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！

龙图腾网获悉同济大学申请的专利一种无标定物的相机-激光雷达相对位姿在线估计方法及系统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：CN119784833B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411626449.9，技术领域涉及：G06T7/73；该发明授权一种无标定物的相机-激光雷达相对位姿在线估计方法及系统是由张林;孙运达;沈莹;赵生捷设计研发完成，并于2024-11-14向国家知识产权局提交的专利申请。

本一种无标定物的相机-激光雷达相对位姿在线估计方法及系统在说明书摘要公布了：本发明涉及一种无标定物的相机‑激光雷达相对位姿在线估计方法及系统。该方法首先利用相机与激光雷达采集图像与点云；再使用神经网络与注意力机制对图像与点云进行特征提取与融合，分别得到点云跨模态特征和图像跨模态特征；从中提取出处于共视区域内的像素与点，并基于相似度最大化策略在像素与点之间建立2D‑3D匹配；最后基于所建立的2D‑3D匹配建立重投影方程，并利用EPnP‑RANSAC优化以获得最优的相对位姿，从而完成无标定物的相机‑激光雷达相对位姿在线估计。与现有技术相比，本发明具有可实现无标定物的相对位姿的在线估计，提高位姿估计精度等优点。

本发明授权一种无标定物的相机-激光雷达相对位姿在线估计方法及系统在权利要求书中公布了：1.一种无标定物的相机-激光雷达相对位姿在线估计方法，其特征在于，方法包括以下步骤： S1、利用相机与激光雷达采集图像与点云； S2、使用神经网络与注意力机制对图像与点云进行特征提取与融合，分别得到细粒度点云跨模态特征和细粒度图像跨模态特征； S3、根据细粒度点云跨模态特征和细粒度图像跨模态特征，确定出处于共视区域内的像素与点，并基于相似度最大化策略建立像素与点之间的2D-3D匹配； S4、基于所建立的2D-3D匹配建立重投影方程，并利用EPnP-RANSAC优化以获得最优的相对位姿，从而完成无标定物的相机-激光雷达相对位姿在线估计； 所述S2中得到细粒度点云跨模态特征和细粒度图像跨模态特征的具体步骤为： S21、将图像的多尺度特征展开为一维张量并与点云的多尺度特征拼接并利用注意力机制将两者进行特征融合，得到粗粒度点云融合特征； S22、基于KNN算法从点云的多尺度特征中提取点云的局部特征，并使用注意力机制将点云的局部特征与图像的多尺度特征融合，得到粗粒度图像融合特征； S23、基于孪生神经网络，将粗粒度点云融合特征与粗粒度图像融合特征映射至相同的特征空间，得到细粒度点云跨模态特征和细粒度图像跨模态特征； 所述S3中建立2D-3D匹配具体过程为： S31、计算共视区域内像素和点云点两两之间的余弦相似度； S32、由余弦相似度构造M×N的匹配矩阵，其中M为像素数，N为点云点数； S33、按照相似度最大化策略优化匹配矩阵，为每个像素寻找到最匹配的点云点，即完成建立2D-3D匹配； 所述S4中的重投影方程具体公式为： 式中，TT*为待优化位姿，K为相机内参数，pi为匹配的3D点，ui为匹配的2D像素。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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。