Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京航空航天大学武星获国家专利权

南京航空航天大学武星获国家专利权

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!

龙图腾网获悉南京航空航天大学申请的专利一种多视角单线激光雷达点云层次聚类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:CN118097203B

龙图腾网通过国家知识产权局官网在2025-09-19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:202410225187.9,技术领域涉及:G06V10/762;该发明授权一种多视角单线激光雷达点云层次聚类方法是由武星;汤凯;孟凯;李孟九;楼佩煌;李杨志;张航瑛;陈俊哲;钱晓明设计研发完成,并于2024-02-29向国家知识产权局提交的专利申请。

一种多视角单线激光雷达点云层次聚类方法在说明书摘要公布了:本发明提供了一种多视角单线激光雷达点云层次聚类方法,首先在工作场景中部署多个激光雷达传感器,构建多源激光雷达融合系统,并对多源点云数据进行时空同步。其次,采用动态阈值分割法将多源激光雷达点云转化为点云簇,提出基于表面积启发的层次包围盒方法划分点云空间,并按递归方法构建空间层次树。再次,改进距离交并比损失函数,提出基于无向图的关联性点云簇聚类方法,生成每个移动机器人的目标点云。本发明所设计的多视角点云层次聚类方法,有效提高了多源点云计算效率和融合实时性,为下一步对目标点云进行跟踪定位提供了技术基础。

本发明授权一种多视角单线激光雷达点云层次聚类方法在权利要求书中公布了:1.一种多视角单线激光雷达点云层次聚类方法,其特征在于,包括以下步骤: 步骤1:多源激光点云时空同步:在工作场景中部署多源激光雷达传感器,获取多源激光点云数据,并进行离线坐标系标定及在线时间同步;多源激光点云时空同步法包括以下步骤: 步骤1.1:多源激光雷达部署:在工作场景中部署一个主激光雷达和多个从激光雷达,连接激光雷达与地面计算机,测量并记录主从雷达间距离,获取主激光雷达与从激光雷达间相对位姿; 步骤1.2:主从激光雷达坐标系离线标定:在工作场景中放置多个反光柱,提取多源激光雷达经反光柱反射后的特征点集,采用迭代最近点匹配方法获取主从激光雷达间的精确位姿关系,将从激光雷达坐标系变换至主激光雷达坐标系下;多源主从激光雷达标定法包括以下步骤: 步骤1.2.1:反光标定柱部署:清空工作场地,并在场地区域内放置多个反光标定柱,并保证其数量不少于3,调整反光标定柱位置使其在主从激光雷达视角下无遮挡关系,确保反光标定柱可被各激光雷达同时照射到; 步骤1.2.2:高反特征点集数据提取:设置反射光线强度和距离阈值,提取反光标定柱表面上的特征点集,设反光标定柱被激光雷达照射后所反射的高反特征点集为其中ρ为点云极径,θ为点云极角,k为点云所属雷达索引,i为点云在所属雷达下的扫描次序;设反光标定柱半径为R,经过半径补偿后的圆心坐标近似为: 步骤1.2.3:特征点集误差模型构建:设主从雷达视角下配对的特征点集分别为:寻找欧式变换Rj,tj,使得: 设第i对点的误差项: 构建最小二乘问题,设误差平方和最小时对应的极小值: 步骤1.2.4:SVD求解旋转变换矩阵:设两组点质心: 化简误差函数得: 设每个点的去质心坐标: 构造优化问题计算旋转矩阵: 定义Wj矩阵: 对Wj进行SVD分解得,Wj=UΣVT,其中Σ为奇异值组成的对角矩阵,对角线元素从大到小排列,而U和V为正交矩阵; 当Wj满秩时,为: 设坐标变换矩阵为旋转矩阵为平移列向量为则存在如下关系: 标定后主从激光点云的转换公式如下: 步骤1.3:多源点云数据在线时间同步:依据PTP协议对时间戳相近的激光雷达点云数据进行时间同步,对同步后的某帧多源点云数据按点云所属雷达索引及扫描顺序进行存储,记同步后的点云数据为其中p为点云P中的一点,ρ为点云极径,θ为点云极角,k为点云所属雷达索引,i为点云在所属雷达下的扫描次序; 步骤2:动态阈值点云分割:设置动态阈值分割激光点云数据,顺序遍历同源激光点云数据,分割聚类阈值内的点云; 步骤3:点云簇空间层次树构建:首先建立AABB包围盒集合并将参数初始化;其次计算包围盒集合的最小AABB包围盒,并在节点中保存包围盒信息,建立BVH树节点;然后针对BVH树节点,计算所有分割位置下包围盒面积期望和,将最小包围盒面积期望和的分割位置作为最佳分割位置;再次递归构造分支,对最佳分割位置分割后的左右两子集返回执行建立BVH树节点步骤,直至包围盒集合数量小于设定阈值; 步骤4:基于图-关联性点云簇聚类:首先以层次包围盒树中每个叶子节点中的每个点云簇包围盒为顶点,构建无向图结构,各顶点间以边进行连接;然后改进D-IOU损失函数对点云簇包围盒间进行关联性检测;再提取点云簇子图通过深度遍历无向图的邻接矩阵提取子图,并分别保存子图中关联性点云簇信息;最后将子图中的关联性点云进行融合,将具有关联性的点云簇归为一类,并重新定义点云簇索引。

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航空航天大学,其通讯地址为:210016 江苏省南京市秦淮区御道街29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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。