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！

龙图腾网获悉南京理工大学申请的专利单目视觉、IMU和激光雷达的数据融合和边缘提取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：CN115861352B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202211628719.0，技术领域涉及：G06T7/13；该发明授权单目视觉、IMU和激光雷达的数据融合和边缘提取方法是由韩忠利;王嘉晖;黄成设计研发完成，并于2022-12-18向国家知识产权局提交的专利申请。

本单目视觉、IMU和激光雷达的数据融合和边缘提取方法在说明书摘要公布了：本发明公开了一种单目视觉、IMU和激光雷达的数据融合及边缘提取方法，该方法为：单目相机采集目标不同角度的成像，进行特征匹配；采用FAST算法检测关键点，用BRIEF算法将关键点转换为ORB特征向量，得到目标不同角度下的图像特征分布；采用FLANN匹配获得特征对匹配的结果，通过RANSAC算法剔除存在误差的特征匹配对；将激光雷达获得的点云数据进行点云分割和特征提取，对IMU的信息进行预积分，用来对点云数据进行运动补偿；使用IMU数据以及关键帧位姿构建激光雷达信息与VIO的融合；采用改进后自适应阈值的Canny算子进行边缘提取。本发明提高了单目视觉、IMU和激光雷达的数据融合和边缘提取效率。

本发明授权单目视觉、IMU和激光雷达的数据融合和边缘提取方法在权利要求书中公布了：1.一种单目视觉、IMU和激光雷达的数据融合和边缘提取方法，其特征在于，包括以下步骤： 步骤1、利用工业相机采集目标不同角度下的图像； 步骤2、利用FAST算法采集图像中的关键点； 步骤3、利用rBRIEF算法将步骤2中采集到的关键点转换为特征向量； 步骤4、将得到的目标不同角度的特征向量进行FLANN匹配，得到匹配结果； 步骤5、将匹配结果通过基于F矩阵的RANSAC算法，对误匹配的特征点进行剔除； 步骤6、将激光雷达获得的点云数据进行视场切割，点云分割，特征提取，通过对IMU的信息进行预积分，将预积分后的数据用来对激光雷达获得的点云数据进行运动补偿； 步骤7、使用IMU数据以及关键帧位姿，构建激光雷达信息与VIO的融合； 步骤8、对直方图增强对比度，高斯滤波去噪，使用Canny算子进行边缘提取，具体如下： 步骤8.1、对采集到的灰度图进行双边滤波处理，得到滤波后的图像； 步骤8.2、计算图像的离散傅里叶变换DFT得到； 步骤8.3、计算滤波器函数与的乘积，用一个高斯函数： ； 频谱即为滤波器函数与的乘积： ； 步骤8.4、对步骤8.3中的进行离散傅里叶反变换IDFT，得到，取的实部作为滤波完的结果图像； 步骤8.5、利用Prewitt模板计算步骤8.4中结果图像各个方向的梯度值，并寻找最大梯度方向，得到最大梯度图像，具体为：利用Prewitt的4个方向的模板分别与进行卷积，然后取4个值中最大的值作为该点的梯度值，最大值对应的方向为最大梯度方向，这样处理完得到最大梯度图像； 步骤8.6、根据的归一化为0到255的灰度范围，利用直方图确定灰度大致范围，在此范围内通过排序找到该范围内灰度的中值，设为阈值，设的灰度范围为[0,L-1]则阈值分为2个范围[0,T]和[T,L-1]； 设图像中灰度为的像素数为，在灰度围为内总像素数； 各灰度出现的概率为，在中，用阈值将其分为2类和；由组成，由组成；则区域和的概率分别为，和的平均灰度值为： ； ； 其中是的平均灰度： ； 两个区域的总方差为:； 让在内依次取值，使最大的值是低阈值的最佳选择；同理，在中重复上面的步骤，即得到高阈值的最佳选择； 步骤8.7、利用步骤8.5中的高低阈值，按照Canny算子的3个准则得到两个阈值边缘图像,；由低阈值得到，由高阈值得到；由于由高阈值得到，边缘基本为真边缘，但存在断裂，所以在断裂处的8个领域内寻找中的边缘连接，直到将连接起来，得到一个完整的边缘二值图； 步骤8.8、最后对步骤8.6中的边缘二值图，用水平和垂直两个方向的结构元素进行形态学的开运算处理，最终得到去除外部边缘毛刺的边缘二值图。

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南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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”。