边界框的特征点也被丢弃；之后将剩余的静态特征点通过聚合GMA的RAFT方法进行帧匹配，进而结合OpenCV函数进行自我运动估算以恢复初始的相机姿态； 步骤四：通过初始相机姿态将上一帧的三维特征点重投影到当前帧并计算重投影偏移向量， 其中，重投影偏移向量用于描述空间点的位移； 步骤五：将当前帧的3D特征点通过SOM-K-means算法分成k个簇； 步骤六：对于每个聚类通过计算并确定每个簇的类型，根据判定结果将动态簇中的所有特征点进行去除； 步骤七：将剩余静态特征点嵌入到SLAM系统中进行跟踪和建图。

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安徽大学，其通讯地址为：230031 安徽省合肥市西路3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”。