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！

龙图腾网获悉杭州电子科技大学申请的专利一种复杂环境下的全局语义高程地貌地图构建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：CN119784963B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411763237.5，技术领域涉及：G06T17/05；该发明授权一种复杂环境下的全局语义高程地貌地图构建方法是由陈静;张波涛;任征;张政;李雅雯;吕强设计研发完成，并于2024-12-03向国家知识产权局提交的专利申请。

本一种复杂环境下的全局语义高程地貌地图构建方法在说明书摘要公布了：本发明公开了一种复杂环境下的全局语义高程地貌地图构建方法，其使用语义分割网络对室外机器人移动环境中的复杂地貌进行更为细致的划分，并通过图像关键帧筛选、点云语义映射和多传感融合等步骤，创建含有丰富环境信息的高程地貌地图，以用于提高室外机器人的导航效率。同时，本发明能够详细表征地貌起伏落差变化以及周围环境物体的高度信息，弥补二维栅格地图构建室外环境模型的不足，为室外机器人的导航提供了更为详细的环境信息，提高了机器人导航的准确性和合理性；此外，语义高程地图是一种栅格地图，能降低地图存储量，极大提高机器人处理器的运算效率，也可降低野外机器人芯片的性能需求。

本发明授权一种复杂环境下的全局语义高程地貌地图构建方法在权利要求书中公布了：1.一种复杂环境下的全局语义高程地貌地图构建方法，其特征在于：包括以下步骤： 步骤一、对多线激光雷达和深度相机进行外参联合标定，得到相机内参矩阵和深度相机雷达外参矩阵； 步骤二、获取机器人的实时位姿信息，并根据激光雷达获取激光点云； 步骤三、获取并训练实时地貌分割网络模型； 所述的步骤三中，实时地貌分割网络模型包括实时移动网络编码模块、多特征融合模块和网络解码模块；实时移动网络编码模块包括依次连接的卷积网络层、逆残差网络模块和自注意力学习机制模块； 所述的自注意力学习机制模块包括依次连接的第一自注意力学习机制层和第二自注意力学习机制层；第一自注意力学习机制层包括依次连接的逆残差网络层和两个自注意力层；第二自注意力学习机制层包括依次连接的逆残差网络层和四个自注意力层；所有自注意力层的结构相同，均包括依次连接局部特征提取模块和全局特征提取模块；局部特征提取模块包括深度可分离卷积和普通卷积；全局特征提取模块包括线性化多头自注意力机制和卷积网络；自注意力层的输出为融合全局特征提取模块的输入和输出融合后的特征； 所述的多特征融合模块用于融合逆残差网络模块、第一自注意力学习机制层和第二自注意力学习机制层输出的特征；所述的网络解码模块用于根据多特征融合模块输出的图像特征获取局部环境的地貌分割语义图； 所述的步骤三中，逆残差网络模块包括依次连接的三个逆残差网络层；三个逆残差网络层的结构相同，均包括依次连接的第一卷积层、第二卷积层、轴向注意力机制和第三卷积层；以第三卷积层的输出特征与输入对应逆残差网络层的特征融合后的特征，作为逆残差网络层的输出； 所述的多特征融合模块包括上下文信息融合模块和多尺度信息融合模块；上下文信息融合模块包括第一支路、第二支路和通道混洗模块；所述的第一支路通过卷积块对逆残差网络模块的输出进行处理，并通过最大池化层和平均池化层分别对卷积层的输出进行池化操作，将最大池化层和平均池化层的输出相加后，得到第一输出特征图；所述的第二支路依次通过卷积块和上采样层对第一自注意力学习机制层的输出进行特征提取，得到第二输出特征图；所述的卷积块包括依次连接的卷积层、批标准化层和激活函数；所述的通道混洗模块具体是将第一输出特征图和第二输出特征图进行拼接后通过通道混洗操作获取初步融合特征图； 所述的多尺度信息融合模块采用空间金字塔池化层对自注意力学习机制模块输出的图像特征进行池化操作；以初步融合特征图经下采样操作后与多尺度信息融合模块输出相加融合的特征作为多特征融合模块的输出； 所述的网络解码模块依次通过两个卷积上采样层和一个普通上采样层对多特征融合模块输出的图像特征进行处理，获取局部环境的地貌分割语义图； 步骤四、根据训练后的实时地貌分割网络模型获取局部环境的地貌分割语义图； 所述的步骤四中，获取地貌分割语义图的方法如下： 以初始时刻的图像帧作为最新关键图像帧；构建最新图像关键帧筛选条件对每一时刻获取的图像帧进行筛选；获取距当前时刻最近的最新关键图像帧，将最新关键图像帧输入实时地貌分割网络模型，获取地貌分割语义图； 所述的最新图像关键帧筛选条件包括图像特征匹配条件、里程计条件和时间约束条件； 步骤五、将激光点云与地貌分割语义图进行时间同步，并利用内参矩阵和外参矩阵将点云投影映射至地貌分割语义图上，获取每帧地貌图像对应的语义点云； 步骤六、利用语义点云的语义信息构建颜色层栅格地图；利用语义点云的z坐标构建高程层栅格地图；对颜色层栅格地图与高程层栅格地图进行融合形成局部语义高程地貌地图，并根据机器人实时位姿和坐标变换关系，构建全局语义高程地貌地图。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。