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！

龙图腾网获悉湖南大学申请的专利一种基于三维高斯的增量式地图优化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：CN119579819B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411642494.3，技术领域涉及：G06T17/05；该发明授权一种基于三维高斯的增量式地图优化方法是由张小刚;胡圣杰;陈华设计研发完成，并于2024-11-18向国家知识产权局提交的专利申请。

本一种基于三维高斯的增量式地图优化方法在说明书摘要公布了：本申请提供一种基于三维高斯的增量式地图优化方法，包括：S1:获取当前帧和估计站姿，S2:判断所述当前帧，是否为关键帧；若是,执行步骤S3；S3:基于所述估计站姿，渲染得到轮廓图像；S4:获取历史三维高斯图；基于所述轮廓图像和所述历史三维高斯图，确定新增区域对应的像素；S5:基于所述新增区域对应的像素，对所述历史三维高斯图进行优化处理，得到新增区域对应的第一精度三维高斯图；S6:获取历史关键帧，基于所述历史关键帧，对所述第一精度三维高斯图进行损失优化，得到新增区域对应的第二精度三维高斯图。用以在逐步优化地图的过程中，减少冗余，提高效率与精度，实现生高保真、高效率渲染。

本发明授权一种基于三维高斯的增量式地图优化方法在权利要求书中公布了：1.一种基于三维高斯的增量式地图优化方法，应用于增量式建图子模块，所述增量式建图子模块和多传感器视觉里程计子模块构成定位建图模块，其特征在于，包括： S1:获取当前帧和估计站姿，其中，所述估计站姿由所述多传感器视觉里程子模块输出得到； S2:判断所述当前帧与前一关键帧的像素相似度是否大于第一阈值； 若是，则将所述当前帧作为关键帧，执行步骤S3； S3:根据所述关键帧，确定所述关键帧对应的当前相机视角； 基于所述当前相机视角，对所述估计站姿进行渲染，得到轮廓图像； S4:基于所述轮廓图像，生成掩码； 获取历史三维高斯图； 基于所述掩码和所述历史三维高斯图进行匹配，确定出新增区域对应的像素； S5:获取当前帧与前一关键帧的时间间隔中新注册的雷达点； 随机采样二分之一的所述新注册的雷达点； 将所述随机采样二分之一的所述新注册的雷达点，投影到所述新增区域对应的像素； 判断所述随机采样二分之一的所述新注册的雷达点，是否可以投影到所述新增区域对应的像素； 若是，则将可以投影到所述新增区域对应的像素内的雷达点，作为可优化雷达点； 基于所述可优化雷达点，确定可优化高斯点； 基于所述可优化高斯点，对所述历史三维高斯图进行优化处理，得到与新增区域对应的第一精度三维高斯图； S6:获取历史关键帧，其中，所述历史关键帧包括初始关键帧和前一关键帧； 步骤701:随机打乱所述历史关键帧，采用下述公式，对所述第一精度三维高斯图进行最小化光度渲染损失迭代处理，得到优化后的三维高斯渲染深度图； 其中，I和分别是观察采集到的历史关键帧对应的图像和渲染历史关键帧对应的高斯表征得到的图像，LD-SSIM为结构相似性约束结构一致性，λ指的是权重，人为进行设置，L指的是损失； 步骤S702:判断最小化光度渲染损失迭代处理计算次数是否大于第一预设计算次数； 若是，则结束迭代计算处理，将所述优化后的三维高斯渲染深度图，作为所述新增区域新增区域对应的第二精度三维高斯图； 若否，则判断最小化光度渲染损失迭代处理计算次数是否等于第二预设计算次数；其中，所述第二预设计算次数为将所述第一预设计算次数按照预设梯度进行划分后，所得到的计算次数； 若是，则执行步骤703； 若否，将所述优化后的三维高斯渲染深度图，作为下一轮迭代处理的第一精度三维高斯图，重复步骤701； 步骤703：对所述优化后的三维高斯渲染深度图中的每个像素点，计算累积不透明度； 若所述每个像素点中的任一像素点的累积不透明度大于第二阈值，或与所述任一像素点对应的渲染深度与激光点云深度相差的值大于第三阈值，将该像素点标记为不稳定像素； 基于所述不稳定像素，确定与所述不稳定像素对应的三维高斯图； 对所述三维高斯图，使用自适应致密化和修建策略进行处理，得到处理后的第一优化损失高斯图； 将所述第一优化损失高斯图，作为下次重复最小化光度渲染损失迭代处理的第一精度三维高斯图，重复上述步骤S701-S703。

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湖南大学，其通讯地址为：410012 湖南省长沙市岳麓区麓山南路1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。