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！

龙图腾网获悉北京理工大学申请的专利基于高斯混合模型和深度-彩色图像的空间障碍判别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：CN116486395B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202211149808.7，技术领域涉及：G06V20/64；该发明授权基于高斯混合模型和深度-彩色图像的空间障碍判别方法是由方丽萍;胡权;李金健;曹凌云;贺子轩设计研发完成，并于2022-09-21向国家知识产权局提交的专利申请。

本基于高斯混合模型和深度-彩色图像的空间障碍判别方法在说明书摘要公布了：本发明公开的基于高斯混合模型和深度‑彩色图像的空间障碍判别方法，属于航空航天技术领域。本发明实现方法为：根据空间环境深度图像与彩色图像，生成空间环境的三维点云模型；采用统计滤波对点云模型进行噪声去除；使用高斯混合模型对空间环境的点云三维坐标进行聚类分析，得到用于判别是否为空间障碍的空间环境点云高斯概率密度分布函数；使用迭代方法选取设定空间障碍判别阈值；将机械臂运动过程中待判定的路径空间三维点坐标输入点云高斯概率密度分布函数中，得到对应的高斯概率密度值，根据待判定的路径空间三维点对应的高斯概率密度值和空间障碍判别阈值对比，对待判定的路径空间点判别，实现空间障碍区域与机械臂可操作区域的估计与划分。

本发明授权基于高斯混合模型和深度-彩色图像的空间障碍判别方法在权利要求书中公布了：1.基于高斯混合模型和深度-彩色图像的空间障碍判别方法，其特征在于：包括如下步骤， 步骤一：根据相机测量得到的空间环境的深度图像与彩色图像，利用所述深度图像与彩色图像生成空间环境的三维点云模型； 步骤二：采用统计滤波对步骤一构建的空间环境三维点云模型进行噪声去除，并采用体素栅格滤波对噪声去除后的点云模型进行数量精简，以便提高后续构建点云高斯概率密度分布函数的效率； 步骤三：使用高斯混合模型对步骤二去噪精简后的空间环境的点云三维坐标进行聚类分析，得到用于判别是否为空间障碍的空间环境点云高斯概率密度分布函数； 步骤四：根据步骤三得到的空间环境点云高斯概率密度分布函数使用迭代方法选取设定空间障碍判别阈值； 步骤五：将机械臂运动过程中待判定的路径空间三维点坐标输入步骤三得到的点云高斯概率密度分布函数中，得到对应的高斯概率密度值，根据待判定的路径空间三维点对应的高斯概率密度值和步骤四得到的空间障碍判别阈值对比，对待判定的路径空间点判别后实现空间障碍区域与机械臂可操作区域的估计与划分； 步骤六：根据步骤五判别得到的属于空间障碍区域的点云三维坐标，进一步使用高斯聚类椭球模型对属于空间障碍区域的点云进行包络，得到相应的用于避障路径规划的高斯聚类椭球外包络表面方程；根据所述空间障碍高斯聚类椭球外包络表面方程解析表达式，得到障碍物外包络的扩展切平面的法向量，根据所述法向量进行机械臂实时避障路径的规划，在保证路径规划精度的基础上提高避障路径规划效率。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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”。