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！

龙图腾网获悉苏州轻棹科技有限公司申请的专利一种基于位姿图优化进行状态估计的处理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：CN114882063B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202210515968.2，技术领域涉及：G06T7/20；该发明授权一种基于位姿图优化进行状态估计的处理方法是由李经纬;赵政;张雨设计研发完成，并于2022-05-12向国家知识产权局提交的专利申请。

本一种基于位姿图优化进行状态估计的处理方法在说明书摘要公布了：本发明实施例涉及一种基于位姿图优化进行状态估计的处理方法，所述方法包括：接收运动模型类型作为第一模型类型；接收时刻t‑k到t‑1的第一数量k个位姿观测量作为第一观测量mi组成第一观测量序列；根据第一模型类型和第一观测量序列构建第一位姿图；通过优化第一位姿图得到与第一观测量序列对应的第一估计状态量序列；接收时刻t的位姿观测量作为第二观测量m，；根据第二观测量m，和第一估计状态量序列对第一位姿图进行位姿图变换得到第二位姿图；通过优化第二位姿图得到时刻t的第二估计状态量。通过本发明，不但可以提高计算效率，还可以提高状态估计量的平滑性和鲁棒性。

本发明授权一种基于位姿图优化进行状态估计的处理方法在权利要求书中公布了：1.一种基于位姿图优化进行状态估计的处理方法，其特征在于，所述方法包括： 接收运动模型类型作为第一模型类型； 接收时刻t-k到t-1的第一数量k个位姿观测量作为第一观测量mi组成第一观测量序列；1≤i≤k； 根据所述第一模型类型和所述第一观测量序列构建第一位姿图； 通过优化所述第一位姿图得到与所述第一观测量序列对应的第一估计状态量序列； 接收时刻t的位姿观测量作为第二观测量m’； 根据所述第二观测量m’和所述第一估计状态量序列对所述第一位姿图进行位姿图变换得到第二位姿图； 通过优化所述第二位姿图得到时刻t的第二估计状态量； 其中，所述根据所述第一模型类型和所述第一观测量序列构建第一位姿图，具体包括： 构建所述第一位姿图的k个第一状态节点Nsi；并将所述第一状态节点Nsi的对应状态量作为对应的第一估计状态量si；并将各个所述第一状态节点Nsi顺次连接组成里程计运动关系节点链，将节点链上从所述第一状态节点Nsi到所述第一状态节点Nsi+1的节点边作为对应的第一状态节点边Lsi,i+1； 并根据所述第一模型类型构建所述第一状态节点边Lsi,i+1的里程计运动约束关系为si+1＝Ai|i+1·si+wi；其中，Ai|i+1为从所述第一状态节点Nsi到所述第一状态节点Nsi+1的第一状态转换矩阵，wi为所述第一状态节点Nsi的第一状态噪声矩阵；所述第一状态转换矩阵Ai|i+1为里程计运动状态转换矩阵，其结构与所述第一模型类型对应；所述第一模型类型为CV运动模型、CA运动模型、CTRV运动模型、CTRA运动模型、CSAV运动模型或CCA运动模型，或者为CV、CA、CTRV、CTRA、CSAV、CCA运动模型中两组模型的组合运动模型；所述第一模型类型为CV、CA、CTRV、CTRA、CSAV或CCA运动模型则所述第一状态转换矩阵Ai|i+1为对应的CV、CA、CTRV、CTRA、CSAV或CCA运动状态转换矩阵；所述第一模型类型由两种运动模型构成的所述组合运动模型则所述第一状态转换矩阵Ai|i+1由对应的两种运动状态转换矩阵相加而成； 构建所述第一位姿图的k个第一观测节点Nmi；并将各个所述第一观测节点Nmi作为对应的所述第一状态节点Nsi的误差约束节点；并将所述第一观测节点Nmi的对应观测量初始化为所述第一观测量序列中对应的所述第一观测量mi；并将从所述第一观测节点Nmi到所述第一状态节点Nsi的节点边作为对应的第一误差节点边Lm-si； 并构建所述第一误差节点边Lm-si的误差约束关系为 其中，f·为损失函数； 所述损失函数f·基于HuberLoss函数构建。

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苏州轻棹科技有限公司，其通讯地址为：215100 江苏省苏州市相城区高铁新城青龙港路66号领寓商务广场1幢21层2101-2108室；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”。