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！

龙图腾网获悉太原理工大学申请的专利一种应用于退化环境的LiDAR-惯性-视觉融合SLAM切换定位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：CN120489109B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202510990258.9，技术领域涉及：G01C21/00；该发明授权一种应用于退化环境的LiDAR-惯性-视觉融合SLAM切换定位方法是由程俊兵;李健;郑伟;贾润鑫;高云飞;李鑫;张万卷设计研发完成，并于2025-07-18向国家知识产权局提交的专利申请。

本一种应用于退化环境的LiDAR-惯性-视觉融合SLAM切换定位方法在说明书摘要公布了：本发明涉及移动机器人定位领域，具体为一种应用于退化环境的LiDAR‑惯性‑视觉融合SLAM切换定位方法。本方法通过安装在移动机器人上的单目相机、惯性测量单元以及激光雷达组成的多传感器系统，获取图像、角速度与线加速度、以及稠密空间点云等原始测量数据，构建系统状态初始化模型，基于多传感器系统获取的测量数据，将视觉‑惯性位姿、激光雷达位姿或二者线性插值进行融合，能够实时有效地识别退化状态并进行多传感器系统信息切换，本发明能够有效应对激光雷达与视觉‑惯性里程计模块在退化环境中存在的定位失效问题，提升整体视觉SLAM定位精度与鲁棒性，满足在结构单一、光照复杂、纹理稀疏等恶劣条件下的长期稳定运行需求。

本发明授权一种应用于退化环境的LiDAR-惯性-视觉融合SLAM切换定位方法在权利要求书中公布了：1.一种应用于退化环境的LiDAR-惯性-视觉融合SLAM切换定位方法，其特征在于：包括以下步骤： 步骤一、通过安装在移动机器人上的单目相机、惯性测量单元以及激光雷达分别获取图像、角速度与线加速度以及稠密空间点云； 步骤二、根据获取的图像构建单目相机的重投影残差，根据获取的角速度与线加速度构建惯性测量单元的惯性测量残差； 步骤三、基于步骤二中构建的重投影残差与惯性测量残差，进一步进行联合优化，并通过视觉-惯性里程计模块进行非线性优化后输出当前帧位姿增量； 步骤四、基于步骤一中激光雷达输出的稠密空间点云，计算激光雷达在世界坐标系下的当前帧位姿增量； 步骤五、基于步骤三中视觉-惯性优化结果，以及步骤一中激光雷达获取的稠密空间点云，对视觉-惯性里程计模块与激光雷达在当前帧的工作状态进行评估，分别执行视觉-惯性里程计模块的故障检测与激光雷达的退化检测； 步骤六、基于激光雷达的退化检测结果与视觉-惯性里程计模块的故障检测结果，结合前一时刻的状态位姿，选择初始位姿估计值，并以此为初值执行Scan-to-Map优化，最终更新当前时刻的图像帧的状态位姿； 步骤七、将步骤六中计算得到的图像帧的状态位姿作为新增图像帧的初始估计，加入包含所有历史图像帧位姿的因子图中，该因子图融合了激光雷达残差、视觉-惯性联合残差以及初始位姿估计值，并通过回环检测构建闭环因子，作为图中边的观测约束，随后对因子图执行增量式优化，输出全局一致的最终位姿估计结果； 步骤五的具体过程为： 视觉-惯性里程计模块中，当以下任一情况出现，包括联合残差海塞矩阵的最小特征值突变、滑窗中用于构建的特征点数量骤减、加速度计偏置与陀螺仪偏置异常增大、以及位姿增量发生剧烈波动，即将视觉-惯性里程计模块状态判定为失败状态； 针对激光雷达基于神经网络进行退化检测，首先，采用BEV投影方法，将稠密空间点云映射到地面平面上，并构建结构化的二维栅格图表示，具体而言，在激光雷达坐标系下定义一个固定的空间投影区域：，将该空间投影区域划分为个网格单元，每个网格单元覆盖面积为：，对于每一个三维坐标点，计算其在BEV图中的栅格投影索引为：，其中表示该三维坐标点在BEV图中的栅格投影索引，在每个栅格单元中，对所有落入该区域的三维坐标点统计三个局部特征：点数量、高度均值和反射强度均值； 将上述三个局部特征组合，构成一个张量；其中图像帧的张量记为，用于表示图像帧的BEV编码输入，该张量作为神经网络的输入，神经网络输出一个介于0与1之间的概率值，表示当前帧处于退化状态的置信度； 步骤六的具体过程为： 首先，设一个长度为的状态缓冲队列，用于记录过去5帧的神经网络输出的退化置信度：，其中，为图像帧的退化置信度，设定固定阈值，作为判定图像帧处于退化状态的分界标准； 当视觉-惯性里程计模块发生故障，或退化置信度满足且缓冲队列中有不少于4帧满足，则判断当前激光雷达状态良好，采用激光雷达位姿增量作为初始位姿估计值，其中，表示李群与李代数之间的映射操作，表示图像帧的位姿； 若视觉-惯性里程计模块正常工作，但存在退化置信度，且缓冲队列中有不少于3帧满足，则判断处于激光雷达退化的开始或结束状态阶段，此时采用激光雷达位姿增量与视觉-惯性位姿增量的线性插值构造初始位姿估计值，其中，为当前缓冲队列中的置信度均值； 若判断当前状态不属于上述两种情况，则直接采用视觉-惯性位姿增量作为初始位姿估计值； 在完成初始位姿估计值构造后，以为起始状态，执行Scan-to-Map优化，具体优化策略根据激光雷达与视觉-惯性里程计模块的状态组合进行切换，优化过程如下： 若当前帧退化置信度满足，且缓冲队列中至少有4帧满足，判断当前激光雷达处于非退化状态，此时，使用激光雷达残差构建优化模型，在全自由度上执行状态更新，其状态增量； 若视觉-惯性里程计模块正常工作，且当前帧退化置信度满足，同时缓冲队列中至少有3帧满足，判断激光雷达处于轻度退化状态，此时，引入由视觉位姿传播构造的伪残差项，结合激光位姿残差共同构建优化目标，其状态增量的求解方式为：，为视觉先验残差项的加权系数； 然后，利用上述优化过程计算得到的状态增量，更新当前时刻的位姿状态：； 若视觉-惯性里程计模块发生故障，且当前帧退化置信度满足，同时缓冲队列中所有5帧均满足，判断激光雷达处于完全退化状态，此时跳过当前帧的优化过程，直接保留初始估计作为最终状态，表达如下：。

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太原理工大学，其通讯地址为：030024 山西省太原市万柏林区迎泽西大街79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。